**摘要**
极端天气事件正变得越来越频繁和强烈，导致全球范围内前所未有的生态变化。如果这些极端事件影响到形成栖息地的生物（如树木、珊瑚、海藻）的表现，其影响可能会尤为深远。此外，生物学中“全生物体”（holobiont）概念的出现表明，这些影响可以直接作用于形成栖息地的“宿主”，或者通过破坏与其相关的微生物群落来发挥作用。在澳大利亚悉尼海岸发生一次百年一遇的降雨事件后，我们研究了降雨（在野外）和盐度降低（在实验室）对一种主要的潮间带海藻Hormosira banksii的表现和繁殖产出的影响。随后，我们通过野外微生物操作，探讨了表面相关微生物缓解宿主对极端降雨反应的能力。极端降雨和盐度降低（<25 ppt）对宿主的繁殖产出产生了负面影响。使用一次性（脉冲）或定期（持续）抗菌处理的操控实验表明，极端降雨后Hormosira的微生物群落受到破坏，这影响了宿主的光合作用，更重要的是，抑制了宿主繁殖产出的恢复。持续破坏宿主-微生物群落的关系导致正常（对照）水平的繁殖产出和光合作用在4个月内无法恢复。这些实验表明，与宿主相关的微生物群落在调节形成栖息地的海藻对极端天气事件的反应中起着重要作用，这对宿主的关键适应性组成部分有着重要影响。鉴于许多系统经历的洪水和风暴事件频率的增加，微生物组可能在影响栖息地对压力的抵抗力方面发挥关键作用。
**1 引言**
气候变化正在导致极端天气事件（如热浪、干旱和降雨）的频率和强度增加（Hoegh-Guldberg和Bruno 2010；Masson-Delmotte等人2022；Solomon等人2007）。这类极端事件的生态后果可能非常严重，特别是当它们影响到形成栖息地的物种时，因为这可能导致它们所支持的生态系统的连锁反应（Goulding等人2016；Poloczanska等人2016；Sarra等人2021）。热浪是研究最多的极端事件之一，主要是因为它们易于测量，而且最近发生的几次热浪对不同领域的生态系统结构、功能和恢复力产生了强烈影响，例如珊瑚礁（Vompe等人2024）、大型藻类森林（Smale等人2019；Straub等人2022）、河口（Tassone等人2022）、森林（Hoover等人2014）和草原（Teuling等人2010）。然而，其他受气候变化影响的极端事件，如更强烈的风暴和相关的强降雨，也变得越来越突出（Fong等人2020；Sabater等人2023）。例如，强降雨事件会对从河流（Espinoza等人2022；Sabater等人2023）和草原（Fay等人2008；Grant等人2014）到沿海栖息地（Malan等人2024）的生态系统结构（O'Gorman等人2012）和功能产生重大影响。极端降雨的影响可能是由于降雨本身的变化（即，水流增加或淡水输入），也可能是由于极端降雨事件特有的协同效应，如营养富集和化学污染（Kuntz等人2005；O'Connor等人2015；White等人2018）。极端风暴和相关的降雨事件会影响形成栖息地的物种的生理和生态，对其表现和生存产生负面影响（Fay等人2008；Fong等人2020；Grant等人2014）。对于从植物（陆地和水生）（Death等人2015；Fay等人2008；Grant等人2014）到海绵（Pita等人2018；Ribes等人2016）、珊瑚（Fong等人2020）和大型藻类（Straub等人2022；Veenhof等人2022；Wernberg等人2013）等各种形成栖息地的生物，已经报告了诸如细胞损伤（Davison和Pearson 1996）、生长率降低（Kroeker等人2010）、招募减少（Deysher和Dean 1986）、生态相互作用变化（Grant等人2014）和生存率下降等影响。关于形成栖息地的生物如何应对极端事件以及从中恢复的一个很大程度上未被探索的方面是它们相关微生物群落的作用（但参见Augé 2001，Fong等人2020，Ali等人2022中的例外）。在自然界中，植物、海藻、珊瑚和其他形成栖息地的生物以全生物体的形式存在，即真核宿主及其相关的微生物群落（Laforest-Lapointe等人2017；McFall-Ngai等人2013；Rosenberg和Zilber-Rosenberg 2018）。像降雨这样的压力因素可能直接作用于宿主的生理，但对于全生物体来说，它们也可能通过破坏宿主的微生物群落来发挥作用。有强有力的证据表明，与真核宿主相关的微生物群落对其正常发育和功能至关重要（Laforest-Lapointe等人2017；Li等人2022；Marzinelli等人2024；McGrath等人2024），影响宿主的性质或过程，如形态发生（Matsuo等人2005；Ortíz-Castro等人2009）、光合作用（Qiu等人2019）、营养循环和供应（Minich等人2018；Pfister等人2019）以及抵御病原体的能力（Li等人2022；Longford等人2019；Sarma等人2015）。因此，如果极端事件的频率和强度增加导致微生物群落的显著破坏，这反过来可能会影响宿主——这是一种很少被探索的间接效应。除了这些已建立的功能作用外，与宿主相关的微生物群落还可能影响生命历史或人口统计过程，即对形成栖息地的生物的建立或持续至关重要的适应性组成部分。然而，我们仍然对微生物群落如何影响全生物体适应性的核心组成部分——生存率和繁殖率知之甚少，尤其是在野外（Garbary和London 1995）。尽管理解微生物群落对长寿生物的生存率的影响可能具有挑战性（急性事件除外），但繁殖率，即个体产生的可存活后代的数量，通常是适应性的一个有用指标（Alif等人2022；Hamel等人2010；McCoy等人2020），并且可以提供关于种群在严重干扰后持续性和重新建立的见解。在这项研究中，我们使用繁殖率以及光合作用的生理测量作为指标，来量化形成栖息地的全生物体对极端降雨事件的反应。在海洋环境中，大型藻类通常比其他形成栖息地的物种更容易受到极端降雨的影响，因为它们对陆地径流带来的营养物质敏感（Bellgrove等人2010，2017；Fong等人2020；Worm等人1999），相对不耐受快速盐度变化（Fong等人1996；Takolander等人2017），并且无法移动到更适宜的条件。然而，由于环境压力因素可以作用于许多生命历史阶段和转变，因此完全理解极端天气事件对大型藻类的影响是具有挑战性的（Schiel和Foster 2006）。不同生命历史阶段的压力耐受性，因此压力因素的影响可能会有所不同（Fain和Murray 1982；Ladah和Zertuche-González 2007）。Macrocystis pyrifera提供了一个关于这种变异性的明确例子，在该物种分布的某些地方，温度压力会负面影响孢子产生（Buschmann等人2004）、萌发（Buschmann等人2004）、招募（Deysher和Dean 1986）和孢子体生长（Rothäusler等人2009，2011），但在所有地方并非如此（Deysher和Dean 1986；Muñoz等人2004）。因此，将多个生命历史阶段纳入极端事件影响的研究中，对于更好地理解形成栖息地的生物个体或种群的响应至关重要。为了测试全生物体的微生物组是否可以缓解对极端天气事件的反应，我们研究了澳大利亚潮间带岩石海岸上的一种主要海藻Hormosira banksii对极端降雨事件的反应，并实验性地测试了这些反应是否由其表面相关的微生物群落介导。具体来说，我们假设极端降雨会对Hormosira的繁殖产出产生显著影响。如果降雨对宿主的影响主要是由于淡水（而不是其他与降雨相关的压力因素，如营养物质或有毒物质），我们预测在实验室中暴露于类似于野外降雨事件中的淡水水平会导致繁殖产出降低，与野外降雨事件观察到的结果相当。我们进一步研究了与宿主相关的微生物群落是否介导了宿主对极端降雨的反应和恢复。我们假设：（i）宿主微生物群落的破坏会降低宿主在极端降雨事件后恢复其繁殖产出和光合作用的能力；（ii）这种反应在宿主-微生物群落受到持续、持续破坏的情况下最为明显，而不是一次性破坏。这种方法侧重于识别微生物群落与宿主表现之间的功能联系，而不是解决涉及的具体机制。
**2 方法**
**2.1 极端降雨事件**
降雨数据来自气象局的在线数据门户（https://www.bom.gov.au/climate/data/），使用悉尼机场气象站的数据（澳大利亚新南威尔士州悉尼；151.17°E，33.95°S）。除了这些遥感数据外，在每次每月采样期间（如下所述），还在Cape Banks水生保护区的岩石池中使用折射仪测量了低潮时的盐度（Extech，n=5）。
**2.2 极端降雨对Hormosira繁殖产出的影响**
为了确定极端降雨对Hormosira banksii繁殖产出的影响，我们从2021年10月到2023年3月每月低潮时，在悉尼Cape Banks水生保护区的岩石平台上收集了20株直径约为1.3±0.5厘米、长度约为12.5±0.4厘米的Hormosira雌性个体（N=340；具体日期见表S2）。在野外，可以通过检查生殖结构轻松区分雌性和雄性个体。该物种的雄性个体具有橙色的生殖结构（由于花药体的颜色），而雌性的生殖结构为橄榄色。通过将藻类放入4°C的冰箱中12小时（根据Dimartino等人2016；Forbes和Hallam 1978；图S1），然后放入无水的容器中并在室温下用高照度（约500 Lux）的灯下照射2小时来诱导产卵。这种实验室技术并不直接模拟自然产卵过程，但可以促使藻类个体释放配子（Dimartino等人2016）。然后用50毫升人工过滤海水（AFSW）冲洗藻类个体，并从每个个体中取出5毫升的样本来计算每个雌性释放的卵子数量（n=20/月）。
**2.3 盐度对Hormosira繁殖产出的影响**
为了直接测试盐度降低对Hormosira繁殖的影响，我们在2023年3月低潮时从Cape Banks水生保护区收集了80株直径约为1.3±0.5厘米、长度约为12.3±0.6厘米的Hormosira雌性个体，这些个体彼此相距约1米，时间是在我们研究中最极端降雨事件之后约1年，且不在2022年的强降雨期间。个体在30分钟内被运输到悉尼大学，并放入循环水族箱中适应24小时。然后，将15个个体放入各自的0.5升水箱中，并随机分配到五种不同的盐度处理组中，以代表野外经历的盐度范围（见上文和图1A）：淡水（0 ppt）、5 ppt、15 ppt、25 ppt和35 ppt。为了避免个体快速受到渗透压的影响，盐度水平在1小时内逐渐降低到目标水平（根据Davis等人2022）。每个处理组中的个体被放置24小时。为了观察是否有任何卵子作为对盐度处理的应激反应而释放，从每个水箱中取出5毫升的水样来计数释放的卵子数量。然后通过将藻类放入4°C的冰箱中来诱导10个处理组的个体产卵，以计算每50毫升AFSW释放的卵子数量。为了确保个体具有生育能力（即，在放入水箱之前它们已经产卵），还从野外采集了20个个体作为每月产卵的一部分（如上所述；“极端降雨对Hormosira繁殖产出的影响”），并按照上述方法进行产卵。然后从每个处理组中取出剩余的5个个体，以表征其表面相关的细菌群落（见下文）。
**2.4 表面微生物群落破坏对宿主功能恢复的影响**
2022年3月24日极端降雨事件期间，在Cape Banks水生保护区低潮时，标记了210株大小相似的Hormosira雌性个体（每个藻体直径约为1.2±0.6厘米，长度约为11.9±0.1厘米），但当天没有大雨。藻类用AFSW冲洗30秒以去除松散附着的附生生物，然后根据McGrath等人（2024年）的方法进行6种处理之一：(1) 通过暴露于含有青霉素（100 mg/mL）、新霉素（100 mg/mL）和利福平（50 mg/mL）的抗生素组合来脉冲式破坏微生物，持续4小时；(2) 通过暴露于碘（聚维酮碘Betadine）来脉冲式破坏微生物，持续4小时；(3) 脉冲式对照处理（AFSW处理4小时）；(4) 未受干扰的对照；(5) 每月通过暴露于碘来破坏微生物，持续4小时；(6) 每月脉冲式对照处理（AFSW处理4小时）。为了确保处理不会溢出并影响周围的藻类个体，在处理过程中在每个个体周围放置了一个海绵环。3小时后，随着潮水的侵袭，移除了海绵环，潮水将处理液从藻类上冲掉。在处理前（第0天）、第7天、第21天、第35天、第60天、第90天和第120天收集了样本（每种处理5个）。通过多种方式量化了表面微生物群被破坏后宿主的性能。使用脉冲幅度调制（PAM）荧光计（Walz，德国）测量了最大光合量子产率（在暗适应15分钟后）。选择PAM是因为先前的研究表明它通常能反映受压光合宿主的状况（Qiu等人2019年；Straub等人2019年）。通过取每个Hormosira最长叶片顶端第三个囊泡的薄片来估计卵的发育情况。为此，将叶片放入80%的乙醇中24小时，然后嵌入石蜡中。在切片机上将切片切成7微米厚，用Tylenol blue（0.4%）染色，并在光学显微镜下计算性囊泡中发育中的卵的数量。每个个体的繁殖输出量按每毫升AFSW释放的卵的数量来量化（如上所述）。为了表征与宿主相关的微生物群落结构，在上述七个时间点，使用无菌棉签擦拭藻类表面30秒以收集表面相关的微生物群（遵循Marzinelli等人2015年；McGrath等人2024年；Qiu等人2019年的方法）。使用拭子对照（即，处理方式与擦拭藻类相同，但没有擦拭藻类）来检测处理过程中的污染。拭子立即放入无菌低温管中，然后放入液氮中，并在-80°C下储存，直到提取DNA。
2.5 DNA提取和测序
按照制造商的协议，使用Powersoil DNA Isolation试剂盒（Qiagen）以随机顺序从每个拭子样本中提取微生物DNA，以避免由于处理顺序和时间引入任何偏差。使用分光光度计（Nanodrop 1000）对DNA提取物进行定量，并在-20°C下储存，直到测序。使用16S引物341（F）（5′-CCTACGGGNGGCWGCAG-3′）和805（R）（5′-GACTACHVGGGTATCTAATCC-3′）通过聚合酶链反应（PCR）扩增提取的DNA样本，这些引物包含细菌和古菌16S rRNA基因的V3-V4区域（Klindworth等人2013年）。PCR条件包括预加热至95°C 3分钟，然后是35个循环：95°C 15秒、55°C 1分钟和73°C 30秒。使用了阳性对照（具有已知DNA序列）和阴性对照（无核酸酶的水，对照拭子）。阴性对照没有扩增DNA，表明拭子或提取和扩增过程中没有污染。使用琼脂糖凝胶电泳和Nanodrop 1000来确保扩增子的数量和质量，然后通过Illumina MiSeq i100平台在Ramaciotti基因组学中心（UNSW，悉尼）进行测序。
2.6 生物信息学
从测序中心收到了10,418,632条原始序列，这些序列是每个样本的解复用的双端序列。然后使用UNOISE去除嵌合体并生成扩增子序列变异体（ASVs），即具有唯一序列水平的ASVs（0%距离）（Edgar 2016年）。使用DADA2将原始读段映射回ASVs，生成包含17,387个ASVs的表格。使用BlastN将ASV序列与SILVA SSU Ref NR99数据库进行分类，以去除叶绿体；然后使用全球分类数据库（GTDB）进行分类。从数据集中移除了单倍体和低丰度分类单元（<0.01%的读段），从而保留了86%的读段，得到13,210个微生物分类单元。
2.7 绝对细菌丰度估计
使用Thijs等人（2017年）开发的引物341F/805R通过qPCR量化每个样本的16S rRNA基因的总丰度。使用QuantStudio 3热循环仪（Thermo Fisher，配备PrimeTime Gene Expression Master Mix，Integrated DNA Technologies）及相关软件进行基因扩增和分析。DNA扩增的反应条件为50°C 2分钟、95°C 10分钟，以及40个循环：95°C 15秒和60°C 1分钟。每个样本的最终基因拷贝数根据总提取体积、表面积和稀释因子以及每个样本的DNA产量进行了校正（详见Nappi等人2022年），并用于估计ASVs和接种物的绝对丰度。
2.8 统计分析
为了测试极端事件，即定义为年度和月份中的罕见事件（>第95百分位数，IPCC 2023），将2022年的每个月与前50年的降雨数据进行逐月比较。为了确定2022年内哪些月份的日降雨量最大，我们使用了带有固定因素月份（12个水平）的单因素方差分析（ANOVA）。此外，为了确定极端降雨事件期间盐度的变化，从Bio Oracle V3数据库中获取盐度数据，并与前几年进行比较（Assis等人2024年）。我们将2022年3月的降雨量定义为极端事件，因为该月的降雨量超过了记录中的第99百分位数（Malan等人2024年），而6月和10月都在第90百分位数范围内。为了确定2022年不同月份之间降雨量、盐度和Hormosira繁殖输出的变化，我们在R（v4.0.3）中使用了ANOVA，其中包含了这些响应变量作为因素。还进行了Spearman相关性分析，以确定降雨量和繁殖输出之间是否存在单调关系，并使用线性回归和稳健线性回归（MASS::rlm）来评估极端观测值对结果的影响以及结果的敏感性（图S3）。为了测试微生物破坏对野外实验中宿主性能和繁殖的影响（PAM，Hormosira叶片中发育中的卵的数量，释放的卵的数量），我们使用了带有正交因素处理（固定，6个水平）和时间（固定，7个水平）的双因素ANOVA，使用R GAD包。为了满足模型的方差同质性假设，对响应变量（a）发育中的卵的数量和（b）释放的卵的数量进行了平方根转换。使用R中的emmeans对显著的交互项或没有交互项时的显著主效应进行了事后对比，使用Tukey HSD校正多重检验（Lenth等人2019年）。对于细菌数据，为了考虑样本之间的测序深度不均匀，使用每个样本的v3-v4区域的总16S rRNA读段进行了标准化，这是通过qPCR计算的（Nappi等人2022年）。使用‘vegan’ R包（Oksanen等人2013年）计算了丰富度的阿尔法多样性指标（即独特序列的数量）和Simpson多样性指数，并使用R GAD包（Sandrini-Neto等人2010年）的ANOVA检查了处理（固定，6个水平）、时间（固定，交叉，7个水平）及其交互作用之间的差异。对于盐度实验室实验，细菌数据的处理和分析方式相同，但使用了单一因素盐度（固定，5个水平）。为了确定与宿主相关的细菌群落结构的差异，使用R vegan包（Oksanen等人2013年）中的置换多元方差分析（Anderson和Walsh 2013年）分析了标准化后的ASV数据，这些分析基于样本对之间的Bray–Curtis差异，这些差异是基于平方根转换后的绝对（qPCR标准化）丰度计算的。对于显著的主效应或显著的交互作用，使用pairwise.adonis包（Martinez Arbizu 2020年）中的pairwise.adonis函数进行了成对比较。为了确定哪些细菌分类单元在不同处理和时间之间以及在不同盐度水平之间差异最大，我们使用了R包‘mvabund’（Wang等人2012年）中的多变量广义线性模型（GLMs），假设负二项分布来解释序列计数的过度分散。为了满足模型的方差同质性假设，对响应变量（a）发育中的卵的数量和（b）释放的卵的数量进行了平方根转换。对于显著的交互作用或没有交互作用的主要效应，使用R中的emmeans进行了事后对比，当存在多个水平时使用Tukey HSD进行校正（Lenth等人2019年）。对于细菌数据，为了考虑样本之间的测序深度不均匀，使用每个样本的v3-v4区域的总16S rRNA读段进行了标准化。
3 结果
3.1 极端降雨对繁殖输出的影响
2022年悉尼的降雨量比有数据记录以来的所有年份的平均值（164年）高出209%。全年降雨量有显著变化，2022年3月的月降雨量最高（>15毫米/天；每日最大156毫米；前50年数据的第99百分位数；ANOVA，F11,288 = 431.8，p < 0.001；图1a；表S1）。降雨量与Hormosira的繁殖输出呈负相关，2022年3月的藻体繁殖输出显著低于其他所有月份（ANOVA，F11,228 = 367.5，p < 0.001；图1a-c）。4月的繁殖输出显著低于除3月以外的所有月份（图1c）。2月、5月和8月的繁殖输出显著低于除3月和4月以外的其他月份（图1c；表S2）。降雨量（每日平均值和月总和）和繁殖输出呈负相关（Spearman's rho = −0.73和−0.51，分别对应平均值和总和，p < 0.001）。这些关系主要由3月的降雨量驱动（>15毫米/天）；去除3月的数据后，相关性不再显著，表明存在阈值效应（rho = −0.044，p = 0.52和rho = −0.031，分别对应平均值和总和），而稳健回归确认了降雨量的强烈负面影响（β = −1224.0 ± 103.9 SE，p < 0.001，95% CI [−1428.7，−1019.3]，图S3）。全年盐度也有显著变化，2022年3月的平均盐度最低（约18 ppt；前10年数据的第95百分位数；ANOVA，F11,48 = 682.19，p < 0.001，针对现场数据）。
3.2 盐度对繁殖输出和宿主相关微生物群的影响
在实验室中，暴露于较低盐度导致Hormosira在处理池中释放的卵数量增加（ANOVA，F4,45 = 376.8，p < 0.001，图2a；表S3）。淡水（0 ppt）导致了最高的应激产卵水平（每个性囊中有98%的卵），即产卵是对盐度应激的反应，而不是该物种生命周期中典型的自然产卵（对光和温度的反应），这与所有其他盐度水平的产卵显著不同（图2，表S3）。15 ppt的应激产卵水平显著高于25 ppt和35 ppt（两者之间没有差异），但低于淡水和5 ppt（表S3）。当考虑使用与野外实验相同的方法释放的卵时，观察到了相反的关系。也就是说，高盐度（25 ppt和35 ppt）的产卵数量显著高于低盐度（ANOVA，F4,45 = 136.6，p < 0.001，图2b；表S4）。图2显示了降低盐度对Hormosira繁殖输出和微生物群的影响。（a）在盐度应激下池中释放的卵的数量。数据为平均值±标准误差（n = 10）。（b）在盐度处理结束后诱导产卵期间释放的卵的数量。数据为平均值±标准误差（n = 10）。（c）基于GLLVM模型对细菌群落结构进行排序，n = 5个独立重复。处理组为淡水（0 ppt）、5 ppt（蓝色）、15 ppt（浅蓝色）、25 ppt（黄色）、35 ppt（橙色）。盐度对Hormosira微生物群的群落结构有显著影响（伪F4,45 = 3.654，p < 0.001，图2c；表S4）。淡水（0 ppt）、5 ppt和15 ppt上的藻类微生物群与25 ppt和35 ppt上的微生物群有显著差异，而后者之间没有差异（图2c）。GLM分析确定了127个与Hormosira相关的ASVs（约占总ASVs的1.5%），其丰度在不同盐度下有显著变化。在这些研究中，我们检测到盐度对82种属于Cyanobacteriales、Microtrichales、Vibrio、Verrucomicrobiales、Rhodobacteriales和Rhizobales家族的ASVs（活性微生物群体）的数量有显著的负面影响，其数量减少了13%到34%，在15 ppt和5 ppt的盐度下尤为明显，而在0 ppt的盐度下减少幅度最大（约84%）。
3.3 微生物破坏对宿主繁殖输出和光合作用的影响
用于破坏Hormosira表面相关微生物群的抗菌处理导致宿主表面微生物群在不同处理和时间点之间存在显著差异（伪F30,168 = 6.903，p < 0.001，图3，表S5）。从第7天开始，抗生素（AB2）和碘处理与对照组相比引起了细菌群落结构的显著变化，这种变化持续到了第60天（图2；表S6）。与对照组相比，抗生素（AB2）对细菌群落结构的影响在脉冲式和持续式应用中都是不同的（表S4）。持续式应用的碘处理在整个120天的实验期间与对照组有显著且持久的效果，并且从第60天起与所有其他处理都有显著差异（图3）。
图3：在野外微生物破坏后与Hormosira相关的细菌群落结构。基于GLLVM模型进行排序，每个面板表示实验过程中的不同采样日，每个宿主处理有5个独立重复：抗生素（红色），碘脉冲（橙色），碘持续处理（黄色），对照（浅蓝色），处理程序对照（蓝色），脉冲程序对照（海军蓝）。完整的时间序列图见图S2。抗生素（AB2）和碘处理导致ASV丰富度和Simpson多样性显著下降，但随着时间的推移恢复到了对照水平（表S6）。抗生素导致的ASV丰富度下降幅度大于碘处理，尽管这种下降在60天内恢复到了对照水平（表S6）。唯一在120天后仍与其他处理有显著差异的处理是重复应用碘的处理（表S6）。GLM分析确定了348种与宿主相关的ASVs（约占总ASVs的2.6%），它们的数量在不同处理间有显著差异。在这些ASVs中，我们发现处理对Pleurocaspa、Marinomonas、Geminocystis、Vibrio和Flavobacteriales家族的32种ASVs的数量有显著负面影响，其数量减少了18%到73%（AB2、Betadine脉冲和Betadine持续处理）。这些处理显著影响了宿主的繁殖输出，且这种影响随时间而变化（ANOVA，F30,164 = 105.71，p < 0.001；图4b；表S7）。受到脉冲处理的藻体的繁殖输出在60天内恢复到了淡水压力前的水平（图4b；表S7）。然而，持续式处理的破坏从第一天到第120天相对于对照组以及从第60天到第120天相对于其他破坏处理都显著降低了繁殖输出（图4b；表S7）。总体而言，在实验开始时的初始淡水压力之后，所有处理的宿主繁殖输出都随时间增加（图4b；表S7）。
图4：野外实验期间宿主响应变量随时间的变化。(a) 宿主光合作用产量。(b) 繁殖输出。(c) 每个囊泡中发育中的卵子数量。宿主处理包括：抗生素（海军蓝），对照（蓝色），碘脉冲（浅蓝色），碘持续处理（黄色），处理程序对照（橙色），脉冲程序对照（红色）。数据为平均值±标准误差；n = 5。2022年3月降雨高峰后，发育中的卵子数量总体上有所增加（图4c，表S8）。抗生素和碘处理导致Hormosira的卵子发育恢复显著延迟（图4c）。接受抗生素和碘处理的个体在60天前的发育中的卵子数量显著低于对照组，之后没有显著差异（表S8）。宿主微生物群的破坏对宿主光合作用效率有显著负面影响（ANOVA，F5,168 = 54.3，p < 0.001；图4A；表S9）。接受脉冲处理的宿主微生物群在时间上有所恢复，到第60天时这些处理的影响不再显著（表S9）。然而，持续处理对宿主光合作用效率有显著影响，这种影响持续了整个实验期（120天；图4a）。当抗生素以脉冲形式应用时，其对宿主光合作用效率的负面影响大于碘处理，这种影响持续到了第60天，之后来自抗生素和碘处理的个体恢复到了对照水平（图4a；表S9）。
4 讨论
极端事件会对宿主的功能和生理产生显著的负面影响，并对宿主的持续性和生存产生持久影响（Garrabou等人，2022年；Kuntz等人，2005年）。在这项研究中，百年一遇的降雨事件对一种主导栖息地形成的海藻的繁殖能力产生了显著影响，而这种影响又受到与海藻宿主相关的细菌的显著影响，进而影响了宿主在极端降雨事件后的恢复。使用抗生素和消毒剂（碘）进行单次“脉冲”处理破坏Hormosira的微生物群后，其光合作用性能和繁殖能力恢复到对照组水平所需的时间比对照组长了两个月。一旦微生物群恢复，宿主的光合作用和繁殖输出也随之恢复。相反，对于重复破坏微生物群或“持续”处理的情况，表面微生物群没有恢复，宿主的光合作用和繁殖输出也没有恢复。因此，这项实验工作揭示了与宿主相关的微生物群在减轻极端事件对宿主表现和繁殖输出影响方面的重要性，这是宿主适应性的一个重要组成部分。
4.1 慢性压力环境中的极端事件
全球环境正在经历极端天气事件（如热浪、干旱、火灾和强降雨）的频率和严重程度的增加（Hoegh-Guldberg和Bruno，2010年；Masson-Delmotte等人，2022年；Solomon等人，2007年）。虽然热浪、干旱和火灾是众所周知的压力源，但极端淡水洪水正成为一种关键但被低估的生态变化驱动因素。洪水事件可以极大地改变水文制度，并引入急性的物理和化学干扰，对生态系统结构和功能产生连锁影响（Balser等人，2002年；Grant等人，2014年；Talbot等人，2018年；Tassone等人，2022年）。随着极端事件的频率和强度在全球范围内增加，生物体经常面临多种压力源，这些压力源可以造成脉冲式（例如，急性、极端事件）和/或持续式（长期、慢性）的干扰（Glasby和Underwood，1996年；Nielsen等人，2012年）。将持续干扰与周期性极端脉冲干扰相结合的实验，或者结合不同压力源的异步脉冲干扰的实验，可能最能反映新兴的气候现实，特别是在背景压力已成为常态且极端事件日益叠加的系统中。例如，在草原生态系统中，与热浪交替出现的持续干旱干扰更准确地模拟了这些系统现在面临的复合压力，对生物量恢复和土壤微生物功能有持久影响（Hoover等人，2014年）。在淡水系统中，持续的营养富集加上热应力可能导致持续的缺氧和生物多样性的丧失（Moss等人，2011年；Paerl和Paul，2012年）。同样，在海洋环境中，如风暴引起的盐度变化这样的脉冲干扰会对潮间带生物造成即时生理压力，而像持续升温或反复的微生物破坏这样的持续压力源会随着时间的推移侵蚀其恢复力，正如在这里和其他海洋系统中所展示的（例如，在反复热应力下珊瑚的白化现象）（Hughes等人，2017年；Ziegler等人，2019年）。这些例子表明，气候变化很少只带来单一的冲击，而是创造出由极端事件穿插的长期压力制度。因此，将脉冲事件叠加在持续干扰之上的实验方法对于理解和准确预测未来气候情景下生物体和生态系统的响应变得越来越必要。
4.2 微生物破坏对宿主功能恢复的影响
微生物群不同组成部分的破坏以不同的方式影响宿主，这种影响也受到不同盐度水的影响，这是海洋和河口生物自然会经历的（尽管通常不像这次极端事件那么严重）。在野外，观察到的宿主生理和繁殖变化发生在微生物群对我们的微生物破坏处理作出反应之后，这一点很重要，因为它可能有助于区分微生物介导的响应和仅仅是实验伪影，因为用于宿主的任何直接化学效应或渗透效应很可能是即时的（Davis等人，2022年；2011年）。此外，这种时间滞后与自然系统一致，在自然系统中，微生物群通常可以缓冲短期压力，但在长期压力下可能会崩溃。使用碘的持续破坏在整个实验期间（120天）抑制了繁殖输出的恢复。与脉冲处理一样，主要被减少的细菌分类群属于Cyanophyceae类，但与脉冲处理不同的是，这些分类群的丰度在整个实验期间没有恢复，这与宿主繁殖输出没有恢复相关。这些发现与野外观察结果一致，即在潮间带等营养有限的区域，如反复的热浪或长期的淡水暴露等持续干扰会侵蚀微生物群的恢复力，并导致宿主适应性的长期下降（Shade等人，2012年；Ziegler等人，2017年）。在脉冲-持续干扰范式中框架微生物变化，因此为理解气候极端事件如何通过改变宿主-微生物组动态来削弱生物体和生态系统的健康提供了有力的视角。使用抗生素和碘的破坏导致微生物群结构与对照组相比有显著差异。这些差异表现为属于Cyanophyceae类的ASVs数量显著减少。其中最丰富的ASVs（Pleurocaspa sp）占总群落丰度的3%–5%，这与之前的观察结果一致（McGrath等人，2024年）。像Pleurocaspa sp.这样的蓝细菌被认为在海洋中普遍存在，并且已被证明与多种真核宿主有共生关系（Schvarcz等人，2022年；Taylor，1973年；Webster和Blackall，2009年）。作为共生体，蓝细菌被认为为宿主提供了多种关键营养素，包括碳（Foster等人，2022年）、氮（Fiore等人，2010年）和硫（Jensen等人，2017年）。营养素的提供对宿主的持续性至关重要，特别是在营养有限的区域，如潮间带、草原和水生环境（Adak等人，2016年；Bracken和Nielsen，2004年；Elser等人，2007年；Talbot等人，2018年）。因此，通过失去重要的微生物分类群来破坏宿主的营养供应可能会导致繁殖输出降低，正如在植物系统中所显示的（Y. Li等人，2017年；McGinley和Charnov，1988年）。使用抗生素破坏宿主的微生物群具有复杂的影响（Dittami等人，2021年；McGrath等人，2024年），这使得确定观察到的宿主效应是通过处理的直接效应还是通过微生物介导的效果变得具有挑战性（Dittami等人，2021年；Marzinelli等人，2024年）。这里的工作提供了额外的证据，表明对于Hormosira来说，环境压力后的恢复是一个由微生物介导的效果。
4.3 全生物体的短期表现与长期适应性
2022年3月的极端降雨事件之后，藻类的光合作用效率没有随时间变化，与在其他地方报告的“健康”个体的值相似（McGrath等人，2024年，2025年）。这样的生理或表现指标通常只代表生物体生命周期的一个小片段，可能无法准确反映宿主或其后代的长期表现，即适应性（Sebens等人，2018年）。在这里似乎也是如此，因为野外个体的繁殖输出对降雨有反应，但光合作用效率没有变化。因此，包括与生物体适应性更密切相关的指标（如繁殖）来理解全生物体对环境压力的响应和恢复非常重要。这对于理解形成栖息地的全生物体尤为重要，因为全生物体内的相互作用可以贯穿整个生态系统（Laforest-Lapointe等人，2017年）。这种理解还有助于识别特定微生物分类群对全生物体适应性的影响，这可能对于开发增强栖息地形成宿主对压力的抵抗力的新工具非常重要，例如通过微生物组工程（Peixoto等人，2021年；Silverstein等人，2023年）。尽管我们的时间模式表明环境压力后的恢复是一个由微生物介导的效果，但支持这一点的具体微生物功能和机制需要进一步探索。然而，重要的是，我们的实验工作表明，宿主微生物群的重复（持续）破坏阻止了宿主繁殖输出的恢复，鉴于压力的增加频率，这可能会侵蚀恢复力并加剧种群下降。
作者贡献
Alexander H.麦克格拉斯（McGrath）：概念化（主导）、数据管理（主导）、正式分析（主导）、资金获取（协助）、研究调查（主导）、方法论设计（主导）、项目管理工作（同等参与）、验证工作（同等参与）、数据可视化（同等参与）、写作——初稿撰写（主导）、写作——审稿与编辑（主导）。彼得·D·斯坦伯格（Peter D. Steinberg）：概念化（同等参与）、正式分析（协助）、资金获取（同等参与）、研究调查（同等参与）、方法论设计（同等参与）、项目管理工作（同等参与）、资源调配（同等参与）、研究监督（主导）、数据可视化（同等参与）、写作——初稿撰写（同等参与）、写作——审稿与编辑（同等参与）。斯塔凡·凯勒伯格（Staffan Kjelleberg）：概念化（协助）、数据管理（协助）、正式分析（协助）、资金获取（同等参与）、研究调查（协助）、方法论设计（同等参与）、项目管理工作（同等参与）、写作——初稿撰写（同等参与）、写作——审稿与编辑（同等参与）。埃泽基尔·M·马尔齐内利（Ezequiel M. Marzinelli）：概念化（同等参与）、数据管理（同等参与）、正式分析（同等参与）、资金获取（同等参与）、研究调查（同等参与）、方法论设计（同等参与）、项目管理工作（同等参与）、研究监督（主导）、数据可视化（同等参与）、写作——初稿撰写（同等参与）、写作——审稿与编辑（同等参与）。
致谢：
我们感谢所有参与实验室实地工作和实验设置的志愿者。作者们还要感谢苏赫伦·伊根（Suhelen Egan）教授提供的宝贵意见和讨论。本研究的资金支持来自澳大利亚研究委员会（Australian Research Council）对P.D.S.、E.M.M.和S.K.的发现项目（项目编号：DP180104041），以及澳大利亚生态学会（Ecological Society of Australia）对A.H.M.和E.M.M.的霍尔斯沃思野生动物研究基金（Holsworth Wildlife Research Endowment）。A.H.M.还获得了悉尼大学（University of Sydney）通过威廉·乔治·默雷尔遗产（William George Murrell bequest）提供的奖学金。开放获取出版工作得到了悉尼大学的支持，这是通过澳大利亚大学图书馆员协会（Council of Australasian University Librarians）与Wiley出版社的合作实现的。
资金来源：
本研究得到了悉尼大学（University of Sydney）、威廉·乔治·默雷尔遗产（William George Murrell bequest）、澳大利亚生态学会（Ecological Society of Australia）以及霍尔斯沃思野生动物研究基金（Holsworth Wildlife Research Endowment）的资助。此外，还得到了澳大利亚研究委员会（Australian Research Council）项目编号DP180104041的资助。
伦理声明：
作者声明没有利益冲突。
数据可用性声明：
数据和标准代码可通过以下链接获取：https://doi.org/10.5281/zenodo.17020491。原始序列数据可在NCBI数据库中查询，访问编号为PRJNA1444916。
打赏
