德国分散式污水处理系统微生物群落结构及功能

张 堃



德国分散式污水处理系统微生物群落结构及功能

张 堃1,2*

(1.中国电器科学研究院有限公司,广东 广州 510300; 2.广东轻工职业技术学院生态环境技术学院,广东 广州 510300)

以德国分散式污水处理系统为研究对象,通过16S rRNA测序,研究2个反应器中微生物群落结构,利用PICRUSt软件对其功能进行推演.结果表明,冬季,污水厌氧膜生物反应器(AnMBR)内温度20℃,进水COD 712mg/L时,出水可获得52%的COD平均去除率,产气率为122L/kgCOD;固体废物厌氧反应器(PSD)内温度37℃,反应器内COD 3007mg/L时,可获得374L/kgVSS的产气率.2个反应器具有相似的微生物组成,对细菌,Synerigistaceae科的相对丰度最高(AnMBR:24.0%±10.0%;PSD:11.0%±3.1%);对古菌, Methanobacteriaceae科的相对丰度最高(AnMBR:0.6%±0.3%;PSD:13.8%±1.8%);2个反应器的功能基因组成也相似,产甲烷都以H2还原CO2的通路为主.PSD反应器中H2还原CO2通路相关基因、F420合成相关基因、辅酶M合成相关基因的相对丰度都高于AnMBR反应器.

厌氧反应器；分散式污水处理系统；微生物群落结构与功能；16S rRNA基因；高通量测序

近年来,分散式污水处理系统(DEUS)受到国内外广泛关注.相对于集中式污水处理(CEUS),分散式污水处理系统不依赖于复杂的基础设施,系统自主建设,便于运行、管理和维护;污水处理实现了源头分离,处理后的污水易于回用[1],已成为国内外生活污水处理的新理念[2].目前,应用于分散式生活污水处理的工艺主要为各种厌氧生物处理技术以及它们的组合工艺[3].

近年来,膜技术的发展推动了废水厌氧处理工艺的进步.厌氧膜生物反应器(AnMBR)能够在较低的温度下(<18℃)处理较低浓度(COD < 1000mg/L)市政或工业废水[8-10].作为示范工程,德国弗劳恩霍夫协会界面工程与生物技术研究所(Fraunhofer Institute for Interfacial Engineering and Biotechnology, IGB)于2009年在德国斯图加特南部的小镇尼林根建立了分散式城市污水处理设施,德国称之为DEUS 21[11].DEUS 21系统中污水及有机固体废物后继处理采用厌氧技术,产生的沼气发电补偿部分能量消耗,处理后的出水含有较高营养元素(主要是氮和磷)可作为农业灌溉用水,也可进一步处理用作其他用途.

产沼气反应器稳定高效运行主要依赖于不同原核生物的共生代谢.目前对厌氧反应器的微生物组成及功能了解较少.第二代高通量测序技术可研究厌氧系统中微生物的群落结构和功能.国内外学者通过16S rRNA基因PCR扩增子的高通量测序,对厌氧系统中的微生物多样性及丰度进行了研究,发现微生物群落组成与整个厌氧系统物质代谢、能量代谢有很强相关性,环境因子对微生物群落组成具有重要影响[12-15]

本研究以德国分散式污水处理系统DEUS 21为研究对象,利用Illumina MiSeq 250平台进行16S rRNA基因的高通量测序,分析厌氧反应器微生物群落结构,同时利用生物信息学方法推演其微生物群落的功能.为优化处理工艺、改进厌氧反应器设计、调控工艺流程、提高处理效率、产甲烷能力及产业化推广提供理论依据.

1 材料与方法

1.1 材料

本研究涉及的污水、污泥等样品均来自位于德国尼林根DEUS 21系统,DEUS 21系统用来处理生活厨余垃圾和日常生活产生的各类废水,包括卫生间的废水.

1.2 DEUS 21 工艺流程

污水和经餐厨垃圾研磨器处理后的生物质废物通过真空收集后泵入均一池(图1).均一池被设计用来混合每天产生的污水及生物质废物,同时均一池将收集的雨水和污水分开,之后通过重力沉淀实现固液分离.处理过程分为污水和固体物质的厌氧处理,沉淀下来的固体物质会进入中温(37℃)高效固体废物厌氧反应器(PSD).液体通过高速旋转陶瓷膜片过滤器进行分离后,进入厌氧膜生物反应器(AnMBR),反应器的污泥通过外部旋转陶瓷膜片过滤器进行回流.旋转陶瓷膜片过滤器装备了膜孔径为0.2µm的微滤陶瓷膜片,通过高速旋转的陶瓷膜片产生的剪切力来有效抵抗膜污染,同时,膜片产生的离心力在过滤污水的同时可浓缩并分离无法过滤的固体物质.沼气从2个厌氧反应器中产生,污泥则通过厌氧消化获得稳定化.

图1 DEUS 21厌氧处理工艺流程

1.3 样品的采集

2012年12月从污水厌氧膜生物反应器(AnMBR)、固体废物厌氧反应器(PSD)入水口和出水口中采集水样,在2个反应器内采集污泥样品.pH值和温度在现场进行测量,其他的理化分析在位于斯图加特的弗劳恩霍夫IGB研究所的实验室中进行.采样的同时记录系统运行参数(表1).入水和出水的水质分析结果见表2.污泥样品,在4℃完全混合并离心(3000r/min 下离心10min)沉淀保存于液氮中,运回位于斯图加特的弗劳恩霍夫IGB研究所的实验室,在-80℃中保存,用核酸保护剂(RNA®, Ambion,USA)处理后,用干冰封装,在低温状态下,送至广州市中山大学的实验室,用于后继总DNA提取.

表1 厌氧膜生物反应器(AnMBR)及固体废物厌氧反应器(PSD)系统运行参数

注:*: 对于AnMBR,产生每升沼气用降解每公斤COD来衡量;对于PSD,产生每升沼气用降解进水中每公斤挥发性悬浮物来衡量.

表2 入水和出水理化分析结果

1.4 DNA提取、16S rRNA PCR及Illumina高通量测序

2个反应器中污泥样品使用FastDNA SPIN Kit for Soil (Qbiogene Inc., Carlsbad, CA)试剂盒提取总DNA.16S rRNA基因PCR扩增引物为515F/806R[16],用于扩增细菌和古菌16S rRNA基因的V4区,并且在下游引物806R端添加了12bp的条码碱基用来区分不同样品(表3).PCR反应(20µL体系):0.5units Ex Taq DNA polymerase (TaKaRa,大连,中国), 1´Ex Taq loading buffer (2µL) (TaKaRa,大连,中国), 0.2mmol/L dNTP mix (2µL) (TaKaRa,大连,中国), bovine serum albumin (0.2µL) (TaKaRa,大连,中国), 0.2µmol/L of each primer (0.4µL) and DNA template (0.7µL of DNA extract), and Ultra Pure water (14.2µL).PCR反应为: 94℃预变性5min; 30个循环的94℃变性30s, 52℃退火30s, 72℃延伸45s;最后在72℃延伸10min.每个DNA重复PCR过程3次.每个样品的16S rRNA PCR产物经过电泳检测后并经QIAquick Gel Extraction Kit (Qiagen, Chatsworth, CA)纯化后,用Qubit 2.0荧光计(Life Technologies, Invitrogen Division, Darmstadt, Germany)及Qubit dsDNA HS Assay kit (Life Technologies, Invitrogen Division, Darmstadt, Germany)进行浓度测定,按200ng总量混合均匀后,送至北京诺禾致源生物信息科技有限公司(http://www.novogene.com/)进行文库制备及Miseq高通量测序.

表3 16S rRNA PCR引物条码序列及测序结果

1.5 16S rRNA数据处理及统计分析

使用Trimmomatic软件[17]对原始测序序列进行质量控制,参数为碱基最小质量Q30,移动检测区间6bp.后用Flash软件对双端测序序列进行拼接[18],保留长度在200bp以上并且N碱基小于6的序列.QIIME软件[19]将序列与Greengene的16S rRNA数据库进行比对,以97%相似性阈值进行OTUs (Operational Taxonomic Unit,OTU )聚类.嵌合体OTUs使用QIIME内置的UCHIME程序进行删除[20],之后每个OTU的代表序列以RDP classifier进行物种归类(80%置信空间),进而计算出样品总体群落的物种组成.利用PICRUSt软件[21]推演微生物群落功能.AnMBR和PSD物种及功能组成差异用LEfSe (Linear Discriminant Analysis Effect Size)方法计算[22].

2 结果与讨论

2.1 AnMBR与PSD处理能力

采样时,DEUS 21 系统已完成启动并稳定运行.本次实验由于在冬季采样,德国当地气温较低,系统的处理能力相对较低,DEUS 21系统进水COD 712mg/L,出水COD 340mg/L,COD、总氮、总磷的去除率分别为52%、44%和30%.但在曾经一年半的监测周期内,其平均COD去除率可达85%,出水平均COD 100~150mg/L[23].Lew等[24]利用完全混合式厌氧膜反应器处理污水(进水COD平均值540mg/L),膜组件为孔径为0.2mm的中空纤维膜,反应器温度25℃,在大约六个月的监测周期内,获得了88%的COD平均去除率,出水COD平均值为65mg/L,然而这是一套中试规模的系统,反应器容积180L. Salazar-Pelaez等[25]证实,在常温下,利用实验室规模的升流式厌氧颗粒污泥床(UASB)反应器处理生活污水(进水COD 350mg/L),膜组件为孔径100KDa外置聚偏二氟乙烯管式膜,反应器容积12.5L,获得了80%的COD平均去除率,出水COD平均值为70mg/L.此外, Smith等[26]利用实验室规模的浸没式厌氧膜生物反应器,反应器容积7L,膜组件为浸没式的板式膜,膜孔径0.2mm,在低温下(15℃)处理人工合成及真实的低浓度生活污水(进水COD平均值440mg/L);处理人工合成污水,可获得(92±5)%的COD平均去除率,出水COD平均值为(36±21)mg/L;处理真实的生活污水,可获得(69±10)%的COD平均去除率,出水COD平均值为(76±10)mg/L.可见,上述研究的COD平均去除率及出水COD平均值大部分都接近或优于本研究结果,但这些研究均是在实验室规模的实验系统上得出的,而且很多都是利用人工合成污水来进行实验,这与实际运行的系统相比,差别很大.

DEUS 21系统中,对于污水厌氧膜生物反应器AnMBR,在水力停留时间24h,20℃下,有机负荷0.71gCOD/(L×d)时,产气率122L/kgCOD,而理论上产气率应为350L/kgCOD[27].DEUS 21系统中,对于中温固体废物厌氧反应器PSD,在水力停留时间40d, 37℃下,有机负荷0.16gVSS/(L×d)时,产气率374L/ kgVSS.

2.2 AnMBR和PSD的微生物群落结构

16S rRNA基因V4高变区广泛用于研究环境样品的微生物组成.每个反应器分别有3个DNA样品用于微生物组成分析.这6个样品通过MiSeq 250平台测序得到原始序列,再利用QIIME软件过滤掉低质量序列,AnMBR的3个DNA样品分别得到41310,22564,28338条序列; PSD的3个DNA样品分别得到16126,19897,20071条序列(表3).所有样品共获得6371个OTU,其中AnMBR获得5291个OTU,PSD获得1444个OTU,AnMBR和PSD反应器共有的OTU为364个.

AnMBR和PSD样品物种组成相似,对于细菌,在目水平(orders)以Synergistales目(AnMBR:24.9%±10.0%;PSD:11.0%±3.1%),Clostridoales(梭菌目) (8.2%±3.3%;18.7%±2.0%),Pseudomonadales(假单胞菌目) (7.3%±1.1%;0.6%±0.1%),Rhodobacterales(红细菌目)(4.4%±0.8 %;3.9%±0.5 %),Rhizobiales(根瘤菌目)(3.5%±0.7 %;1.7%±0.4 %),Selenomonadales(月牙单胞菌目)(3.4%±0.4 %;4.4%±1.0 %), Syntrophobacterales (互营杆菌目)(3.2%±0.8%; 4.2%±1.1%),Desulfovibrionales(脱硫弧菌目)(3.0%±0.9%; 1.9%±0.4%)以及Bacterioidales(拟杆菌目) (1.1%±0.2%;9.0%±0.7%)为占优势的目(图2).在科水平(families) 以Synerigistaceae科(AnMBR:24.0%±10.0%;PSD:11.0%±3.1%),Pseudomonadaceae(假单胞菌科) (5.3%±0.9%;0.4%±0.0%), Rhodobacterazeae (红细菌科) (4.4%±0.8%;3.9%±0.5%), Acidaminococcaceae (氨基酸球菌科) (2.0%±0.1%; 3.4%±0.7%),Peptostreptococcaceae科(2.0%±1.0%; 0.9%±0.1%),Desulfovibrionaceae(脱硫弧菌科) (1.8%±0.5%;1.2%±0.2%),Syntrophaceae(互营菌科) (1.8%±0.5%;2.4%±0.6%),Syntrophobacteraceae科(1.4%±0.4%;1.8%±0.5%),Porphyromonadacea(紫单胞菌科) (0.7%±0.2%;9.0%±2.6%)是相对丰度高的微生物类群(图3).

利用LEFse软件[22]对2个反应器中微生物物种组成差异进行分析,发现AnMBR中主要富集变形菌,主要包括Proteobacteria(变形菌门)(LDA: 4.83), Gammaproteobacteria(变形菌纲) (4.65), Pseudomonadales(假单胞菌目) (4.9)及(假单胞菌属) (4.53);PSD中主要富集古菌及产甲烷古菌,其中包括Euryarchaeota(广古菌门) (LDA: 4.87),(甲烷杆菌属) (4.83), Methanobacteriales(甲烷杆菌目) (4.83)及Methanobacteriaceae(甲烷杆菌科) (4.82) (图4).以上结果说明Proteobacteria(变形菌门)及Euryarchaeota (广古菌门)分别是AnMBR及PSD样品的特征微生物类群.

图2 AnMBR和PSD微生物群落组成(目水平)

图3 AnMBR和PSD微生物群落组成(科水平)

对于细菌,2个反应器细菌核心类群的构成与近年国内外厌氧反应器相关研究的结果相似[28-30]. Synergistales目在AnMBR反应器中是最占优势的目,在PSD反应器中的相对丰度仅次于Clostridiales (梭菌目).Synergistaceae科无论在AnMBR还是在PSD样品中都具有最高的相对丰度(AnMBR: 24.0%±10.0%;PSD:11.0%±3.1%).Synergistales目微生物能够代谢氨基酸产生能量,主要分布于污泥、厌氧消化反应器的污水及热泉中[31].很多关于厌氧消化反应器的研究中都发现其具有较高的相对丰度[32]. AnMBR中Synergistales目、Synergistaceae科的相对丰度均是PSD中的2.2倍.本研究中AnMBR反应器用来处理污水,而PSD反应器用于处理固体废物.研究表明, Synergistales目总是出现在厌氧消化反应器的污水中,也经常出现在处理生活有机废物的厌氧反应器中[33].在产甲烷过程中,蛋白质水解为缩氨酸和氨基酸,进一步被发酵降解为可挥发性脂肪酸,最后生成甲烷释放CO2,而Synergistales目在之前的研究中被证实可在厌氧条件下参与降解氨基酸[34].

图4 AnMBR和PSD的物种组成LefSE差异结果

AnMBR中相对丰度第二高的目是Clostridiales (梭菌目),其在PSD中具有最高的相对丰度,是AnMBR中的2.3倍.Clostridiales属于Firmicutes(厚壁菌门)在厌氧消化反应器中属于常见的微生物,其在厌氧发酵产沼的四个阶段均存在,但其在水解及产酸阶段为优势类群,且发挥重要作用,可将大分子的有机物降解为小分子有机酸[35],在PSD中有机物浓度远高于AnMBR,且为中温厌氧发酵(37℃)工艺,更适合Clostridiales的生长.同时,Bacteroidales(拟杆菌目)在PSD中的相对丰度(9.0%±2.7%)仅次于Synergistales 和Clostridiales,但其在AnMBR中的相对丰度较低(1.1%±0.2%),其在PSD中的相对丰度是在AnMBR中的8.2倍, Bacteroidales以碳水化合物、蛋白质为底物,代谢生成糖、氨基酸、有机酸等,其最重要的代谢产物为琥珀酸、乙酸、甲酸、乳酸及丙酸[35].Syntrophobacterales目Desulfovibrionales目在两个反应器中均有较高的相对丰度,在PSD中Syntrophobacterales的相对丰度略高于AnMBR;在AnMBR中Desulfovibrionales的相对丰度比PSD高1.6倍,这两个目在厌氧产沼、硫酸盐还原过程均发挥重要作用[35].

对于古菌,2个反应器中最占优势的均为Methanobacteriales (甲烷杆菌目)、Methanobacteriaceae (甲烷杆菌科) (AnMBR:0.6%±0.3%;PSD:13.8%±1.8%),但PSD中的相对丰度远高于AnMBR.尤其是Methanobacteriaceae(甲烷杆菌科)在PSD反应器中高达13.8%±1.8%,是AnMBR中的23倍.Guo等[36]利用宏基因组测序技术,对一实际运行的中温(35℃)厌氧消化反应器进行研究,发现其中古菌的相对丰度为5.6%,远低于本研究结果[36].Methanobacteriaceae在厌氧环境中广泛分布,可利用H2还原CO2生成甲烷,这个科的古菌还可利用甲酸、甲醇等作为底物生成甲烷,适合在中温(35~40℃)下生长[37].Luo等[38]对14个实际运行的厌氧产沼反应器进行研究,发现温度和游离氨都是决定微生物群落结构和功能的关键环境因素.因此,本研究中温度可能是造成产甲烷古菌在PSD中相对丰度较高的主要原因之一.

值得注意的是,无论在目水平还是科水平,两个反应器中都有大量目前无法分类的微生物类群AnMBR:41.35%(目),56.07%(科);PSD:30.86%(目),52. 19%(科),这说明对于厌氧反应器中微生物生态,还有待进行更深入的研究.

2.3 AnMBR和PSD的功能组成差异及产甲烷过程分析

图5 AnMBR及PSD反应器微生物群落KEGG注释结果

*、**表示差异达5%、1%显著水平

利用PIRSUSTs软件[21]对AnMBR和PSD样品的微生物群落进行功能预测.KEGG功能组成分析结果显示,两类样品的功能基因组成较为相似,占优势的功能类群主要包括Membrane Transport(膜输送) (AnMBR:12.54%;PSD: 10.40%),Amino Acid Metabolism (氨基酸代谢) (AnMBR:10.46%;PSD: 10.63%),Carbohydrate Metabolism(碳水化合物代谢) (AnMBR:9.72%;PSD:9.61%),及Energy Metabolism (能量代谢) (AnMBR:6.06%;PSD:7.69%).T检验表明大部分功能基因在两个反应器中的相对丰度有显著差异(<0.05)(图5).

利用LefSE统计方法比较AnMBR和PSD样品富集的功能组成差异,发现Environmental Information Processing(环境信息处理,LDA 3.99), Membrane Transport(膜输送, 3.05),Cellular Processes (细胞内过程, 3.76)及Cell Mobility(细胞移动3.74)是AnMBR样品富集的KEGG注释功能;而PSD样品富集的功能主要包括Genetic Information Processing (遗传信息处理,LDA 3.71),Energy Metabolism (能量代谢, 3.64),Metabolism(代谢, 4.18)及Methane Metabolism(甲烷代谢,3.74)(图6).

图6 AnMBR和PSD微生物群落功能组成LefSE差异

通过对物种及功能组成的分析,AnMBR和PSD样品在产甲烷古菌及产甲烷功能组成相对丰度上存在差异,结合上述2个反应器在产甲烷能力上的巨大差异,进一步分析产甲烷相关代谢基因在AnMBR和PSD样品的相对丰度差异.从图7可以看出,PSD反应器以H2还原CO2产生甲烷的通路为主(相关基因的相对丰度为0.86%),其次是以利用乙酸盐(acetate)及甲醇(methanol)为底物的产甲烷过程(相关基因的相对丰度为0.16%及0.13%)(图7),而以甲胺(methylamine)/二甲胺(dimethylamine)/三甲胺(trimethylamine)为底物产甲烷通路的贡献很小(相关基因的相对丰度仅为0.003%).AnMBR中,这三种通路产甲烷相关基因的相对丰度为分别为0.20%、0.14%和0.01%(图7).并且PSD中,H2还原CO2产甲烷通路相关基因、F420合成相关基因、辅酶M合成相关基因的相对丰度都高于AnMBR,并且F420与辅酶M都是产甲烷通路中重要的酶.

厌氧产沼通常包括4个阶段,即水解、发酵产酸、产乙酸和产甲烷, 各步骤中涉及各种微生物,它们相互配合,实现有机废物的高效厌氧消化,并产生甲烷[39-40].结果表明,在AnMBR反应器中,在第1步水解过程中,Synergistales为最占优势的目,预计它们可产生特有的酶,将有机物水解为小分子单体,将不溶性物质转化为可溶性物质.在PSD反应器中,Synergistales也是最主要的参与水解的微生物.接下来,在产酸过程中,在AnMBR反应器中最主要的产酸微生物为Clostridiales和Pseudomonadales.而在PSD反应器中,Clostridiales和Bacteroidales是最占优势的产酸微生物.它们将完成发酵产酸的过程,产生大量的挥发性脂肪酸(VFA)、CO2和H2.第3步是产乙酸,在产乙酸细菌的作用下,进一步将上述产物转化为乙酸,其利用乙酰-CoA作为关键酶,通过H2还原 CO2途径,专性产氢产乙酸或同化产乙酸.事实上,研究发现,有20多个属超过100个种的细菌具有产乙酸的功能[41].Clostridiales,Syntrophobacterales和Desulfovibrionales在2个反应器中均为最主要产乙酸细菌.生物甲烷的产生是厌氧产沼的最后一步,其中产甲烷古菌是产甲烷的关键微生物,产甲烷古菌属于不同系统发育的古细菌类群.产甲烷古菌分为5个目:Methanobacteriales(甲烷杆菌目)、Methanococcales(甲烷球菌目)、Methanomicrobiales (甲烷微菌目)、Methanosarcinales(甲烷八叠球菌目)和Methanopyrales(甲烷超高温菌目).在AnMBR反应器中,最主要产甲烷的类群为(甲烷杆菌属)、(甲烷杆菌属)和(甲烷杆鬃毛菌属);在PSD反应器中,最主要的产甲烷类群为(甲烷杆菌属)、(甲烷杆鬃毛菌属)和(甲烷短杆菌属).在两个反应器中,最占优势的属均为(甲烷杆菌属)(AnMBR:0.5%;PSD:13.7%),主要是以H2还原CO2的通路来生成甲烷.而(甲烷杆鬃毛菌属)(AnMBR:0.03%; PSD:0.16%)则是较为特殊的产甲烷微生物,其只能利用乙酸盐为底物生成甲烷.(甲烷杆菌属)和(甲烷短杆菌属)也是通过H2还原CO2的通路来生成甲烷,但是其在2个反应器中的相对丰度都很低.

图7 AnMBR及PSD反应器微生物群落甲烷代谢基因相对丰度

PSD反应器主要处理厨余垃圾及人类粪便等固态生活垃圾,在中温(37℃)下进行厌氧发酵产沼;而AnMBR反应器主要用来处理液态的生活污水及卫生间产生的废水,并且是在常温(20℃)下进行厌氧处理.PSD反应器内的有机负荷及COD浓度也远高于AnMBR反应器,这可能也是导致两个反应器内古菌相对丰度较大差异的原因.

3 结论

3.1 两个反应器中微生物组成相似,Synerigistaceae科和Methanobacteriaceae科分别是两个反应器中最占优势的细菌和古菌.

3.2 两个反应器的功能基因组成相似,产甲烷都以H2还原CO2通路为主.PSD反应器中H2还原CO2通路相关基因、F420合成相关基因、辅酶M合成相关基因的相对丰度都高于AnMBR反应器.

[1] Woods G J, Kang D, Quintanar D R, et al. Centralized versus Decentralized Wastewater Reclamation in the Houghton Area of Tucson, Arizona [J]. Journal of Water Ressources Planning and Management-ASCE, 2013,139(3):313-324.

[2] 吕宏德.分散式污水处理系统的特征及其应用[J]. 环境科学与管理, 2009,(8):113-115.

[3] Makropoulos C, Butler D. Distributed Water Infrastructure for Sustainable Communities [J]. Water Resources Management, 2010, 24(11):2795-2816.

[4] McInerney M J, Sieber J R, Gunsalus R P. Syntrophy in anaerobic global carbon cycles [J]. Current Opinion in Biotechnology, 2009, 20(6):623-632.

[5] Rico C, García H, Rico J L. Physical-anaerobic-chemical process for treatment of dairy cattle manure [J]. Bioresource Technology, 2011, 102(3):2143-2150.

[6] Appels L, Baeyens J, Degrève J, et al. Principles and potential of the anaerobic digestion of waste-activated sludge [J]. Progress in Energy and Combustion Science, 2008,34(6):755-781.

[7] Trzcinski A P, Stuckey D C. Anaerobic digestion of the organic fraction of municipal solid waste in a two-stage membrane process [J]. Water Science and Technology, 2009,60(8):1965-1978.

[8] Lettinga G, Rebac S, Zeeman G. Challenge of psychrophilic anaerobic wastewater treatment [J]. Trends in Biotechnology, 2001,19(9):363-370.

[9] Liao B Q, Kraemer J T, Bagley D M. Anaerobic Membrane Bioreactors: Applications and Research Directions [J]. Critical Reviews in Environmental Science and Technology, 2006,36(6):489-530.

[10] Dvořák L, Gómez M, Dolina J, et al. Anaerobic membrane bioreactors-a mini review with emphasis on industrial wastewater treatment: applications, limitations and perspectives [J]. Desalination and Water Treatment, 2016,57(41):19062-19076.

[11] Mohr M, Trosch W. Semi-centralized urban water management as prerequisite for water reuse, in Milestones in Water Reuse: The Best Success Stories [M]. London: IWA Publishing, 2013:97-105.

[12] Vrieze J D, Christiaens M, Walraedt D, et al. Microbial community redundancy in anaerobic digestion drives process recovery after salinity exposure [J]. Water Research, 2017,111:109-117.

[13] Svojitka J, Dvořák L, Studer M, et al. Performance of an anaerobic membrane bioreactor for pharmaceutical wastewater treatment [J]. Bioresource Technology, 2017,229:180-189.

[14] Jang H M, Ha J H, Kim M, et al. Effect of increased load of high-strength food wastewater in thermophilic and mesophilic anaerobic co-digestion of waste activated sludge on bacterial community structure [J]. Water Research, 2016,99:140-148.

[15] 李 蕾,何 琴,马 垚,等.厌氧消化过程稳定性与微生物群落的相关性 [J]. 中国环境科学, 2016,36(11):3397-3404.

[16] Bates S T, Berg-Lyons D, Caporaso J G, et al. Examining the global distribution of dominant archaeal populations in soil [J]. ISME J, 2011,5(5):908-917.

[17] Bolger A M, Lohse M, Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data [J]. Bioinformatics, 2014,30(15):2114-2120.

[18] Magoč T, Salzberg S L. FLASH: fast length adjustment of short reads to improve genome assemblies [J]. Bioinformatics, 2011,27(21): 2957-2963.

[19] Caporaso J G, Kuczynski J, Stombaugh J, et al. QIIME allows analysis of high-throughput community sequencing data [J]. Nature methods, 2010,7(5):335-336.

[20] Edgar R C, Haas B J, Clemente J C, et al. UCHIME improves sensitivity and speed of chimera detection [J]. Bioinformatics, 2011, 27(16):2194-2200.

[21] Langille M G, Zaneveld J, Caporaso J G, et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences [J]. Nature Biotechnology, 2013,31(9):814-821.

[22] Segata N, Izard J, Waldron L, et al. Metagenomic biomarker discovery and explanation [J]. Genome Biology, 2011,12(6):R60.

[23] Mohr M. Betrieb eines anaeroben membranbioreaktors vor dem hintergrund der zielstellung des vollstdigen recyclings kommunalen abwassers und seiner inhaltsstoffe [D]. Hamburg, vom Fachbereich Bauingenieurwesen und Geodasie der Technischen Universitat Darmstadt, 2011.

[24] Lew B, Tarre S, Beliavski M, et al. Anaerobic membrane bioreactor (AnMBR) for domestic wastewater treatment [J]. Desalination, 2009, 243(1):251-257.

[25] Salazar-Peláez M L, Morgan-Sagastume J M, Noyola A. Influence of hydraulic retention time on fouling in a UASB coupled with an external ultrafiltration membrane treating synthetic municipal wastewater [J]. Desalination, 2011,277(1):164-170.

[26] Smith A L, Skerlos S J, Raskin L. Psychrophilic anaerobic membrane bioreactor treatment of domestic wastewater [J]. Water Research, 2013,47(4):1655-1665.

[27] Grady C P, Daigger G T, Love N G, et al. Biological Wastewater Treatment [M]. Boca Raton: CRC Press, 2011.

[28] Riviere D, Desvignes V, Pelletier E, et al. Towards the definition of a core of microorganisms involved in anaerobic digestion of sludge [J]. The ISME Journal, 2009,3(6):700-714.

[29] Smith A L. Low-temperature anaerobic membrane bioreactor for energy recovery from domestic wastewater [D]. Ann Arbor: the University of Michigan, 2014.

[30] Chouari R, Le Paslier D, Daegelen P, et al. Novel predominantand bacterial groups revealed by molecular analysis of an anaerobic sludge digester [J]. Environmental Microbiology, 2005,7(8): 1104-1115.

[31] Jumas-Bilak E, Marchandin H. The Phylum Synergistetes, in The Prokaryotes: Other Major Lineages of Bacteria and The Archaea [M]. Berlin: Heidelberg, Springer, 2014:931-954.

[32] Kirkegaard R H, McIlroy S J, Kristensen J M, et al. The impact of immigration on microbial community composition in full-scale anaerobic digesters [J]. Scientific Reports, 2017,7(1):9343-9353.

[33] Cardinali-Rezende J, Debarry R B, Colturato L F, et al. Molecular identification and dynamics of microbial communities in reactor treating organic household waste [J]. Applied Microbiology and Biotechnology, 2009,84(4):777-789.

[34] Tang Y, Ji P, Hayashi J, et al. Characteristic microbial community of a dry thermophilic methanogenic digester: its long-term stability and change with feeding [J]. Applied Microbiology and Biotechnology, 2011,91(5):1447-1461.

[35] Deublein D, Steinhauser A. Biogas from waste and renewable resources [M]. Weinheim: Wiley-VCH Verlag GmbH & Co. KGaA, 2008.

[36] Guo J H, Peng Y Z, Ni B J, et al. Dissecting microbial community structure and methane-producing pathways of a full-scale anaerobic reactor digesting activated sludge from wastewater treatment by metagenomic sequencing [J]. Microbial Cell Factories, 2015,14(1):33-43.

[37] Oren A. The family methanobacteriaceae, in the prokaryotes: other major lineages of bacteria and the archaea [M]. Berlin: Heidelberg, Springer, 2014:165-193.

[38] Luo G, Fotidis I A, Angelidaki I. Comparative analysis of taxonomic, functional, and metabolic patterns of microbiomes from 14full-scale biogas reactors by metagenomic sequencing and radioisotopic analysis [J]. Biotechnology for Biofuels, 2016,9(1):51-62.

[39] Lauwers J, Appels L, Thompson I P, et al. Mathematical modelling of anaerobic digestion of biomass and waste: Power and limitations [J]. Progress in Energy and Combustion Science, 2013,39(4):383-402.

[40] 王祥锟,闵祥发,李建政,等.产氢产乙酸和产甲烷反应对厌氧消化的限速作用 [J]. 中国环境科学, 2016,36(10):2997-3002.

[41] Ragsdale S W, Pierce E. Acetogenesis and the Wood-Ljungdahl pathway of CO2fixation [J]. Biochimica et Biophysica Acta (BBA) - Proteins and Proteomics, 2008,1784(12):1873-1898.

致谢：感谢德国弗劳恩霍夫协会界面工程与生物技术研究所(Fraunhofer Institute for Interfacial engineering and Biotechnology, IGB)Tosca Zech 博士与Marius Mohr 博士在样品采集及水样分析测试方面给予的帮助.

Microbial community structure and function in a decentralized urban water infrastructure systems in German.

ZHANG Kun1,2*

(1.China National Electric Apparatus Research Institute Co., Ltd., Guangzhou 510300, China; 2.School of Eco- environment Technology, Guangdong Industry Polytechnic, Guangzhou 510300, China)., 2018, 38(8)：2981~2989

The microbial community structure in two bioreactors of a decentralized urban water infrastructure systems in Germany was investigated through 16S rRNA gene sequencing. The PICRUSt software was then used to deduce the function of the microbial community. In winter, the average COD removal rate reached 52% at 20°C, the influent COD was 712mg/L in the anaerobic membrane reactor (AnMBR) and the biogas production rate was 122L/kgCOD. At 37°C, the biogas production rate was 374L/kgVSS and the COD was 3007mg/L in the primary sludge digester (PSD). Similar microbial compositions were observed in both bioreactors, with Synerigistaceaehaving the highest relative abundance at the family level among bacteria (AnMBR: 24.0%±10.0%; PSD: 11.0%±3.1%) and Methanobacteriaceae having the highest relative abundance among archaea (AnMBR: 0.6%±0.3%; PSD: 13.8%±1.8%). The functional genomic composition was also similar in both reactors, with the H2reductive CO2pathway being the main approach for methane production. The relative abundances of H2reductive CO2pathway related genes, F420synthesis related genes and coenzyme M synthesis related genes in the PSD reactor were higher than those in the AnMBR reactor.

anaerobic bioreactor；decentralized wastewater treatment system；microbial community structure and function；16S rRNA gene；high-throughput sequencing

；X703.5

A

1000-6923(2018)08-2981-09

张 堃(1979-),河南洛阳人,高级工程师,博士,主要从事有机废物厌氧处理及资源化研究.发表论文10余篇.

2018-01-02

广东省科技计划项目(2012B050600033);广东轻工职业技术学院科研启动项目(RC2016-006);广州市科技计划项目(201806020029);广东轻工职业技术学院优秀青年基金(QN2018-003)

* 责任作者, 高级工程师，gszhangkun@163.com