TEIL 1 Regulatorischer Zusammenhang zwischen Qualitätsschwankungen und der Umgebung von Cistanche Deserticola in drei Ökotypen basierend auf Bodenmikrobiomanalyse

Die Umwelt beeinflusst die Zusammensetzung und Funktion des Bodenmikrobioms, was indirekt die Qualität der Pflanzen beeinflusst. In dieser Studie wurde die 16S-Amplikonsequenzierung verwendet, um die Unterschiede in aufzudeckenZusammensetzung der mikrobiellen Gemeinschaft im BodenCistanche Deserticolain drei Ökotypen (Salz-Alkali-Land, Grünland und Sandland). Durch die Korrelationsanalyse der Häufigkeit mikrobieller Gemeinschaften, des Gehalts an Phenylethanoidglykosiden und ökologischer Faktoren wird die regulatorische Beziehung zwischen der mikrobiellen Gemeinschaft und der Qualitätsschwankung vonC. Deserticolawurde erläutert. Das metabolische Funktionsprofil des Bodenmikrobioms wurde mit Tax4Fun vorhergesagt. Die Daten zeigten, dass die Bodenmikrobengemeinschaften der drei Ökotypen signifikant unterschiedlich waren (AMOVA, P < 0.001)="" und="" die="" alpha-diversität="" der="" grasland-bodenmikrobengemeinschaft="" am="" höchsten="" war.="" die="" analyse="" des="" kernmikrobioms="" zeigte,="" dass="" die="" mikrobiellen="" gemeinschaften="" des="" bodens="">C. Deserticolahatten meist eine Trockenheit, Salztoleranz, Alkaliresistenz und Stressresistenz, wie Micrococcales und Bacillales. Die Biomarker, nämlich Oceanospirillales (salzig-alkalisches Land), Sphingomonadales (Grasland) und Propionibacteriales (Sandland), die drei ökotypische mikrobielle Gemeinschaften unterscheiden können, wurden durch LEfSe und zufällige Wälder ausgegraben. Die Ergebnisse der Korrelationsanalyse zeigten, dass 2′-Acetylacteosid positiv mit Oceanospirillales in salzalkalischem Landboden korreliert ist. Die Stoffwechselfunktionsprofile zeigten stark angereicherte Stoffwechselwege (Kohlenhydrat- und Aminosäurestoffwechsel) und Umweltinformationsverarbeitungswege (Membrantransport und Signaltransduktion). Insgesamt wurde festgestellt, dass die Zusammensetzung und Funktion von Bodenmikrobiomen wichtige Faktoren für die Qualitätsvariation von sindC. Deserticolain verschiedenen Ökotypen. Diese Arbeit lieferte neue Einblicke in die regulatorische Beziehung zwischen der Umwelt, der mikrobiellen Gemeinschaft im Boden und der Schwankung der Pflanzenqualität.

Weitere Informationen wenden Sie sich bitte an:Joanna.jia@wecistanche.com

Cistanche deserticola haben viele Wirkungen, klicken Sie hier, um mehr zu erfahren

Cistanche Deserticolaist eine nicht-photosynthetische parasitäre Pflanze, die in trockenen Lebensräumen wie sandigem Land und trockenen Flussgräben sowie unter Stressbedingungen wie salzhaltigem Alkaliland wachsen kann1. Diese Pflanze parasitierte an den Wurzeln des Psammophyten Haloxylon ammodendron, der eine starke Resistenz gegen raue Umweltbedingungen zeigt2. Pflanzen sind auf die vorteilhafte Wechselwirkung zwischen Wurzeln und Mikroorganismen angewiesen, um Nährstoffe zu erhalten, das Wachstum zu fördern und äußerem Stress zu widerstehen3. Das Bodenmikrobiom regelt unterdessen den biogeochemischen Kreislauf von Makronährstoffen, Mikronährstoffen und anderen Elementen, die für das Pflanzenwachstum lebenswichtig sind4. Allerdings ist die Beziehung zwischenC. Deserticolaund Rhizosphären-Bodenmikroorganismen bleibt unklar. Folglich präsentiert sich das Rhizosphären-Bodenmikrobiom vonC. Deserticolaist notwendig.

C. Deserticolawird häufig in Ostasien, Zentralasien, Nordafrika und anderen Ländern als eine Art Nahrungs- und Gesundheitsmedizin verwendet, um das Gedächtnis zu verbessern, die sexuelle Funktion zu verbessern und die Leber zu schützen5,6. Die Hauptwirkstoffe vonC. Deserticolasind Phenylethanoidglykoside (PhGs), Iridoide, Lignane und Polysaccharide. Unter diesen Komponenten sind die PhGs die aktiven Komponenten7. Frühere Studien berichteten, dass der Inhalt von PhGs in verschiedenen Ökotypen vonC. Deserticolaerheblich unterschieden, unter denen 2′-Acetylacteosid als chemischer Marker zur Unterscheidung herangezogen werden konnteC. Deserticolahergestellt in Xinjiang und der Inneren Mongolei1. Studien zu mikrobiellen Gemeinschaften haben gezeigt, dass mikrobielle Gemeinschaften den Stoffwechsel ihrer Wirte regulieren können8,9. Daher ist ein Vergleich der Beziehung zwischen mikrobieller Gemeinschaft und Metaboliten im Rhizosphärenboden vonC. Deserticolain verschiedenen Ökotypen ist dringend erforderlich.16S-Amplikon-Sequenzierung von Pflanzen-Rhizosphären-Bodenproben wurde durchgeführt, um die Vielfalt mikrobieller Gemeinschaften zu untersuchen und neue Einblicke in die Beziehung zwischen Pflanzen und mikrobiellen Gemeinschaften im Boden zu gewinnen10,11. Beispielsweise wurde die Assoziation der Verteilung und Dynamik von endophytischen Pilzen mit C. songaricum und N. tangutorum in Mikrobiomstudien mit Hochdurchsatz-Sequenzierung untersucht11. In dieser Studie führten wir eine 16S-rRNA-Amplikonsequenzierung durch, um die Bodenmikrobiome von zu erhaltenC. Deserticolain verschiedenen Ökotypen. Die Unterschiede der Bodenmikrobengemeinschaft in verschiedenen Ökotypen wurden ebenfalls verglichen, und die Biomarker, die die drei Ökotypen unterscheiden konnten, wurden ausgegraben. Anschließend wurde eine Korrelationsanalyse über die Häufigkeit der wichtigsten mikrobiellen Gemeinschaften, den Inhalt von PhGs und ökologischen Faktoren berechnet und die regulatorische Beziehung untersucht. Schließlich wird die Funktion von Bodenmikrobiomen vonC. Deserticolain verschiedenen Ökotypen vorhergesagt.

Materialen und Methoden

Beschreibung des Untersuchungsortes und Probenahme.Felduntersuchungen zufolgeC. Deserticolahat drei Hauptökotypen, darunter Salz-Alkali-Land, Grasland und Sandland. Im April 2017 haben wir Bodenproben gesammelt, die die wichtigsten Ökotypen von darstellenC. Deserticolain China. Bodenproben von salzalkalischem Land wurden am Ebinur-See (AB1, AB2, AB3) und am Baicheng-Strand (BJ1, BJ2, BJ3, BJ4, BJ5) in der Provinz Xinjiang entnommen. Grünlandbodenproben wurden aus dem Dorf Tula (TL1, TL2, TL3, TL4, TL5) in der Provinz Xinjiang entnommen. Bodenproben von sandigem Land wurden in Alxa (AL1, AL2, AL3, AL4, AL5, AL6) in der Provinz Innere Mongolei und im Landkreis Minqin (GS1, GS2), Landkreis Changcheng (GS3, GS4) in der Provinz Gansu gesammelt. Die Informationen zu Längengrad, Breitengrad und Höhe aller Probenahmestellen sind in Tabelle 1 und Abb. 1 dargestellt. Am Feldstandort verwendeten wir einen zylindrischen Bohrer aus rostfreiem Stahl mit einem Durchmesser von 5 cm, um den Boden neben dem Sukkulentenstamm zu sammelnC. Deserticolaund seinem Wirt und lagerte es sofort in einem tragbaren Kühlschrank bei –20 Grad . Nach dem Transport ins Labor wurden die Bodenproben durch ein 2--mm-Sieb geleitet, um Pflanzengewebe, Wurzeln, Steine ​​usw. zu entfernen, und vor weiteren Experimenten bei –20 Grad im Kühlschrank gelagert.

DNA-Extraktion und 16S-rRNA-Sequenzierung.Die Boden-DNA wurde unter Verwendung des PowerSoil DNA Isolation Kit (MoBio Laboratories, Carlsbad, CA) gemäß dem Handbuch12 extrahiert. Die Reinheit und Qualität der genomischen DNA wurden durch 0,8-Prozent-Agarosegelelektrophorese und Nanotropfen überprüft.

Die hypervariable V3-V4-Region des bakteriellen 16S-rRNA-Gens wurde mit den Primern 338F (ACTCCTACGGGAGGCAGCAG) und 806R (GGACTACHVGGGTWTCTAAT)13 amplifiziert. Für jede Bodenprobe wurde eine 10--stellige Strichcodesequenz an das 5'-Ende der Vorwärts- und Rückwärtsprimer (Allwegene Company, Beijing)12 angefügt. Die PCR wurde auf einem Mastercycler Gradient (Eppendorf, Deutschland) unter Verwendung von 25 ul Reaktionsvolumina durchgeführt, die 12,5 ul KAPA 2G Robust Hot Start Ready Mix, 1 ul Vorwärtsprimer (5 µM), 1 ul Rückwärtsprimer (5 µM), 5 enthielten µl DNA (Gesamtmenge des Templates beträgt 30 ng) und 5,5 µl H2O. Die Zyklusparameter sind wie folgt: 95 Grad für 5 min, gefolgt von 28 Zyklen von 95 Grad für 45 s, 55 Grad für 50 s und 72 Grad für 45 s, mit einer Endverlängerung bei 72 Grad für 10 min. Drei PCR-Produkte pro Probe wurden gepoolt, um PCR-Verzerrungen auf Reaktionsebene abzumildern. Die PCR-Produkte wurden mit einem QIAquick Gel Extraction Kit (QIAGEN, Deutschland) aufgereinigt und anschließend mit real-time PCR14 quantifiziert.

Die Tiefensequenzierung wurde auf einer MISEq-Plattform bei der Firma Allwegene (Peking) durchgeführt. Nach dem Lauf wurden Bildanalyse, Base-Calling und Fehlerschätzung mit Illumina Analysis Pipeline Version 2.614 durchgeführt.

Cistanchetubulosa kann Anti-Aging

Datenanalyse.Die Rohdaten wurden zuerst gesichtet und Sequenzen wurden basierend auf den folgenden Erwägungen entfernt: Sequenzen kürzer als 200 bp mit niedrigem Qualitätswert (weniger als oder gleich 20) und enthielten mehrdeutige Basen oder stimmten nicht überein die Primersequenzen und Barcode-Tags15. Qualifizierte Reads wurden unter Verwendung der probenspezifischen Barcodesequenzen getrennt und mit Illumina Analysis Pipeline Version 2.6 getrimmt. Anschließend wurden die Datensätze mit QIIME analysiert. Die Sequenzen wurden in Operational Taxonomic Units (OTUs) mit einem Ähnlichkeitsgrad von 97 Prozent 16 gruppiert, um Verdünnungskurven zu erstellen und die Richness- und Diversity-Indizes zu berechnen. Das Tool Ribosomal Database Project Classifer wurde verwendet, um alle Sequenzen in verschiedene taxonomische Gruppen zu klassifizieren15. Clustering-Analysen wurden basierend auf den OTU-Informationen von jeder Probe unter Verwendung von R durchgeführt, um die Ähnlichkeit zwischen verschiedenen Proben zu untersuchen17. Die UniFracdistances-Matrix zwischen mikrobiellen Gemeinschaften aus jeder Probe wurde unter Verwendung des Tayc-Koeffizienten berechnet und als ungewichtete Paargruppenmethode mit arithmetischem Mittelwert-Clustering-Baum dargestellt, der die Unähnlichkeit (1-Ähnlichkeit) zwischen den mehreren Proben beschreibt18. Durch diese Analyse wurde auch eine Baumdatei im Newick-Format erzeugt. Alpha-Diversität wurde bei der Analyse der Komplexität der Artenvielfalt für eine Stichprobe unter Verwendung von vier Indizes angewendet, darunter Chao1, beobachtete Arten, phylogenetische Diversität (PD) Gesamtbaum und Shannon-Diversitätsindex. Diese Indizes wurden mit der QIIME-Software (Boulder, CO, USA) in Python (v.1.8.0) (La Jalla, CA, USA)19 berechnet. Die Beta-Diversitätsanalyse wurde verwendet, um die Unterschiede der Proben in Bezug auf die Artenkomplexität zu bewerten. Die Beta-Diversität wurde mithilfe der Hauptkoordinatenanalyse (PCoA) und der Clusteranalyse in QIIME20 berechnet. Die Analyse der molekularen Varianz (AMOVA) wurde unter Verwendung von mothur durchgeführt. EdgeR wurde verwendet, um die OTU-Differenz zwischen Gruppen zu berechnen. Heatmap.2 wurde zum Zeichnen der Heatmap verwendet, während Ggplot zum Zeichnen der Manhattan-Karte verwendet wurde.

Bestimmung von Biomarker und Kernmikrobiom.Zur Bestimmung des Biomarkers Mikrobiom wurden die Methoden Linear Discriminant Analysis (LDA) und Random Forest (RF) auf der Microbiome Analyst Website21 verwendet.

Die Website führt zunächst einen nichtparametrischen faktoriellen Kruskal-Wallis-Summen-Rang-Test durch, um Merkmale mit signifikanter unterschiedlicher Häufigkeit unter Berücksichtigung des experimentellen Faktors oder der interessierenden Klasse zu identifizieren, gefolgt von LDA, um die Effektgröße jedes unterschiedlich häufigen Merkmals zu berechnen21. Die Merkmale werden basierend auf ihrem angepassten p-Wert als signifikant angesehen. Der standardmäßige adj.p-Wert-Cutof=0.05. Die HF-Analyse wird mit dem randomForest-Paket5 durchgeführt. RF ist ein überwachter Lernalgorithmus, der für die hochdimensionale Datenanalyse geeignet ist. Dieses Verfahren verwendet ein Ensemble von Klassifikationsbäumen, von denen jeder durch zufällige Merkmalsauswahl aus einer Bootstrap-Stichprobe an jedem Zweig gewachsen ist22. Die Kernmikrobiomanalyse wurde von Microbiome Analyst aus der Kernfunktion im R-Paket Mikrobiom übernommen

Korrelationsanalyse von mikrobiellen Schlüsselgemeinschaften, Inhalt von PhGs und ökologischen Faktoren.Die Gehalte von sieben Phenylethanoidglykosiden (PhGs) der drei Ökotypen von C. deserticola, nämlich Echinacosid, Cistanosid A, Acteosid, Isoacteosid, 2'-Acetylacteosid, Tubulosid A und Cistanosid F, wurden durch HPLC bestimmt. Die chromatographischen Bedingungen beinhalten eine Waters C18-Säule (150 mm × 3,9 mm, 4,6 μm), und die mobile Phase umfasst Acetonitril und 0,2 Prozent Ameisensäure. Die chromatographischen Einstellungen waren wie folgt: 0–10 min, 10 Prozent → 15 Prozent A; 10–30 min, 15 % → 40 % A. Die Flussrate betrug 1 ml/min. Die Absorptionswellenlänge, das Injektionsvolumen und die Säulentemperatur betrugen 330 nm, 10 μl bzw. 27 Grad. Die Methodenstudie bezieht sich auf experimentelle Vorarbeiten der Referenzgruppe1.

Diese Studie sammelte 16 meteorologische Stationen in der Nähe der drei ökologischen TypenC. DeserticolaXinjiang Bole 51238, Tacheng 51133, Tori 51241, Karamay 51243, Buxail 51156, Yumin 51137, Emin

51145, Gansu Minqin 52681, Yongchang 52674, Wuwei 52679, Gulang 52784, Inner Mongolia Suikou 53419, Hangjinhouqi 53420 und Wuhai 53512. Daten von sieben Klimafaktoren aus den Jahren 1981–2010 dienten als klimatologische Faktordaten für die nachfolgende Korrelationsanalyse.

Redundancy analysis of diferential metabolites and bioclimatic factors was performed by using Canoco 5 software23. Pearson correlation coefcient was calculated for biomarker microbiome abundance, compound con- tent and ecological factor data integration. In this study, the log2 data conversion was uniformly performed before the analysis. SPSS was used to calculate the Pearson correlation coefcient of the six biomarkers, six core micro- biomes, seven main active components of C. deserticola and the ecological factors in the three habitats, and the screening standard was as follows: pearson correlation coefcient (r) >{{0}}.5 und p-Wert < 0.05.="" die="" beziehungen="" zwischen="" den="" oben="" genannten="" faktoren="" wurden="" mit="" cytoscape24="" (the="" cytoscape="" consortium,="" san="" diego,="" ca,="" usa,="" version="" 3.7.0)="" und="" pheatmap="" (r-paket)="">

Vorhersage der mikrobiellen Funktionsprofile des Mikrobioms.Tax4Fun25 (R-Paket, http://tax4fun.gobics.de/) wurde verwendet, um die mikrobiellen Funktionsprofile von Mikrobiomen in den Bodenproben vorherzusagen. Die OTU-Biom-Tabelle des Bodenmikrobioms wurde als Eingabedatei für die Metagenomimputation von Bodenproben von C. deserticola verwendet. Dann wurden die vorhergesagten Genklassenhäufigkeiten auf der KEGG Orthology (KO)-Gruppenebene 3 analysiert. Die Ergebnisse von Tax4Fun wurden in doBy (R-Paket)26 analysiert.

Ergebnisse

Zusammensetzung der mikrobiellen Gemeinschaft. The 16S rRNA sequencing resulted in 834,323 raw reads, amongst which 522,929 passed the quality and length fltering. The data set comprised 20,511–48,337 (mean: 33,994) sequences per sample. The high-quality reads were clustered using >97 Prozent Sequenzidentität in 3541 mikrobielle OTUs (Tabelle 1).

Die mikrobielle Gemeinschaft wurde im Allgemeinen in 19 Phyla, 46 Klassen und 87 Ordnungen eingeteilt (Abb. 2a, b und S1–S3). Auf Stammebene waren Actinobacteria (35 Prozent), Proteobacteria (31 Prozent) und Firmicutes (15 Prozent) in salzalkalischem Land dominant. Das Grünland wurde von Actinobacteria (37 Prozent), Proteobacteria (29 Prozent) und Bacteroidetes (9 Prozent) dominiert. In sandigem Land waren Actinobacteria (42 Prozent), Proteobacteria (33 Prozent) und Firmicutes (6 Prozent) dominant. Auf Klassenebene dominierten Aktinobakterien (25 Prozent), Gammaproteobakterien (21 Prozent) und Bazillen (15 Prozent) im Salz-Alkali-Land, während Aktinobakterien (22 Prozent), Alphaproteobakterien (16 Prozent) und Bazillen (8 Prozent) dominierten Wiese. Im Sandland dominierten Actinobacteria (23 Prozent), Alphaproteobacteria (20 Prozent) und Gammaproteobacteria (9 Prozent). Auf der Ordnungsebene (Abb. 2c–e) dominierten Micrococcales (22 Prozent), Oceanospirillales (15 Prozent) und Bacillales (15 Prozent) im Salz-Alkali-Land. Micrococcales (11 Prozent) und Bacillales (8 Prozent) dominierten im Grünland. Somit waren die dominantesten Bakterienordnungen Micrococcales (10 Prozent) und Acidimicrobiales (7 Prozent).

Diversität von Bodenbakterien in den drei Ökotypen von C. deserticola.Die Messungen der Diversität innerhalb der Stichprobe ( -Diversität) zeigten einen Diversitätsgradienten zwischen den drei Lebensräumen (Abb. 2f und Tabelle S1). Die Alpha-Diversität der mikrobiellen Bodenbakteriengemeinschaft jeder Probe wurde unter Verwendung des Gemeinschaftsreichtums (Chao 1, ausgedrückt als prognostizierte Gesamtzahl der OTU in jeder Probe), der beobachteten Arten, des PD-Gesamtbaums und des Shannon-Diversitätsindex geschätzt. Die beobachteten Arten, Chao 1 und der PD-Ganzbaumindex deuten darauf hin, dass Graslandbodengemeinschaften die höchste Diversität aufweisen, während die Diversität von Salz-Alkali- und Sandlandböden ähnlich ist. Die Ergebnisse der Verdünnungskurven (Abb. S1) ähneln den obigen Ergebnissen.

ActeosidinZistanchegute Wirkung haben aufNiere

Die AMOVA-Ergebnisse (Tabelle S2) zeigten, dass p < 0,001,="" was="" auf="" einen="" signifikanten="" unterschied="" zwischen="" den="" drei="" lebensräumen="" hindeutet.="" die="" clustering-ergebnisse="" der="" bray="" distance="" diversity="" trees="" (abb.="" s2)="" der="" drei="" habitat-bodenproben="" zeigten,="" dass="" die="" salz-alkali-bodenproben="" eng="" geclustert="" waren="" und="" der="" abstand="" zwischen="" den="" grasland-="" und="" sandbodenproben="" gering="" war.="" die="" ergebnisse="" der="" unbeschränkten="" pcoas="" von="" ungewichteten="" unifrac-distanz-2d-plots="" (abb.="" 2g)="" zeigten,="" dass="" die="" verschiedenen="" bodenproben="" der="" bakteriellen="" mikrobiellen="" gemeinschaft="" aus="" verschiedenen="" lebensräumen="" gut="" geclustert="">

Vergleich der Bodenbakteriengemeinschaften der drei Ökotypen von c. Deserticola.Verschiedene OTU-Häufigkeits-Heatmaps und Vulkankarten (Abb. 3b, e, d, h und Tabelle S3) zeigten, dass im Vergleich zu sandigen Landproben 24 und 17 OTUs auf Ordnungsebene in salzalkalischem Land angereichert bzw. erschöpft waren. Darüber hinaus wurden im Vergleich zu sandigen Landproben 8 bzw. 11 OTUs im Grasland angereichert bzw. erschöpft. Das Venn-Diagramm (Abb. 3c,f) veranschaulicht, dass 216 OTUs in sandigem Land und 8 in salzhaltigem Alkali erschöpft waren

Land und 1 OTU überlappten sich zwischen Salz-Alkali- und Sandgebieten. Darüber hinaus wurden 3 OTUs in Grünland angereichert, während 161 in Sandland angereichert wurden, einschließlich 6 OTUs, die zwischen Grasland und Sandland überlappten. Die Plots in Manhattan (Abb. 3a) zeigten, dass Xanthomonadales in Salz-Alkali-Land stärker angereichert und dezimiert waren als in Sandland, während Xanthomonadaceae-Bakterium WWH73, WD2101-Bodengruppe, Vibrionales und Verrucomicrobiales auf Ordnungsebene signifikant dezimiert waren. Beim Vergleich von Grasland mit Sandland waren Xanthomonadales, WD2101-Bodengruppe, Vibrionales und Verrucomicrobiales signifikant erschöpft.

CistancheDeserticola hat viele Auswirkungen auf die BehandlungDiabetes

Bestimmung von Biomarker und Kernmikrobiom in den drei Ökotypen von C. deserticola.Die LEfSe- und RF-Methoden (Abb. 4a, b, d) wurden verwendet, um Merkmale mit signifikant unterschiedlicher Häufigkeit in den Bodenproben zu identifizieren, die Effektgröße jedes unterschiedlich häufig vorkommenden Merkmals zu berechnen und das bakterielle Mikrobiom des Biomarkers in den drei Lebensräumen auf Ordnungsebene zu bestimmen . Die in Tabelle S4 präsentierten Ergebnisse zeigten, dass der LDA-Score von Oceanospirillales, Bacillales und Flavobacteriales der höchste unter denen im Salz-Alkali-Land war, während der von Sphingomonadales, Gaiellales, Rubrobacterales, Burkholderiales und Sphingobacteriales der höchste unter denen im Grünland war. Der LDA-Score von Propionibacteriales, Rhodospirillales, Solirubrobacterales, Rhizobiales, Xanthomonadales und Pseudonocardiales war in sandigem Land dominant. Unter Ausschluss von undefinierten und duplizierten Ordnungen wurden diese OTUs in sechs Ordnungen eingeteilt und ihre Häufigkeit in eine Heatmap eingezeichnet (Abb. 4c).

Die Persistenzmethode wurde von der Kernfunktion im Mikrobiom des R-Pakets übernommen, um das Kernmikrobiom in den drei Ökotypen von C. deserticola zu identifizieren. Dieses bakterielle Kernmikrobiom enthielt sechs Ordnungen, darunter Micrococcales, Bacillales, Rhizobiales, Acidimicrobiales, Streptomycetales und Sphingomonadales. Unter Ausschluss von undefinierten und duplizierten Ordnungen wurden diese OTUs in sechs Ordnungen eingeteilt und ihre Häufigkeit in eine Heatmap eingezeichnet (Abb. 2h).

Die Persistenzmethode wurde von der Kernfunktion im Mikrobiom des R-Pakets übernommen, um das Kernmikrobiom in den drei Ökotypen von C. deserticola zu identifizieren. Dieses bakterielle Kernmikrobiom enthielt sechs Ordnungen, darunter Micrococcales, Bacillales, Rhizobiales, Acidimicrobiales, Streptomycetales und Sphingomonadales. Unter Ausschluss von undefinierten und duplizierten Ordnungen wurden diese OTUs in sechs Ordnungen eingeteilt und ihre Häufigkeit in eine Heatmap eingezeichnet (Abb. 2h).