芽孢杆菌属(Bacillus)由德国植物学家费迪南德·科恩于1872年首次提出,因其能形成芽孢的形态特征而得名。随着研究手段的进步和分类系统的演化,该属的种类不断扩增,已有超过200种的基因组信息被美国国家生物技术信息中心(National Center for Biotechnology Information,NCBI)收录[1]。芽孢杆菌因其能合成多种生物活性物质,广泛应用于工业、农业和医药等领域。例如,苏云金芽孢杆菌(Bacillus thuringiensis)产生具有高度特异性的伴孢晶体蛋白,被广泛用于生物防治,是全球产量最高的微生物杀虫剂;解淀粉芽孢杆菌(Bacillus amyloliquefaciens)则被用于农作物病害防治,能有效抑制真菌、细菌、线虫等病原微生物,并通过激发植物免疫反应,促进产量提高和品质提升[2]。
在食品领域,芽孢杆菌通过分泌淀粉酶、蛋白酶和脂肪酶等水解酶,可分解食品原料中的主要营养成分,提升食品的营养价值与风味。例如,枯草芽孢杆菌常用于豆豉、酱油、白酒等发酵类食品的制作,其代谢产生的蛋白酶可将蛋白质分解为氨基酸,赋予食品独特的鲜味;解淀粉芽孢杆菌则通过分泌淀粉酶降解淀粉,为酿酒等提供可发酵糖源[3]。此外,部分芽孢杆菌还能合成脂肽类抗菌物质,有助于抑制腐败菌和致病菌的生长,延长食品的保质期[4],这些特性,使得芽孢杆菌成为食品工业中不可或缺的微生物资源。
比较基因组学通过多菌株间的序列比对,解析微生物功能基因、进化机制与物种差异,可以阐明生物进化、适应机制及解析菌株代谢能力[5]。微生物在不同生态环境中长期演化,基因组结构和代谢特征会随之发生适应性进化,从而增强其在特定环境中的生存能力和生态功能[6]。食物来源与非食物来源的芽孢杆菌所处环境在营养条件和理化因子等方面存在显著差异,这大概率会对其基因组施加不同的演化选择压力,并最终塑造出适应各自生境的代谢表型。然而,对于这种功能分化的基因组基础仍缺乏系统的认知。例如,在发酵类食品这一特定环境,是如何在基因组水平上驱动芽孢杆菌形成更高效的营养物质(如碳水化合物、蛋白质)分解代谢通路的?而非食物来源菌株所处的复杂多变环境,是否保留了更多样化的环境胁迫响应和次级代谢产物合成相关的基因?阐明这些由不同生境驱动的代谢通路和功能基因的差异化分布规律,是理解其功能分化的关键,但目前在这方面的系统性比较研究尚不充分,这限制了对不同来源芽孢杆菌资源的评价与定向开发利用。因此,本研究从NCBI数据库中(截止2024年9月)选取了芽孢杆菌属下具有明确分离源的菌种,对它们的基因组进行了比较基因组学分析,旨在从基因水平揭示不同来源芽孢杆菌的功能特征及代谢差异,阐明其环境适应性进化的基因组学信息,为芽孢杆菌在食品发酵优化等领域的应用提供一定的理论支撑。
1 材料与方法
1.1 实验方法
1.1.1 菌株基因组的获取
从NCBI数据库(截止2024年9月)下载芽孢杆菌属下113株具有明确分离来源的菌株的基因组序列,其中43株食物来源,即从各类食物或与食物相关环境中获得,包括发酵类食物21株、乳制品11株(非发酵类)、果蔬类5株(非发酵类)、其他食物来源6株;另基于发酵原料的不同,将发酵类食物进行更细致的划分,豆类发酵13株、乳品发酵2株、酒类发酵3株、果蔬发酵3株。70株非食物来源,包括土壤类27株、水体环境类5株、沉积物类11株、肠道类6株、其他来源21株如电子版增强出版附表1所示(https://doi.org/10.13995/j.cnki.11-1802/ts.044206,下同)。使用CheckM[7](v1.1.9)软件评估其完整度和污染度,筛选出完整度>95%、污染度<5%的菌株。
1.1.2 基因组注释
利用Prokka(v1.14.6)[8]软件对各菌株基因组进行预测和功能注释,再通过Roary[9](3.1.13)识别核心基因与泛基因,将菌株共同拥有的基因定义为核心基因集,全部基因定义为泛基因集,利用PanGP[10]软件绘制泛-核心基因累积曲线。
1.1.3 系统发育分析
提取Roary输出的288个核心基因的序列,通过MAFFT进行多序列比对,利用Fasttree[11]基于最大似然法构建系统发育树,并通过iTOL[12](https://iTOL.embl.de/)对系统发育树进行可视化。
1.1.4 功能基因预测和注释
将Prokka注释得到的faa文件与蛋白质直系同源簇数据库(cluster of orthologous groups of proteins, COG)[13](vCOG5.0)进行比对,获取功能基因注释信息。
1.1.5 碳水化合物活性酶及代谢功能分析
使用dbCAN2软件中的HMMER3(E value<1e-5)将faa文件与碳水化合物活性酶(carbohydrate-active enzymes, CAZymes)数据库[14]进行比对,获得碳水化合物活性酶注释结果。
1.1.6 代谢通路注释
通过KofamScan(v1.3.0)软件将faa文件比对至KEGG[15],获取KEGG Orthology(KO)批量注释。
1.2 数据处理
采用Python(v3.12)与R(v4.4.1)软件进行统计分析,图形绘制使用ggplot2(v3.5.1)、Matplotlib(v3.9.2)和GraphPad Prism(v10.2.0)软件。
2 结果与分析
2.1 芽孢杆菌基因组基本信息及泛基因集分析
对113株芽孢杆菌的基因组质量评估结果显示,共有43株食物来源和55株非食物来源菌株的基因组完整性大于95%、污染度低于5%,符合后续分析标准。其中,食物来源菌株基因组平均大小为3.76 Mb(范围2.81～5.61 Mb),非食物来源菌株为3.80 Mb(范围3.35～6.63 Mb)(图1-a)。2组菌株的GC含量差异显著(P<0.001),食物来源菌株的平均GC含量为42.6%(范围35.0%～46.5%),显著高于非食物来源的38.8%(范围34.0%～53.5%)(图1-b)。
Roary分析构建了98株芽孢杆菌的核-泛基因集(图1-e),共包含116 135个基因。核基因数量随菌株数增加趋于稳定,而泛基因持续增长,表明芽孢杆菌基因组具有开放性。分析共识别出核心基因288个,在附属基因中,食物来源菌株共有19 813个(占比54.7%),非食物来源为23 370个(占比23.5%);在菌株特异基因中,食物来源菌株有16 105个(占比44.5%),而非食物来源菌株为75 896个(占比76.2%)(图1-c、图1-d)。
2.2 系统发育分析
基于288个核心基因的序列,采用最大似然法(maximum likelihood method,ML)构建系统发育树(图2)。结果显示98株芽孢杆菌可分为两个主要分支:分支Ⅰ以食物来源菌株为主,分支Ⅱ以非食物来源菌株为主。该聚类结果揭示了芽孢杆菌的遗传多样性,并反映环境来源在种群遗传结构形成中具有一定影响,菌株的系统进化关系与分离来源存在一定程度的相关性。
a-不同分离源芽孢杆菌的基因组大小密度图;b-不同分离源芽孢杆菌的GC含量密度图;c-食物来源芽孢杆菌菌核心基因、附属基因及特有基因占比;d-食物来源芽孢杆菌菌核心基因、附属基因及特有基因占比;e-芽孢杆菌核-泛基因累积曲线
图1 98株芽孢杆菌核-泛基因累积曲线、相关基因占比及基因组大小和GC含量密度图
Fig.1 Core-pan genome of 98 Bacillus strains, proportion of conserved genes, and density plots of genome size and GC content
图2 基于98株芽孢杆菌的288个核心基因构建的系统发育树
Fig.2 Phylogenetic tree constructed based on 288 core genes of 98 Bacillus strains
注:0.1代表遗传距离标尺;分支上的数值代表置信度(发酵类食物来源的菌株名称标注为粉色)。
2.3 核心、附属和菌株特异性基因的功能
对食物来源和非食物来源的芽孢杆菌菌株基因组进行COG功能注释(图3)。在核心基因中,J类(翻译、核糖体结构与生物合成)占比27.4%,为最核心的保守功能,保障基础蛋白质合成。从功能分类来看,代谢相关类别(C、E、G类)合计占比32.1%,信息存储与处理相关类别(J、K、L类)占比43.6%,说明核心基因主要承担遗传信息传递和基础代谢功能。
在附属基因中,食物来源菌株中E类(氨基酸转运与代谢)占比10.9%,K类(转录)占9.3%,G类(碳水化合物运输与代谢)占8.9%;其特异性基因中,E类占10.7%,K类占8.3%,M类(细胞膜生物合成)占7.4%(图3-a)。非食物来源菌株中,附属基因的E类占12.6%,K类占8.8%,G类占7.9%;特异性基因的E类占9.9%,K类占8.8%,G类占7.8%(图3-b)。
a-食物来源;b-非食物来源
图3 COG功能类别在核心、附属和菌株特异性基因的差异分布
Fig.3 Comparative distribution of COG functional categories in core, accessory, and strain-specific genes
进一步比较两类菌株附属基因COG功能类别的相对丰度(图4)发现,非食物来源菌株中W类(细胞外结构)相对丰度为0.4%,显著高于食物来源组;其余主要功能类别在食物来源菌株中均表现出更高丰度,包括K类(4.2±0.2)%、V类[防御机制,(1.9±0.1)%]、M类(3.7±0.1)%、G类(3.8±0.1)%、F类[核苷酸运输与代谢,(1.7±0.1)%]、P类[无机离子运输与代谢,(3.5±0.3)%]、Q类[次级代谢物合成与降解,(1.1±0.2)%]及R类[一般功能预测,(3.0±0.3)%]。
图4 COG功能类别在附属基因中的相对丰度差异
Fig.4 Differences in the relative abundance of COG functional categories in accessory genes
注:*表示P<0.05;**表示P<0.01;***表示P<0.001(下同)。
在长期适应高营养环境过程中,食物来源芽孢杆菌通过基因组进化扩展其代谢网络,增强复合底物的分解与能量转化能力。而非食物来源菌株则更侧重细胞外结构(W类)的优化,以适应土壤、水体等非富营养生态位的生存需求。
2.4 碳水化合物注释
为揭示不同生态环境中芽孢杆菌对碳源利用能力的差异,对98株芽孢杆菌的基因组进行CAZymes注释与比较。结果表明,食物来源菌株的CAZymes基因数量为109～190个,非食物来源菌株为97～194个(图5-a、图5-b)。2组菌株的碳水化合物活性酶均以糖苷水解酶(glucoside hydrolase,GHs)和糖基转移酶(glycosyl transferase,GTs)为主。经Mann-Whitney U检验,2组菌株的碳水化合物结合模块(carbohydrate binding module,CBMs)、GHs及多糖裂解酶(polysaceharide lyase,PLs)基因数量存在统计学显著差异,且食物来源菌株的基因数量显著更高,其中CBMs(P<0.001)、GHs(P<0.01)、PLs(P<0.05)(图5-c),表明食物来源的芽孢杆菌具备更强的利用纤维素、半纤维素、淀粉及果胶等碳水化合物的能力。
a-食物来源菌株中的碳水化合物活性酶的差异;b-非食物来源菌株中的碳水化合物活性酶的差异;c-不同碳水化合物活性酶家族的差异分布
图5 不同菌株中的碳水化合物活性酶的差异分布
Fig.5 Differential distribution of carbohydrate active enzymes in different strains
进一步筛选CAZyme家族差异基因,共识别出15个存在统计学显著差异的CAZymes基因,其中13个在食物来源菌株中丰度更高(图6)。这些基因的功能分布与其所处营养环境密切相关。例如,CE9(图6-b)编码O-/N-酰化糖类水解酶,可通过类Ser-His-Asp三联体机制降解复杂糖类,利于后续酶作用。GH5[16](图6-c)编码的多功能水解酶能够分解纤维素、木聚糖与甘露聚糖等多糖,常见于麸皮、豆类及根茎类蔬菜中;GH43、GH120相关酶水解阿拉伯木聚糖结构,显著参与谷物碳源利用。GH117可降解海藻中的琼脂,支持菌株对海藻成分的利用。GH21与GH23分别作用于酵母细胞壁和细菌肽聚糖,可能影响菌群动态平衡。GT41、GT66则参与蛋白质N-糖基化,与应激响应和细胞功能调控[17]密切相关。
此外,非食物来源菌株中也存在特有的碳水化合物降解体系。AA3(图6-a)编码糖氧化酶,可与GH和PL协同氧化木质纤维素,提高其在生物质降解中的适应性。PL22(图6-e)通过β-消除机制裂解半乳糖醛酸聚合物,有研究表明PL22对过渡金属有偏好[18],推测其可以利用过渡金属离子催化辅因子,以便在细胞质环境中高效发挥作用。
a-辅助活性酶;b-碳水化合物酯酶;c-糖苷水解酶;d-糖基转移酶;e-多糖裂解酶;f-碳水化合物结合模块
图6 食物源和非食物源的菌株中不同碳水化合物活性酶的差异基因分布
Fig.6 Differential gene distribution of different carbohydrate-active enzymes in strains from food-derived and non-food-derived comparative
注:****表示P<0.000 1(下同)。
通过比较不同食物来源的芽孢杆菌中CAZymes的分布情况(附图1),其中GHs与PLs编码基因丰度显著高于其他食物来源组,可能与发酵原料(谷物、高粱等)中富含淀粉、纤维素等复杂多糖的基质属性适配,GHs与PLs是降解此类碳水化合物的关键酶系[19];乳制品来源菌株则相对富集CBMs、GTs和GHs,CBM能够增强酶与乳糖等寡糖的亲和力,提升β-半乳糖苷酶等底物结合效率,从而更好地分解乳糖,GHs促进水解乳糖及乳制品中其他糖类底物,GT则参与细胞壁糖基化以及乳脂蛋白复合物的合成与修饰,帮助菌株适应乳制品中高乳糖和乳脂蛋白的基质[20]。
2.5 差异基因分析
通过对2类菌株开展功能基因的差异及通路富集分析,食物与非食物来源芽孢杆菌在功能基因组层面存在显著分化,为理解其生态适应机制提供了依据。食物来源菌株在次级代谢产物合成相关通路中富集明显,包括生物碱、生物素类、萜类、多肽类(如吲哚生物碱合成、单萜类生物合成等)天然产物的合成路径;同时,碳水化合物代谢通路(淀粉与蔗糖代谢、糖酵解/糖异生)及细胞周期相关通路也呈显著富集状态(图7-a)。通过对芽孢杆菌的通路注释表明,大多数通路均能在四类食物的菌株中注释到,虽然数目有一定差异,但共同构成基础生理功能模块;但由于其食物原料及工艺的不同,不同分离源的微生物有其独特的功能,乳制品环境富含营养且竞争压力大,特有的大环内酯类化合物的潜在抗菌活性可能为芽孢杆菌在此类环境中提供生态优势[21];果蔬类与其他食物特异性注释到植物次生代谢产物生物合成通路,有利于促进酚类、黄酮类等次级代谢产物的生成,反映出芽孢杆菌在不同食物来源中易形成特有的代谢途径(附图2)。
非食物来源菌株则在基础代谢、污染物降解及耐药相关通路中更具优势。基础代谢通路涵盖氨基酸代谢(如缬氨酸、亮氨酸和异亮氨酸降解,精氨酸和脯氨酸代谢)、碳代谢(如柠檬酸循环、氧化磷酸化),可在营养不稳定的环境中为菌株提供稳定的能量;而污染物降解与耐药相关通路(如甲苯降解、碳青霉烯生物合成、细菌分泌系统)的富集(图7-b),增强了其对环境中有害物质的耐受与应对能力,保障了在复杂非食物生态环境中存活。
a-食物来源;b-非食物来源
图7 食物来源和非食物来源的KEGG代谢通路富集
Fig.7 Enrichment of KEGG metabolic pathways from food-derived and non-food-derived strains
基于KEGG通路注释的差异基因分析进一步揭示了具体差异,食物来源的芽孢杆菌在代谢合成、功能物质生成及风味代谢通路上优势显著。例如,糖酵解通路(图8-a)中fbp基因(P<0.01)高表达,增强了单糖摄取与代谢能力,使其能适应面包、果酱等富含碳水化合物的食品基质;非核糖体肽合成通路中(图8-b),vioI(P<0.000 1)、vioM(P<0.000 1)等基因表达水平更高,可驱动抗菌肽合成以抑制腐败菌生长[22-23];泛醌及其他萜类醌合成通路中(图8-c),ubiD(P<0.01)、coq7(P<0.01)高表达,提升了厌氧发酵环境中的ATP生成效率;胞外多糖生物合成通路中(图8-g),gumK(P<0.001)、gumL(P<0.001)参与黄原胶多糖合成[24];吲哚生物碱合成通路中(图8-h),PSIH(P<0.05)、CS(P<0.05)则推动相关化合物转化以丰富食物风味;二萜生物合成通路中(图8-i),CYP92C5(P<0.000 1)、P450I(P<0.001)等基因促进萜烯类物质生成,参与酒类风味形成[25];氰基氨基酸代谢通路中(图8-j),UGT85B1(P<0.01)、CYP79D3_4(P<0.001)等基因可生成醛类、醇类等挥发性风味前体。非食物来源组的双组分系统(图8-d)及ABC转运体通路(图8-e)基因高表达,是其应对土壤、水体等环境中营养贫瘠和重金属胁迫的生存策略;食物来源菌株通过持续强化代谢合成通路(如胞外多糖合成、风味前体转化、抗菌肽生成),在富含蛋白质、碳水化合物及微量元素的食品生态位中建立了独特优势——既可高效利用基质营养完成增殖,又能通过次生代谢产物(风味物质、功能肽、益生元)提升食品的风味、营养价值等[26]。
a-糖酵解/糖异生通路;b-非核糖体肽合成通路;c-泛醌及其他萜类醌合成通路;d-双组分系统;e-ABC转运体通路;f-戊糖与葡萄糖醛酸的相互转化;g-胞外多糖生物合成通路;h-吲哚生物碱合成通路;i-二萜生物合成通路;j-氰基氨基酸代谢通路
图8 不同通路中的基因在食物来源和非食物来源菌株的差异表达
Fig.8 Differential expression of genes in different pathways between food-derived and non-food-derived strains
2.6 发酵来源与非发酵来源芽孢杆菌基因组差异分析
芽孢杆菌在传统发酵食品中有着广泛的分布,既能驱动发酵进程,又能通过代谢活动产生多种有益代谢产物,增强食品的营养价值与风味等[3]。为探究发酵食物源芽孢杆菌菌株的特性,比较了其与其他食物来源芽孢杆菌在碳水化合物代谢相关酶家族及代谢通路的差异。
发酵来源的芽孢杆菌在多个CAZymes家族中显著富集。例如,AA3在非发酵来源菌株中显著高于发酵来源菌株,AA3能够氧化糖或芳香醇并产生活性氧,非发酵食物基质(如乳制品、果蔬等)富含乳酸代谢产物、醇类、芳香物质或植物来源的芳香/醇类底物,为AA3提供了选择优势[27];CBM50[28](P<0.000 1)在发酵来源菌株中平均数量为29个,高于非发酵来源菌株的19个,其相关的酶与肽聚糖酶协同,参与细胞壁降解,促进营养物质积累。GH32(P<0.000 1)能分解常见于酱、醋、酒糟等发酵食品中的果聚糖与蔗糖[29];GH43、GH117、GH120(P<0.000 1)参与半纤维素及阿拉伯木聚糖降解,在豆类、谷物发酵中发挥作用;GH76、GH110(P<0.05)分别水解甘露聚糖、半乳糖醛酸,GH23(P<0.01)裂解肽聚糖β-1,4-糖苷键。PL1(P<0.001)在发酵菌株中数量更多,参与果胶裂合反应,促进植物原料软化及营养释放(附图3),表明其对淀粉、纤维素等多糖及糖类衍生物的降解能力更强。
对不同原料发酵食物来源菌株的CAZymes家族分布进行分析(附图4),结果显示,豆类发酵菌株中GHs和PLs丰度最高,前者能分解豆类基质中丰富的淀粉及寡糖糖苷键,后者参与纤维素、半纤维素和果胶等结构性多糖的裂解,有助于豆类细胞壁的降解与底物利用。酒类发酵菌株中CBMs相对丰度较高,该类酶能特异识别纤维素、几丁质及淀粉等多糖表面结构,推测其有利于菌株附着并高效降解酿酒基质中多糖类底物;果蔬发酵菌株则表现出CEs的富集,CEs能去除果胶和半纤维素上的酯基团,从而促进对富含酯化果胶的果蔬细胞壁成分的利用;发酵乳制品菌株GTs丰度更高,GTs在乳糖-脂质丰富的环境中促进胞外多糖和细胞壁多糖的合成,可能增强菌体对高渗及界面应激的适应性,同时有助于在乳制发酵体系中形成稳定的生物膜结构[30]。
发酵类食物来源菌株中共发现493条代谢通路,其中共有的代谢通路486条(附图5);糖鞘脂生物合成通路仅存在于豆类与果蔬来源菌株中,植物细胞壁、细胞膜中普遍存在神经酰胺、葡糖神经酰胺等鞘脂类物质,所以果蔬发酵菌株可能在糖鞘脂通路发挥作用。
发酵来源菌株在碳水化合物代谢及苯甲酸降解通路中显著富集。淀粉和蔗糖代谢途径中的sacB(P<0.05)编码胞外淀粉酶,分解多糖为葡萄糖。半乳糖代谢关键基因GOLS(P<0.05)、果糖和甘露糖代谢基因sr、levD(P<0.05)及山梨醇脱氢酶sorF(P<0.05)均显著上调富集。苯丙氨酸生物合成的aroH(P<0.05)及苯甲酸降解的ppcA(P<0.01)、bsdC(P<0.05)也呈现高表达(附图6)。
非发酵来源芽孢杆菌脂质代谢、应激响应及信号传导通路基因显著富集,其中甘油脂代谢的MBOAT1_2(P<0.01)、dhaK、MOGAT1(P<0.05),类胡萝卜素合成的Z-ISO(P<0.05),聚酮糖单位合成的oleL(P<0.000 1)显著高表达。染色质重塑相关基因ARID2(P<0.01)、BICRA、PHF6(P<0.05)及MAPK信号通路的CD14、GDNF(P<0.01)、TGFB3(P<0.05)也呈现富集,可能与其适应自然环境有关,以此来适应营养波动、氧化应激等复杂自然生存压力(附图6)。
3 结论与讨论
本研究通过比较基因组学分析,揭示了食物来源与非食物来源芽孢杆菌在基因组特征及代谢功能上的显著差异,为理解其环境适应性进化及应用潜力提供了系统的基因组视角。结果显示,食物来源芽孢杆菌的平均GC含量显著高于非食物来源菌株,且核心泛基因分析表明,其基因组通过获取更多附属基因丰度增强环境适应能力,系统发育树聚类与分离源的关联性进一步证实,环境对种群遗传结构存在塑造作用。功能分析发现,食物来源菌株在碳水化合物代谢(如CAZymes家族中的GHs、CBMs)及泛醌及其他萜类醌合成通路、糖酵解、胞外多糖合成等通路中优势显著,通路分析也揭示其在碳水代谢、氨基酸代谢及芳香族化合物降解等方面能力更强,反映其对复杂食物基质的适应特征,这与食物菌株长期适应富营养环境,与高效利用碳水化合物(如谷物、豆类中的淀粉、纤维素等多糖类物质)密切相关,也为其在食品发酵中提升风味和营养价值提供了分子基础。而非食物来源菌株则在ABC转运体、双组份系统及污染物降解通路中更富集,反映其对复杂自然环境的适应性策略。同时进一步对比发酵与非发酵来源菌株发现,发酵菌株多糖降解、能量代谢相关基因富集度更高,凸显其在传统食品加工中的独特优势。
本研究阐明了芽孢杆菌代谢功能分化与环境的关联,为其在食品工业、农业等领域的精准应用提供了基因组层面的理论支撑。
[1] HARIRCHI S, SAR T, RAMEZANI M, et al.Bacillales:From taxonomy to biotechnological and industrial perspectives[J].Microorganisms, 2022, 10(12):2355.
[2] 苏正川, 熊仁科, 罗小艳.解淀粉芽孢杆菌的作用及其产品开发[J].农药科学与管理, 2019, 40(6):21-30.
SU Z C, XIONG R K, LUO X Y.Function and product development of Bacillus amyloliquefaciens[J].Pesticide Science and Administration, 2019, 40(6):21-30.
[3] 鲁倩, 唐平, 王晓丹, 等.白酒酿造过程中芽孢杆菌的研究进展[J].中国酿造, 2025, 44(5):26-31.
LU Q, TANG P, WANG X D, et al.Research progress of Bacillus in Baijiu brewing[J].China Brewing, 2025, 44(5):26-31.
[4] ZHANG B, XU L L, DING J L, et al.Natural antimicrobial lipopeptides secreted by Bacillus spp.and their application in food preservation, a critical review[J].Trends in Food Science &Technology, 2022, 127:26-37.
[5] ZHANG S, SONG W Z, WEMHEUER B, et al.Comparative genomics reveals ecological and evolutionary insights into sponge-Associated Thaumarchaeota[J].mSystems, 2019, 4(4):e00288-e00219.
[6] CUBILLOS C F, AGUILAR P, MOREIRA D, et al.Exploring the prokaryote-eukaryote interplay in microbial mats from an Andean athalassohaline wetland[J].Microbiology Spectrum, 2024, 12(4):e00072-e00024.
[7] PARKS D H, IMELFORT M, SKENNERTON C T, et al.CheckM:Assessing the quality of microbial genomes recovered from isolates, single cells, and metagenomes[J].Genome Research, 2015, 25(7):1043-1055.
[8] SEEMANN T.Prokka:Rapid prokaryotic genome annotation[J].Bioinformatics, 2014, 30(14):2068-2069.
[9] PAGE A J, CUMMINS C A, HUNT M, et al.Roary:Rapid large-scale prokaryote pan genome analysis[J].Bioinformatics, 2015, 31(22):3691-3693.
[10] ZHAO Y B, JIA X M, YANG J H, et al.PanGP:A tool for quickly analyzing bacterial pan-genome profile[J].Bioinformatics, 2014, 30(9):1297-1299.
[11] PRICE M N, DEHAL P S, ARKIN A P.FastTree:Computing large minimum evolution trees with profiles instead of a distance matrix[J].Molecular Biology and Evolution, 2009, 26(7):1641-1650.
[12] LETUNIC I, BORK P.Interactive Tree Of Life (iTOL) v5:An online tool for phylogenetic tree display and annotation[J].Nucleic Acids Research, 2021, 49(W1):W293-W296.
[13] TATUSOV R L, FEDOROVA N D, JACKSON J D, et al.The COG database:An updated version includes eukaryotes[J].BMC Bioinformatics, 2003, 4(1):41.
[14] DRULA E, GARRON M L, DOGAN S, et al.The carbohydrate-active enzyme database:Functions and literature[J].Nucleic Acids Research, 2022, 50(D1):D571-D577.
[15] KANEHISA M, GOTO S.KEGG Kyoto encyclopedia of genes and genomes[J].Nucleic Acids Research, 2000, 28(1):27-30.
[16] PATEL M, PATEL H M, DAVE S.Determination of bioethanol production potential from lignocellulosic biomass using novel Cel-5 m isolated from cow rumen metagenome[J].International Journal of Biological Macromolecules, 2020, 153:1099-1106.
[17] CAO S Y, WANG T, REN Y F, et al.A protein O-GlcNAc glycosyltransferase regulates the antioxidative response in Yersinia pestis[J].Nature Communications, 2024, 15:7062.
[18] JONES D R, MCLEAN R, ABBOTT D W.An improved kinetic assay for the characterization of metal-dependent pectate lyases[M].Protein-Carbohydrate Interactions.New York, NY:Springer New York, 2017:37-44.
[19] 张国泰, 贺思桥, 蒙倩倩, 等.黄精对麦曲微生物群落结构及其功能基因的影响[J].食品工业科技, 2024, 45(3):56-64.
ZHANG G T, HE S Q, MENG Q Q, et al.Effects of Polygonatum sibiricum on microbial community structure and functional genes of wheat Qu[J].Science and Technology of Food Industry, 2024, 45(3):56-64.
[20] YOU L J, YANG C C, JIN H, et al.Shotgun metagenomic analysis of microbiota dynamics during long-term backslopping fermentation of traditional fermented milk in a controlled laboratory environment[J].Journal of Dairy Science, 2024, 107(10):7619-7630.
[21] ABBEY D T, OGANIJA A T, EBUBE O L, et al.Harnessing Bacillus species for antibiotic discovery:A review[J].Nepal Journal of Biotechnology, 2024, 12(2):121-131.
[22] FELNAGLE E A, PODEVELS A M, BARKEI J J, et al.Mechanistically distinct nonribosomal peptide synthetases assemble the structurally related antibiotics viomycin and capreomycin[J].ChemBioChem, 2011, 12(12):1859-1867.
[23] 于雪, 张威, 吴玉洁, 等.微生物产色素机制及其生物活性[J].微生物学报, 2022, 62(4):1231-1246.
YU X, ZHANG W, WU Y J, et al.Production mechanism and biological activity of microbial pigments[J].Acta Microbiologica Sinica, 2022, 62(4):1231-1246.
[24] BARRERAS M, ABDIAN P L, IELPI L.Functional characterization of GumK, a membrane-associated beta-glucuronosyltransferase from Xanthomonas campestris required for xanthan polysaccharide synthesis[J].Glycobiology, 2004, 14(3):233-241.
[25] 赵晴, 王明月, 唐平, 等.酱香型白酒酿造过程中的萜烯类化合物及溯源分析[J].食品与发酵工业, 2025, 51(4):112-122.
ZHAO Q, WANG M Y, TANG P, et al.Terpenoids in brewing process of Jiangxinagxing Baijiu and traceability analysis[J].Food and Fermentation Industries, 2025, 51(4):112-122.
[26] PASOLLI E, DE FILIPPIS F, MAURIELLO I E, et al.Large-scale genome-wide analysis links lactic acid bacteria from food with the gut microbiome[J].Nature Communications, 2020, 11:2610.
[27] MATHIEU Y, PIUMI F, VALLI R, et al.Activities of secreted aryl alcohol quinone oxidoreductases from Pycnoporus cinnabarinus provide insights into fungal degradation of plant biomass[J].Applied and Environmental Microbiology, 2016, 82(8):2411-2423.
[28] WANG G B, YIN X R, FENG Z K, et al.Novel biological aqua crust enhances in situ metal(loid) bioremediation driven by phototrophic/diazotrophic biofilm[J].Microbiome, 2023, 11(1):110.
[29] 陆璐, 陶雅军, 罗学娅, 等.糖苷水解酶32家族结构与功能的研究进展[J].中国酿造, 2019, 38(8):14-19.
LU L, TAO Y J, LUO X Y, et al.Research progress on the structure and function of glycoside hydrolase 32 family[J].China Brewing, 2019, 38(8):14-19.
[30] MAAJID H S, NURLIYANI N, WIDODO W.Exopolysaccharide production in fermented milk using Lactobacillus casei strains AP and AG[J].AIMS Microbiology, 2022, 8(2):138-152.