PK14:Continental‐scale analysis of total soil biodiversity using molecular techniques


Published on

A presentation by Prof. Dian Wall: Linking Soil Biodiversity to the Global Soil Map Project

Published in: Technology
  • Be the first to comment

  • Be the first to like this

No Downloads
Total views
On SlideShare
From Embeds
Number of Embeds
Embeds 0
No embeds

No notes for slide

PK14:Continental‐scale analysis of total soil biodiversity using molecular techniques

  1. 1. 5/27/2010 Linking Soil Biodiversity to the Global Soil  Continental‐scale analysis of total soil  Map Project biodiversity using molecular techniques Global Digital Soil Map ‐ map soil health conditions of  Sub‐Saharan Africa (see )  Total Soil Biodiversity‐using molecular techniques Diana Wall1, Ed Ayres1, Uffe Nielsen1, Richard Bardgett2, , y , , g B li f i b &i t b t •Baseline survey of microbes & invertebrates  Jim Garey3 and Tiehang Wu3 – (Invertebrates) •Fertile and degraded soils at large regional scales Colorado State U1, U South Florida2, U Lancaster3 •Utilize metadata – edaphic factors, etc of GDSMap Noah Fierer and Scott Bates – (Bacteria, Archea) U Colorado A Globally Integrated African Soil Information  Service ‐freely available, web‐enabled access to an  integrated, evidence‐based, and dynamic soil health  information service ‐information for the non‐desert portions of Sub‐ Randomization of  Saharan Africa.  Sentinel Site locations  l l stratified by climate  CIAT‐TSBF, Earth Institute at Columbia University,  World Agroforestry Centre, International Soil  Reference Information Centre With support to CIAT‐TSBF from Bill & Melinda  Gates Foundation and Alliance for a Green Revolution in Africa  AfricaSoils Sentinel Site AfSIS Soil Characterization based on the Land Degradation • Infrared Surveillance Framework spectroscopy on a spatially stratified, hierarchical, all samples randomized sampling framework • Reference samples on subsets Sentinel site (100 km2) Sentinel site (100 km • Note modules in 16 Clusters need of 10 Plots  development = soil biology, 4 Sub‐Plots  radionucleides, plant growth bioassay, soil classification • randomization to minimize local biases that might arise from convenience sampling 1
  2. 2. 5/27/2010 Total Soil Biodiversity‐Why molecular sequencing? •Less than 1% microbes in soil are culturable •Invertebrate identification problematic for total biodiversity specialists, extraction methods and efficiencies, soil types Next generation of molecular techniques allow rapid processing  (days vs years) •2 analyses from a composite sample provides all the sequence •2 analyses from a composite sample provides all the sequence  data for microbes and invertebrates •Results provide >1000‐10K sequences per sample and all  collected samples simultaneously •Our 200 samples include fertile and degraded soils covering a  broad geographic scale  •Numerous sequences will allow for intensive community  analyses  Soil Animals A sequenced based soil animal diversity approach Standardized Methods • Sampled at peak biomass, 4 plots on 1 km transect,0‐ 10cm • Bulked samples into ethanol, sieved, DNA extracted Measurements •Animals: molecular (18S rRNA gene  clone  •Animals: molecular (18S rRNA gene – clone libraries) & morphological analysis •NOT next generation ‐ so labor was intensive, time  consuming and yielded far fewer sequences •Soils: physical, chemical & biological properties Wu et al., 2009, Soil Biol. Biochem. Some animals from DNA sequencing of a sample Sequence‐based Rarefaction of Taxonomic Richness 350 AB Kenya AR 300 Alaska  Tundra BZ CR Sweden AB  Alaska Forest  DV 250 KY ed OTUs (Sobs) Kansas  Sweden Forest KZ Costa Rica  NZ 200 South Africa  PU Nematoda Tardigrada Platyhelminthes Annelida RE NZ  NZ Observe SA 150 1 0 TK Peru  100 50 Argentina  Antarctic Dry Valleys  0 Collembola Acari Centipedes Spiders Gastrotricha Arthropoda 2
  3. 3. 5/27/2010 Arthropoda Nematoda Soil Animals Soil animal composition based  Annelida Similar sequences for genera common to four or more sites Platyhelminthes on sequence Chordata Rotifera 18 Cnidaria Tardigrada Alaska ‐Bonanza (boreal forest) Gastrotricha 13 Other ‐Toolik (tundra) 25 Tundra Tundra Kansas Boreal  ‐ Konza 20 Forest Boreal  Forest Sweden 9 ‐ Reivo (boreal forest) 22 ‐ Abisko (tundra) Tallgrass Costa Rica Costa Rica New Zealand N Z l d Arid  14 Tropical  Forest Grassland Peru 18 Kenya Tropical  Temperate  4 11 Forest Mediterranean Forest Argentina Shrub Steppe South Africa 4 10 Cold  Desert Antarctic Pyrosequencing DNA extracted from soil samples PCR amplification with group specific primers for SSU  rRNA gene g Pyrosequencing gives ~1500  sequence per sample  across many  samples (>450,000 seq per run) Taxonomic Information  AGCCTTAA… AGCCTTAA… AGCCTTAA… per sample GCTACCAT… CGGATCAC… GCTACCAT… CGGATCAC… GCTACCAT… CGGATCAC… CTCGATTC… CTCGATTC… CTCGATTC… Soils from 150 sites at peak of growing season Sequences aligned  and inserted into a  phylogenetic tree 3
  4. 4. 5/27/2010 Do bacterial communities vary across a single biome? Does Biome  type determine  pattern of  Wolf Creek Fairbanks Noatak Toolik Dempster bacterial  Taglu Island diversity ? Daring Lake Yamba Lake Aylmer Lake Artillery Lake Cambridge Bay Ramsay Lake Truelove Alexandra Fiord Bylot Island Circum‐Arctic  Ci A i Bear Island Kuujjarapik Kangirsujjuaq Cape Tanfield heath tundra soils Kangirsuallujjuaq Torngat Mountains Svalbard Island Tropical forest Kangerlussuaq Skallovaara Kilpisjarvi village Temp. conif. forest Laxardalur Valley Abisko Lake Raudavatn Temp. decid. forest Non Metric Multidimensional Scaling Prairie Boreal forest Temp. grassland Tundra Lauber et al. 2009. Appl. Environ. Microbiol. Desert Mediterranean     (Chu et al. In Press. Environ. Microbiol.) ‐ Arctic heath  soils Vegetation Type  Mean Annual Temperature Soil moisture deficit (PET‐MAP) % H2O C:N ratio pH Tropical forest Temp. conif. forest % silt + clay Temp. decid. forest Biome type means nothing to bacterial  % organic C Prairie communities Boreal forest C mineralization rate Temp. grassland Tundra net N mineralization rate Chu et al. In Press. PNAS Desert Mediterranean     pH is the best predictor for bacterial communities  Vegetation Type  pH explains  ~70% of the  MAT variablility Soil moisture deficit (PET‐MAP) % H2O C:N ratio pH % silt + clay % organic C C mineralization rate High pH  Low  net N mineralization rate Lauber et al. 2009. Appl. Environ. Microbiol., Fierer and Jackson. 2006. PNAS 4
  5. 5. 5/27/2010 Sequence data allows for detailed analysis of community  The Belowground Biodiversity Project has shown:  shifts • soil diversity is not the same everywhere • species and communities have biogeography • diversity decreases with land use change • certain groups or species are indicators   The next generation pyrosequencing approach will  extend the BGBD and particularly  extend the BGBD and particularly for: Archaea  Bacteria And together add to Total eukaryotic communities (fungi +  invertebrates) Lauber et al. 2009. Appl. Environ. Microbiol. Soil animal biodiversity Figure 4. “Genera richness” (97% OTUs) observed at four or  more sites. Nematode families 18 Alaska ‐Bonanza (boreal forest) 100 13 ‐Toolik (tundra) Everything is NOT 25 everywhere? Kansas ‐ Konza 20 ccurrence Sweden 9 ‐ Reivo (boreal forest) 22 ‐ Abisko (tundra) 50 Costa Rica Costa Rica New Zealand N Z l d % oc 14 Peru 18 Kenya 11 4 Argentina 0 South Africa 4 10 Nematode family Antarctic p 120 Molecular 100 Morphological r2=0.52 Relative abundance (%) 80 60 40 20 0 Soils collected from >100 sites at  peak of plant growing season  Figure 9b.  Relative abundance (%) of arthropods at each SA AB AR BZ CR DV KY KZ NZ PU RE TK location using molecular and morphological methods.   Locations Fierer and Jackson. 2006. PNAS. Lauber et al. 2009. Appl. Environ. Microbiol. 5