Cet article a été corrigé.
Auteurs : Ryan M. Kepler , Dietrich J. Epp Schmidt , Stephanie A. Yarwood , Michel A. Cavigelli , Krishna N. Reddy , Stephen O. Duke , Carl A. Bradley , Martin M. Williams Jr. , Jeffrey S. Buyer , Jude E. Maul https://orcid.org/0000-0003-1441-1137 INFORMATIONS SUR LES AUTEURS ET AFFILIATIONS
DOI :
https://doi.org/10.1128/AEM.01744-19
ABSTRAIT
Malgré l’utilisation généralisée du glyphosate pour lutter contre les mauvaises herbes en agriculture, des questions demeurent quant à l’effet de l’herbicide sur les communautés microbiennes du sol. La littérature scientifique existante contient des résultats contradictoires, allant de l’absence d’effet observable du glyphosate à l’enrichissement en agents pathogènes agricoles tels que
Fusarium spp. Nous avons mené une étude approfondie sur le terrain pour comparer les communautés microbiennes présentes sur les racines des plantes ayant reçu une application foliaire de glyphosate avec celles des plantes adjacentes qui n’en ont pas reçu. L’étude de deux ans a été menée à Beltsville, MD, et Stoneville, MS, avec des cultures de maïs et de soja cultivées dans divers systèmes agricoles biologiques et conventionnels. En séquençant des amplicons de métabarcodes environnementaux, les communautés procaryotes et fongiques ont été décrites, ainsi que les propriétés chimiques et physiques du sol. Des sections de racines de maïs et de soja ont été étalées pour détecter la présence d’agents pathogènes végétaux. La géographie, le système agricole et la saison étaient des facteurs importants déterminant la composition des communautés fongiques et procaryotes. Les parcelles traitées au glyphosate ne différaient pas des parcelles non traitées en termes de composition globale de la communauté microbienne après contrôle des autres facteurs. Nous n’avons pas détecté d’effet du traitement au glyphosate sur l’abondance relative d’organismes tels que
Fusarium spp.
IMPORTANCE Accroître l’efficacité des systèmes de production alimentaire tout en réduisant les effets négatifs sur l’environnement reste un défi sociétal clé pour répondre avec succès aux besoins d’une population mondiale croissante. L’herbicide glyphosate est devenu un composant presque omniprésent de la production agricole à travers le monde, permettant une adoption croissante de l’agriculture sans labour. Malgré cette utilisation généralisée, de nombreux débats subsistent sur les conséquences de l’exposition au glyphosate. Dans cet article, nous examinons l’effet du glyphosate sur les communautés microbiennes du sol associées aux racines des cultures résistantes au glyphosate. À l’aide de techniques de métabarcoding, nous avons évalué les communautés procaryotes et fongiques à partir d’échantillons de sols agricoles (
n = 768). Aucun effet du glyphosate n’a été constaté sur les communautés microbiennes du sol associées aux variétés de maïs et de soja résistantes au glyphosate dans divers systèmes agricoles.
INTRODUCTION
Les microbes associés aux cultures agricoles affectent de multiples dimensions de la santé des plantes. Ils peuvent jouer des rôles importants liés à la physiologie des plantes, tels que l’acquisition de nutriments (
1 ,
2 ) et la modulation hormonale (
3 ), en plus d’aider à la défense contre les facteurs de stress biotiques (
4 ) ou d’agir en tant qu’agents pathogènes importants. Malgré cette importance pour la santé des plantes, ce n’est que récemment que la gestion de la diversité microbienne est considérée comme une possibilité réaliste d’augmentation durable de la productivité des cultures nécessaire pour répondre à la demande alimentaire face à la croissance de la population humaine et au changement climatique (
5 – 7 ). L’intensification de l’agriculture moderne a été motivée par l’utilisation de pesticides, d’engrais et d’autres amendements connus pour affecter les communautés microbiennes du sol (
8 ). Cependant, de nombreuses études ne disposent pas de la réplication spatiale et temporelle nécessaire à la rigueur statistique (
9 ). Une meilleure compréhension de la façon dont les systèmes agricoles (y compris les cultures) et la géographie interagissent pour façonner les communautés microbiennes est nécessaire afin de tirer parti des microbiomes agricoles pour la sécurité alimentaire (
10 ).L’introduction de cultures génétiquement modifiées résistantes au glyphosate (GR) a transformé les agroécosystèmes dans une grande partie du monde en augmentant l’adoption d’une agriculture sans labour et avec un labour réduit où les mauvaises herbes sont contrôlées chimiquement (
11 ,
12 ). Les systèmes agricoles sans labour améliorent la structure du sol et la rétention des éléments nutritifs en réduisant l’érosion tout en réduisant les dépenses et la consommation de combustibles fossiles associés au fonctionnement des machines. Les communautés microbiennes dans les sols sans labour sont généralement plus diversifiées que celles dans les systèmes labourés en raison de l’augmentation de l’hétérogénéité des niches (
13 ,
14 ).Le glyphosate interrompt la voie de biosynthèse du shikimate (
15 ), responsable de la production d’acides aminés aromatiques et d’autres composants clés du métabolisme cellulaire. La voie shikimate se retrouve chez les bactéries, les champignons, les algues, les plantes et certains protozoaires, mais pas chez les animaux. Le glyphosate se lie de manière compétitive à l’enzyme 5-énolpyruvylshikimate 3-phosphate synthase (EPSPS) par rapport au phosphoénolpyruvate, et il est mortel pour la plupart des espèces de plantes et une grande proportion de champignons (
16 ). Cependant, certains microbes sont résistants au glyphosate en raison du métabolisme rapide du glyphosate ou d’une forme GR du gène codant pour l’EPSPS (
16 ,
17 ). Une fois cette voie de biosynthèse bloquée, les plantes meurent à cause d’une perturbation métabolique. Même à des taux d’application sublétaux, le glyphosate peut affaiblir suffisamment les défenses pathogènes d’une plante pour que les agents pathogènes puissent infecter et tuer la plante (
18 ,
19 ). En l’absence d’agent pathogène, la plante peut avoir un aspect rabougri pendant quelques semaines, puis se rétablir.Le glyphosate est un herbicide appliqué foliaire qui se déplace rapidement du feuillage vers le reste de la plante, y compris les racines (
20 ). Les plantes peuvent exsuder du glyphosate de leurs racines dans les 24 heures suivant l’application foliaire (
21 ,
22 ). Le glyphosate se lie fortement à certains composants du sol, étant presque immobilisé dans la plupart des types de sol (
23 ). Sa liaison étroite avec le sol contribue à sa faible phytotoxicité pour les plantes en tant qu’herbicide appliqué au sol. L’exsudation épisodique de glyphosate par les racines peut avoir des effets indirects sur la communauté microbienne du sol, et ces changements peuvent être importants pour la durabilité à long terme des agroécosystèmes. Cependant, les changements dans la communauté microbienne sont difficiles à détecter étant donné les effets simultanés de la saisonnalité, de l’évolution des espèces cultivées et du type de sol.Bien que l’agriculture sans labour présente des avantages évidents, les rapports diffèrent quant à l’effet du glyphosate sur la diversité microbienne. Des inquiétudes ont été soulevées concernant l’augmentation des charges pathogènes et la suppression des organismes bénéfiques associées à l’utilisation du glyphosate (
24 ,
25 ). Il existe plusieurs mécanismes par lesquels le glyphosate pourrait enrichir le sol en agents pathogènes des plantes, comme suit : (i) les agents pathogènes pourraient attaquer les mauvaises herbes sensibles au glyphosate qui succombent à l’herbicide, dont la biomasse mourante agit alors comme refuge pour une infestation ultérieure des cultures (pont vert ); (ii) les agents pathogènes pourraient « prendre pied » dans une plante résistante au glyphosate en raison d’une réponse immunitaire réduite due à des altérations de la voie du shikimate, entraînant une infection non mortelle tout en permettant à l’agent pathogène de se propager ; et (iii) l’élimination des taxons microbiens sensibles pourrait également entraîner une réduction de la concurrence pour l’espace des niches racinaires, permettant ainsi aux agents pathogènes d’accéder aux tissus végétaux. Un examen de toutes les cultures GR par Hammerschmidt (
19 ) a déterminé qu’il n’existe aucune preuve concluante que le glyphosate augmente la sensibilité des cultures GR aux maladies. Une autre étude (
26 ) remet en question cette évaluation. Plusieurs études ont observé que les betteraves GR et le soja présentent une sensibilité accrue aux agents pathogènes lorsque le glyphosate est appliqué aux doses recommandées (
26 – 28 ). Une étude n’a révélé aucun effet du glyphosate sur l’induction de maladies chez les betteraves GR jusqu’à ce que les taux d’application normaux au champ soient dépassés d’un ordre de grandeur (
29 ). Cependant, d’autres études sur les cultures GR n’ont trouvé aucune influence du glyphosate sur la maladie (
30 ) et même quelques cas d’activité fongicide du glyphosate contre certains agents pathogènes des plantes, en particulier les rouilles (examiné par Duke [
31 ]).Deux études clés ont soutenu l’hypothèse de l’enrichissement en agents pathogènes en glyphosate, révélant sur de longues périodes d’étude que le glyphosate augmente de manière répétée le taux de colonisation des cultures par
Fusarium spp. (présumées être des souches pathogènes) tout en diminuant l’abondance de bactéries fluorescentes
Pseudomonas (considérées comme des organismes bénéfiques putatifs) dans le sol (
24 ,
28 ). Ces études sont souvent citées comme preuve concluante que l’utilisation à long terme du glyphosate augmente la charge pathogène et diminue l’abondance des bactéries favorisant la croissance dans les sols. Les deux études ont appliqué une méthodologie basée sur la culture pour quantifier ces groupes microbiens, avec une analyse moléculaire de la région d’espacement transcrite interne (ITS) ribosomale pour les champignons. Les études utilisant une méthodologie sans culture pour caractériser les communautés microbiennes n’ont pas réussi à détecter des effets substantiels du glyphosate sur l’abondance des agents pathogènes (
32 ,
33 ). Les systèmes agricoles, les facteurs pédologiques, les variétés de cultures et l’historique d’utilisation du glyphosate peuvent tous avoir un impact sur le comportement du glyphosate et son interaction avec les microbiomes des cultures et du sol (
34 ) et doivent être inclus dans la conception expérimentale.Nous avons mené deux études à l’échelle du terrain pour déterminer les effets du glyphosate sur le microbiome du sol et la santé des plantes pour les variétés de maïs et de soja GR, testant l’hypothèse selon laquelle le glyphosate modifie la composition du microbiome du sol selon différents types de sol, cultures, moments d’échantillonnage, et les systèmes agricoles. De plus, nous avons testé l’hypothèse selon laquelle
Fusarium sp. l’abondance des séquences ou les nombres cultivables augmenteraient en raison du traitement au glyphosate. Notre étude comprenait six systèmes agricoles étudiés sur deux ans, représentant diverses pratiques agricoles mises en œuvre dans des fermes en activité. Notre étude a ciblé à la fois les microbiomes naïfs du sol qui n’avaient pas été exposés au glyphosate et ceux exposés au glyphosate chaque année. Le séquençage à haut débit a été utilisé pour générer des profils génétiques d’ARNr 16S bactériens et archéens et des profils ITS ribosomiques nucléaires fongiques.
RÉSULTATS
Résumé de la diversité fongique et procaryote sur tous les sites.
À partir de l’analyse de séquençage, un total de 68 964 variantes uniques de séquence d’amplicons fongiques et 72 454 procaryotes uniques (ASV) ont été identifiées dans tous les échantillons. Beltsville, MD, et Stoneville, MS, partageaient 13 964 taxons procaryotes et 5 740 taxons fongiques. Stoneville présentait respectivement 62 985 et 29 780 ASV procaryotes et fongiques. Beltsville présentait respectivement 41 538 et 44 924 ASV procaryotes et fongiques uniques. La diversité fongique était plus élevée à Beltsville qu’à Stoneville, à l’exception des mesures de diversité de Shannon et Simpson pour Org3 (voir la description des rotations sur le terrain dans Matériels et méthodes) (
Fig. 1A ). À l’inverse, la diversité procaryote était plus grande à Stoneville qu’à Beltsville dans toutes les mesures (
Fig. 1B ).FIG. 1
L’analyse des correspondances sans tendance a montré que les communautés de Beltsville et de Stoneville étaient distinctes (
Fig. 1C et
D ). L’analyse de variance multivariée permutationnelle (PERMANOVA) de l’abondance relative des champignons et des procaryotes a révélé que l’emplacement était le facteur le plus significatif expliquant les différences dans les communautés fongiques et procaryotes du sol (
P = 0,001 dans les deux cas ;
R 2 fongique = 0,19,
R 2 procaryote = 0,16 ; voir le tableau S1 dans le matériel supplémentaire). Les différences entre les communautés microbiennes de Stoneville et de Beltsville étaient dues à des différences dans les facteurs édaphiques. Les caractéristiques chimiques du sol différaient entre les deux emplacements (analyse de discrimination canonique,
P < 0,001,
R 2 = 0,99) et entre les systèmes agricoles (analyse de discrimination canonique,
P < 0,001,
R 2 = 0,99). Le sol de Stoneville avait un pH et des cations As et Sr significativement plus élevés (analyse de variance [ANOVA],
P < 0,001), tandis que le sol de Beltsville contenait significativement plus de P, Pb, S, Fe et de matière organique (MO) (ANOVA ,
P < 0,001). Les ordinations d’échelle multidimensionnelle non métrique (NMDS) de la dissimilarité de Bray-Curtis pour la chimie du sol entre les emplacements et les systèmes agricoles sont présentées à la
Fig . Pour augmenter la puissance de détection des effets locaux du traitement au glyphosate, nous avons analysé les cultures (maïs par rapport au soja) séparément au sein de chaque emplacement (Beltsville par rapport à Stoneville).FIGURE 2
Structure de la communauté fongique et réponse au glyphosate.
Le système agricole était le principal facteur de structure de la communauté fongique, quelle que soit la culture (
Fig. 3 ) à Beltsville (PERMANOVA ; maïs,
P = 0,001,
R 2 = 0,16 ; soja,
P = 0,001,
R 2 = 0,16) et à Stoneville (PERMANOVA). ; maïs,
P = 0,001,
R 2 = 0,24 ; soja,
P = 0,001,
R 2 = 0,23). L’année d’échantillonnage était également significative mais expliquait moins de variance que le système agricole de Beltsville (maïs,
P = 0,001,
R 2 = 0,046 ; soja,
P = 0,001,
R 2 = 0,043) et de Stoneville (maïs,
P = 0,001 ). ,
R 2 = 0,051 ; soja,
P = 0,001,
R 2 = 0,052). L’identité taxonomique de la diversité fongique est résumée au niveau de l’ordre sur
la figure 4 (voir également les figures S1 et S5 dans le matériel supplémentaire). Les différences entre les systèmes sont réparties le long de l’axe 1 des graphiques d’analyse des correspondances canoniques (ACC), et les différences liées à l’année sont reflétées dans la répartition le long de l’axe 2 sur
la figure 3 . Aucune interaction significative n’a été notée entre la date d’échantillonnage et le traitement au glyphosate (
P = 0,488 et 0,296 pour le maïs et le soja, respectivement). Les partitions de la rhizosphère (proches et lointaines) n’étaient pas non plus significativement différentes (tableau S1) pour n’importe quelle culture ou emplacement. Les tests de rapport de vraisemblance de l’abondance des taxons dans DESeq2 n’ont également révélé aucune augmentation significative du pouvoir explicatif d’un modèle contenant l’interaction date d’échantillonnage-traitement au glyphosate pour tout taxon, quelle que soit la culture ou le système agricole (Tableaux S4 et S5).FIGURE 3
Structure de la communauté procaryote et réponse au glyphosate.
Le système agricole était également significatif pour la structure de la communauté procaryote (
Fig. 5 ) à Beltsville (PERMANOVA ; maïs,
P = 0,001,
R 2 = 0,096 ; soja,
P = 0,001,
R 2 = 0,09) et Stoneville (PERMANOVA ; maïs,
P = 0,001,
R 2 = 0,21 ; soja,
P = 0,001,
R 2 = 0,16). Le terme annuel expliquait une variance plus faible que le système agricole de Beltsville (maïs,
P = 0,001,
R 2 = 0,096 ; soja,
P = 0,001,
R 2 = 0,086) et de Stoneville (maïs,
P = 0,001,
R 2 = 0,051 ; soja,
P = 0,001,
R 2 = 0,069). Les différences entre les systèmes sont réparties le long de l’axe 1 des parcelles CCA, et les différences liées à l’année sont reflétées dans la répartition le long de l’axe 2 de
la figure 5 . L’identité taxonomique de la diversité procaryote est résumée au niveau de l’ordre sur
les figures 6 , S6 et S10. L’interaction entre le glyphosate et la date d’échantillonnage n’était significative pour aucune des deux cultures (tableau S1). Les tests de rapport de vraisemblance de l’abondance des taxons dans DESeq2 indiquent que l’interaction date d’échantillonnage-traitement au glyphosate n’a pas augmenté de manière significative le pouvoir explicatif du modèle pour aucun taxon, quel que soit la culture ou le système agricole (Tableaux S6 et S7).FIGURE 5
Différences de richesse communautaire entre les échantillons avant et après pulvérisation.
Les tests de classement signés de Wilcoxon ont montré plusieurs cas où la diversité des espèces différait de manière significative entre les dates d’échantillonnage avant et après pulvérisation (
Fig. 7 et tableaux S2 et S3); cependant, des différences ont été observées dans les traitements par pulvérisation et sans pulvérisation pour la plupart des combinaisons de systèmes de culture, ce qui indique qu’il s’agit d’un effet saisonnier et non dû à l’exposition au glyphosate. À Beltsville, la réponse du maïs et du soja différait selon les deux dates. La diversité des procaryotes pour le maïs dans chaque système agricole de Beltsville était significativement différente entre les deux dates. Cette tendance a également été observée, mais dans une moindre mesure, dans les communautés fongiques. La moitié des traitements différaient significativement pour les traitements par pulvérisation et sans pulvérisation. Les communautés fongiques ne différaient pas selon les saisons dans les parcelles de soja de Beltsville, et la diversité des espèces fongiques n’était pas affectée par la date d’échantillonnage du maïs et du soja dans les échantillons de Stoneville.FIGURE 7
Quantification des UFC de Fusarium .
Le criblage des endophytes racinaires a nécessité l’analyse de plus de 6 100 segments de racines et a identifié plus de 2 400 colonies fongiques. Un nombre significativement plus élevé d’UFC ont été observés en 2013 qu’en 2014 à l’emplacement de Beltsville (
P < 0,0003), mais aucune différence dans le nombre d’UFC n’a été observée entre les années à l’emplacement de Stoneville. Un total de 384 morphotypes typiques ont été séquencés par amplicon ITS, ce qui a donné les 8 taxons dominants identifiés suivants :
Fusarium ,
Macrophomina ,
Alternaria ,
Cladosporium ,
Penicillium ,
Zygomycota ,
Trichoderma et
Epicoccum . Il n’y a aucune différence significative dans les UFC
de Fusarium observées entre les traitements par pulvérisation et sans pulvérisation de glyphosate pour le maïs ou le soja (ANOVA,
P < 0,07). Bien que la valeur
P soit proche du seuil de signification, la variance autour des moyennes ne montre aucune tendance détectable dans les données (
Fig. 8 ).FIGURE 8
Rendements de maïs et de soja.
Il n’y avait aucune différence significative dans le rendement du maïs selon les systèmes ou entre les traitements d’application de glyphosate pour 2013 ou 2014 (
Tableau 1 ). Les rendements du maïs et du soja dans cette étude ont déjà été publiés (
35 ,
36 ). Les rendements du maïs n’étaient pas significativement différents des moyennes du comté du MD pour tous les systèmes, avec une moyenne parmi les systèmes de 9 339 kg ha
−1 . En 2013, une erreur s’est produite lors de l’utilisation de la moissonneuse-batteuse pour petites parcelles et les haricots récoltés à partir de différentes répétitions ont été mélangés, rendant les données inutilisables. En 2014, les rendements du soja étaient similaires aux moyennes du comté avec une moyenne de 2 327 kg ha
−1 . Il n’y avait pas de différence significative de rendement entre les systèmes agricoles et aucun effet du traitement au glyphosate sur le rendement (
Tableau 1 ).TABLEAU 1TABLEAU 1 Rendement du maïs et du soja Maryland pour les parcelles traitées ou non au glyphosate en culture ciselée, sans labour, en rotation biologique de 3 ans ou en rotation biologique de 6 ans a
| Année | Recadrer | Philosophie de gestion | Travail du sol primaire | Rendement en traitement au glyphosate (kg ha −1 ) b | |
|---|---|---|---|---|---|
| Vaporisateur | Pas de pulvérisation | ||||
| 2013 | Maïs | Conventionnel | Ciseau jusqu’à | 8 848 | 9 536 |
| Conventionnel | Non jusqu’à | 9 141 | 9 780 | ||
| Biologique 3 ans | Charrue à versoir | 7 634 | 9 210 | ||
| Biologique 6 ans | Charrue à versoir | 8 510 | 8 832 | ||
| Soja | Conventionnel | Ciseau jusqu’à | – | – | |
| Conventionnel | Non jusqu’à | – | – | ||
| Biologique 3 ans | Charrue à versoir | – | – | ||
| Biologique 6 ans | Charrue à versoir | – | – | ||
| 2014 | Maïs | Conventionnel | Ciseau jusqu’à | 8 967 | 9 798 |
| Conventionnel | Non jusqu’à | 11 123 | 10 757 | ||
| Biologique 3 ans | Charrue à versoir | 9 497 | 10 225 | ||
| Biologique 6 ans | Charrue à versoir | 8 185 | 7 627 | ||
| Soja | Conventionnel | Ciseau jusqu’à | 2 160 | 2 438 | |
| Conventionnel | Non jusqu’à | 2 016 | 2 264 | ||
| Biologique 3 ans | Charrue à versoir | 2 907 | 2 315 | ||
| Biologique 6 ans | Charrue à versoir | 2 733 | 2 290 | ||
unLa comparaison des moyennes a été calculée au sein de chaque système pour le génotype résistant au glyphosate, traité ou non avec le glyphosate.
bAucune différence significative n’a été constatée entre les parcelles traitées ou non au glyphosate au sein de chaque système en 2014. –, en 2013, une erreur de récolte des parcelles a entraîné un mélange de parcelles traitées et non traitées, rendant ainsi les données de rendement inutilisables.
DISCUSSION
Les structures des communautés procaryotes et fongiques entre les systèmes agricoles et entre les dates d’échantillonnage n’étaient pas influencées par l’utilisation du glyphosate. Au lieu de cela, le travail du sol et d’autres différences entre les systèmes agricoles semblent être les principaux facteurs déterminants de la structure du microbiome du sol (
Fig. 1C et
D ,
3 et
5 ). Par exemple, même si tous les champs de Beltsville étaient sous gestion sans labour jusqu’en 1996, les différences de gestion depuis lors sont des indicateurs importants de la structure actuelle de la communauté microbienne. Les systèmes biologiques ont montré une augmentation des champignons de l’ordre des Pezizales (
Fig. 4A et
B ), probablement une réponse des taxons saprobes à l’ajout de litière de volaille dans ces parcelles. L’histoire de l’utilisation des terres à Stoneville différait considérablement d’un système à l’autre, un système étant soumis à une gestion agricole sans labour avec un historique d’application de glyphosate depuis 15 ans et l’autre étant une monoculture de cogongrass sans historique d’exposition au glyphosate. Les différences entre les communautés fongiques dans les parcelles de Stoneville semblent être dues à des proportions changeantes, avec quelques ordres d’abondance supérieure à 5 % présents dans un système alors qu’ils sont absents dans l’autre (
Fig. 4C et
D ).L’héritage de la gestion agricole a déplacé les communautés procaryotes entre les systèmes du Maryland et du Mississippi. L’histoire de la gestion sans labour semble avoir modifié la structure de la communauté microbienne par rapport au labour conventionnel et aux traitements biologiques. Par exemple, les acidobactéries ont été détectées, bien qu’à des niveaux relatifs faibles, dans les proportions les plus élevées dans les systèmes de culture sans labour ayant au moins 15 ans d’expérience. Les acidobactéries réagissent positivement aux nitrates présents dans le sol et il a été démontré qu’elles produisent l’hormone de croissance des plantes, l’acide indole acétique (IAA), qui peut favoriser la croissance des racines des plantes (
37 ). De plus,
le chloroflexi avait tendance à être en abondance relative plus faible dans les systèmes de culture sans labour du Maryland. Ishaq et coll. (
38 ) ont découvert que le
Chloroflexi était l’un des taxons les plus réactifs aux changements dans les systèmes agricoles. Un taxon peu connu, les
Ktedonobacteria , a également montré une réponse différentielle aux traitements au niveau du système. Les membres de ce groupe semblent être sensibles au pH, occupent un large éventail d’environnements et sont génétiquement similaires aux
Chloroflexi (
39 ). Les résultats pour les taxons procaryotes et fongiques étudiés dans cette étude sont cohérents avec les différences de systèmes agricoles observées dans d’autres dimensions des écosystèmes du sol à Beltsville, y compris les communautés de nématodes du sol (
40 ), les concentrations de MO et de P dans le sol, les émissions de gaz à effet de serre et les coûts énergétiques totaux. du système agricole (
41 – 43 ).L’absence d’effets du glyphosate dans des communautés de sol auparavant naïves suggère que les taux d’application typiques de glyphosate ne modifient pas la communauté microbienne globale lors de la résolution des taxons récupérés dans notre étude. La littérature existante suggère que la plupart des communautés microbiennes sont susceptibles d’être perturbées, bien que les préjugés contre la déclaration de l’absence d’effets du traitement pourraient affecter ce point de vue (
44 ). Dans la présente étude, la résilience au glyphosate pourrait être liée à plusieurs facteurs. Certaines espèces procaryotes et fongiques sont connues pour métaboliser le glyphosate, et la présence de ces organismes peut protéger les espèces sensibles (
16 ,
17 ,
45 ,
46 ). Les études rapportant les effets du glyphosate sur les microbes du sol utilisent souvent des concentrations d’herbicide plus élevées que le taux approuvé, ce qui peut submerger le tampon des membres résistants. Le glyphosate est fortement lié aux composants du sol (
17 ,
23 ), mais on ne sait pas comment cela affecte sa biodisponibilité pour les microbes du sol. Néanmoins, sa demi-vie dans les sols à climat tempéré est en moyenne d’environ 30 jours (
47 ). Des effets dépendants de la concentration du glyphosate sur la respiration microbienne et la biomasse du sol ont été rapportés et sont cohérents avec les rapports sur d’autres produits agrochimiques, ne montrant que des effets transitoires aux taux d’application recommandés (
48 ).Des études en serre avec du blé GR cultivé dans des sols de tout le nord-ouest du Pacifique n’ont révélé que des effets mineurs du glyphosate sur les communautés microbiennes, et l’emplacement déterminé était un facteur majeur de la structure de la communauté microbienne du sol (
32 ,
33 ). Bien que ces études aient détecté de légers effets du glyphosate sur les communautés microbiennes, le glyphosate a été appliqué à deux fois la dose recommandée, augmentant ainsi la probabilité que la communauté microbienne subisse un effet détectable. Cette différence méthodologique peut expliquer la détection d’un effet sur l’abondance de certains taxons après exposition au glyphosate pour le blé cultivé en serre, alors qu’aucun n’a été détecté dans notre étude. Cela renforce la confiance dans notre conclusion selon laquelle le glyphosate a un effet minimal sur la communauté microbienne lorsqu’il est appliqué au taux recommandé.La diversité des communautés a changé au cours de la saison de croissance, quelle que soit l’application de glyphosate (
Fig. 7 ). Ces résultats sont similaires à ceux de Hart et al. (
49 ) qui ont cultivé du maïs GR et son isoline génétiquement proche avec et sans application de glyphosate pendant une saison au Canada. En utilisant le polymorphisme de longueur des fragments de restriction terminaux (TRFLP) pour comparer les communautés microbiennes, ils ont également montré des changements dans la diversité des communautés microbiennes au fil du temps, mais pas en relation avec le glyphosate.Des travaux antérieurs basés sur la culture ont révélé que l’abondance
de Fusarium augmentait et celle
de Pseudomonas diminuait avec l’utilisation de glyphosate (
24 ). Dans ces études,
Fusarium spp. étaient présumés pathogènes, tandis que
Pseudomonas spp. étaient présumés être des symbiotes. Notre métabarcodage n’a détecté aucun effet du glyphosate sur l’abondance de
Fusarium ou
de Pseudomonas sp. (voir le matériel supplémentaire).Il est important de noter que les gènes d’ARNr ITS et 16S ne parviennent pas à résoudre les classifications au niveau des espèces pour certains groupes (
50 ,
51 ). Par exemple, on sait que l’ITS a une capacité limitée à faire la distinction entre les espèces de
Metarhizium par rapport aux autres marqueurs disponibles (
52 ). Plusieurs espèces de
Metarhizium connues pour être présentes sur le site du Maryland (
53 ) n’étaient pas représentées dans les échantillons de cette étude. Très probablement, des agents pathogènes des plantes ont été omis dans cette étude. Cependant, les espèces pathogènes contribuent à l’abondance relative de leur OTU constitutive et nous n’avons détecté aucun changement dans les abondances relatives de
Fusarium sp.,
Alternaria sp. ou
Macrophomina sp. Les OTU augmentent en raison de l’application de glyphosate (voir le matériel supplémentaire). Bien que
Pseudomonas spp. sont souvent considérés comme intrinsèquement bénéfiques, il existe au moins quelques agents pathogènes confirmés (
51 ) et le type de fonction bénéfique peut différer considérablement selon les souches. Quoi qu’il en soit, comme pour les champignons, aucun
Pseudomonas spp. la prévalence a changé à la suite du traitement au glyphosate.Nous n’avons également constaté aucune réduction du rendement par l’application de glyphosate sur le maïs GR ou le soja GR dans les champs ayant une longue histoire d’utilisation du glyphosate ou sans historique d’utilisation du glyphosate (
Tableau 1 ). Dans une étude similaire portant sur le maïs sucré GR, il y a même eu une légère augmentation du rendement associée à l’application de glyphosate (
54 ). Cela pourrait être dû à l’hormèse, où des doses non phytotoxiques de glyphosate stimulent la croissance des plantes (
55 ). L’absence d’effets sur les rendements concorde avec l’absence d’effets néfastes substantiels sur les microbes de la rhizosphère.Le glyphosate est l’herbicide le plus utilisé dans le monde et les cultures GR sont les cultures transgéniques les plus utilisées (
11 ). Aux États-Unis, plus de 90 % des terres agricoles cultivées en soja, coton, betterave sucrière et maïs sont plantées en cultivars GR (
56 ). En 2014, les cultures GR ont reçu 88 % du glyphosate utilisé dans l’agriculture américaine. L’adoption du soja GR et l’utilisation intensive de glyphosate qui en découle en Argentine et au Brésil ont suivi une tendance similaire à celle des États-Unis (
11 ). Bien que les rendements du maïs et du soja aux États-Unis continuent d’augmenter à peu près aux mêmes rythmes qu’avant l’introduction des cultures GR (
57 ), une quantité importante de littérature suggère que le glyphosate devrait compromettre les cultures GR en modifiant négativement les populations de microbes du sol (voir, par exemple). , références
24 à 26 ). Cependant, bon nombre des études soutenant ce point de vue n’ont pas été menées dans des situations agricoles réalistes. Par exemple, l’une des études citées comme preuve des forts effets du glyphosate sur les microbes associés aux plantes a été réalisée dans une serre sur des plantes cultivées en culture hydroponique (
58 ). Relativement peu d’études ont étudié l’effet du glyphosate sur les communautés microbiennes du sol dans les systèmes agricoles avec ou sans héritage d’application de glyphosate. Les travaux décrits dans le présent article apportent une contribution importante à la détermination de l’effet du glyphosate sur les communautés procaryotes et fongiques du sol, car il s’agit d’une étude bien reproduite (dans le temps et dans l’espace) sur deux sites géographiquement séparés dans des systèmes agricoles réalistes avec des antécédents documentés d’utilisation du glyphosate. Le fait qu’il n’y ait aucun changement dû au glyphosate, associé à une tendance vers une plus grande diversité d’espèces dans les parcelles sans labour, suggère que cette pratique de gestion largement utilisée ne risque pas d’altérer les communautés microbiennes du sol de manière négative.
MATÉRIELS ET MÉTHODES
Conditions de terrain et conception expérimentale.
L’étude a été menée en 2013 et 2014 sur deux sites du Département américain de l’agriculture, du Service de recherche agricole (USDA-ARS), au Laboratoire des systèmes agricoles durables de Beltsville, dans le Maryland, et à l’Unité de recherche sur les systèmes de production végétale à Stoneville, MS (
Tableau 2 ). .TABLEAU 2TABLEAU 2 Description des systèmes agricoles représentés dans les expériences sur le terrain à Beltsville, MD, et Stoneville, MS, en 2013 et 2014a
| Emplacement | Philosophie de gestion | Travail du sol primaire | Histoire du glyphosate | Nom du système agricole |
|---|---|---|---|---|
| Beltsville | Conventionnel | Ciseau jusqu’à | Oui | CT |
| Conventionnel | Non jusqu’à | Oui | NT | |
| Rotation biologique de 3 ans | Charrue à versoir | Non | Organisation_3 | |
| Rotation biologique de 6 ans | Charrue à versoir | Non | Organisation_6 | |
| Pierreville | Conventionnel | Non jusqu’à | Oui | NT_15 ans |
| Conventionnel | Non jusqu’à | Non | NT_Aucun |
unChaque système agricole était représenté par du maïs et du soja résistants au glyphosate (GR), et chacun n’était pas traité ou traité au glyphosate à raison de 0,87 kg ha
−1 .Le site de Beltsville est géré dans le cadre d’un site de recherche agroécologique à long terme de l’USDA qui comprend des systèmes agricoles typiques de la région médio-atlantique décrits précédemment (
41 ,
59 ). Nous avons mené l’étude dans deux systèmes agricoles conventionnels, dont un utilisant une charrue chisel pour le labour primaire (CT) et un autre en gestion sans labour (NT). Ces deux systèmes s’appuient sur des engrais minéraux, des herbicides et d’autres pesticides selon les besoins pour gérer une rotation maïs (
Zea mays )-seigle (
Secale céréales )-soja (
Glycine max )-blé d’hiver (
Triticum aestivum )/soja. De plus, deux systèmes biologiques ont été utilisés sur ce site. Un système biologique est une rotation de 3 ans maïs-seigle-culture de couverture-soja-blé d’hiver/vesce velue (
Vicia villosa ) (Org3). La seconde est une rotation de cultures de 6 ans (Org6) dans laquelle la luzerne (
Medicago sativa ), culture pérenne en place depuis 3 ans, remplace la vesce présente dans Org3. Les systèmes biologiques reposent sur les légumineuses, la litière de volaille et le K
2 SO
4 pour fournir des éléments nutritifs aux cultures conformément aux résultats des analyses de sol et aux réglementations locales. Une charrue à versoir et/ou à burin est utilisée pour le travail du sol primaire, et le contrôle des mauvaises herbes comprenait l’utilisation d’une houe rotative et le travail entre les rangs après la plantation de maïs et de soja dans les systèmes biologiques.À Stoneville, l’expérience est composée de deux systèmes agricoles établis dans deux champs adjacents, l’un avec un héritage d’utilisation du glyphosate depuis 15 ans (NT_15yrs) et l’autre sans historique de glyphosate (NT_none). Quatre répétitions ont été délimitées dans chaque champ pour chaque système agricole. Le champ ayant des antécédents d’utilisation du glyphosate cultivait en rotation du soja GR et du coton (
Gossypium hirsutum ) au cours des 15 dernières années précédant l’expérience. Le champ sans historique de glyphosate avait été entretenu pour des études de biologie des mauvaises herbes dans une monoculture de cogongrass (
Imperata cylindrica ) sans herbicides appliqués pendant 12 ans avant l’expérience. La préparation du champ comprenait l’abattage du cogonggrass avec un travail du sol répété, la plantation de soja et de maïs non-GR pendant une saison avant l’expérience sur le terrain en cours et le fauchage au fléau à maturité. Au cours de l’expérience, chaque champ (NT_15yrs ou NT_none) a été divisé en deux, une moitié étant plantée en maïs et l’autre moitié en phase de soja de l’expérience. L’année suivante, des parties du champ qui avaient été ensemencées en maïs ont été ensemencées en soja et vice versa.L’expérience a été menée pendant les phases de rotation des cultures de maïs et de soja aux deux endroits. À chaque emplacement de chaque système agricole et combinaison de cultures, les traitements au glyphosate suivants ont été établis : un cultivar GR sans glyphosate appliqué, et le même cultivar GR avec du glyphosate appliqué à raison de 0,87 kg ha
−1 deux fois 4 semaines après la plantation. Il y a eu deux événements d’échantillonnage pour chaque unité expérimentale. Des échantillons de sol et de racines ont été prélevés au moment du « prétraitement », soit au stade de croissance V4. Le lendemain, du glyphosate a été appliqué sur les parcelles prévues pour recevoir du glyphosate. Environ 20 jours plus tard, un échantillon « postspray » a été prélevé dans chaque unité expérimentale. Les unités expérimentales à tous les emplacements étaient constituées de quatre rangées de 4,6 m de largeur et 6,1 m de longueur. Le cultivar de soja USG Allen (GR) a été semé à 526 400 graines ha
-1 , et le cultivar de maïs DKC 65-17 RR2 (GR) a été semé à 67 600 graines ha
-1 . À Beltsville, les parcelles de maïs ou de soja constituent chacune une phase de la rotation des parcelles principales qui est un système agricole (NT, CT, Org3 ou Org6) ; ainsi, chaque phase de la rotation est considérée comme une parcelle divisée de la parcelle principale. Aux deux endroits, quatre répétitions de chaque facteur et niveau ont été établies. Toutes les parcelles ont été débarrassées des mauvaises herbes grâce à un binage manuel selon les besoins.En octobre de chaque année, sur les deux sites, le maïs a été récolté avec une moissonneuse-batteuse pour petites parcelles Almaco (Nevada, IA) ; le rendement en grains a été calculé à 15,5 % d’humidité pour les deux rangées centrales des parcelles de 6,1 m. Au cours des deux années, sur le site de Stoneville, le soja a été récolté avec une moissonneuse-batteuse Almaco pour petites parcelles. À Beltsville, en 2013, le soja a été récolté avec une moissonneuse-batteuse Almaco pour petites parcelles, et en 2014, le soja a été récolté à la main et battu sur 3,05 m des deux rangées centrales. Les poids secs ont été calculés à 13,5 % d’humidité.
Caractéristiques de base du sol.
Les sols de Beltsville sont des ultisols limoneux limoneux des plaines côtières constitués principalement d’unités cartographiques de sol Christiana, Keyport, Matapeake et Mattapex. Les sols de Stoneville étaient un loam limoneux typique de l’Alfisol dominé par les unités cartographiques des sols de Dundee. Lors de la plantation, des échantillons de sol provenant des 15 premiers cm de profondeur ont été collectés dans chaque parcelle en combinant le sol de six carottes ou plus (7,5 cm de diamètre) échantillonnées de manière semi-aléatoire dans une parcelle donnée. Les échantillons ont été séchés à l’air et tamisés à 2 mm. Les carottes ont été collectées sur une ligne diagonale entre le deuxième et le troisième rang de culture, à 1 m de chaque extrémité d’une parcelle donnée. Des échantillons de sol ont été analysés par le laboratoire des services d’analyse agricole de l’université d’État de Pennsylvanie pour déterminer le pH, la teneur en matière organique (MO), la capacité d’échange cationique (CEC) et P, K, Mg, Ca, S, B, Zn, Mn, Fe, Teneur en Cu, As, Al, Ba, Cd, Co, Cr, Ni, Pb, Se et Sr. Le pH a été déterminé dans une dilution d’eau 1: 1, la MO a été déterminée par perte de masse lors de la combustion et la CEC a été déterminée en utilisant les méthodes de Ross et Ketterings (
60 ). Des extractions Mehlich 3 ont été réalisées pour obtenir du Ca, du Mg et du K du sol ; tous les autres métaux sont exprimés en éléments sorbés totaux selon la méthode EPA 3050 (
61 ).
Échantillonnage du sol et des racines de la rhizosphère.
Aux stades de croissance V3 à V4 (4 à 6 semaines après la plantation) et 1 jour avant l’application de glyphosate (pré-pulvérisation), six plantes et le sol associé à leurs racines ont été excavés de chaque parcelle en enlevant les monolithes de sol d’un diamètre de 30 cm ( tige de la culture au centre) et à 15 cm de profondeur à l’aide de pelles de précision stérilisées en surface. Les monolithes ont été placés sur un tamis, et la terre autour de la motte a été doucement retirée par agitation et passée à travers un tamis de 2 mm, appelé ici « terre de rhizosphère lointaine ». Le sol adhérant aux racines après cette procédure a été brossé sur un tamis de 2 mm à l’aide d’une brosse en poils de chameau, appelé ici « sol proche de la rhizosphère ». Les racines ont été soigneusement brossées sans compromettre l’intégrité de la surface des racines. Des échantillons de rhizosphère provenant des six plantes ont été regroupés et 5 g ajoutés à un tube Falcon de 15 ml contenant 10 ml de solution de conservation d’acide nucléique Mo Bio LifeGuard. Le contenu des tubes a été mélangé et congelé à –80°C. Les plantes ont été placées à 4°C jusqu’à la poursuite du traitement.
Identification des endophytes à partir des racines.
Des sections de racines de deux centimètres ont été coupées au hasard 16 fois dans chacun des six systèmes racinaires frais pour chaque traitement. Le poids humide total des 16 sections a été enregistré. Les coupes ont été stérilisées en surface pendant 2 minutes dans de l’hypochlorite de sodium à 1,25 %, suivies de trois rinçages à l’eau distillée stérile. Les coupes ont été séchées sur du papier absorbant stérile et huit coupes de racines ont été placées sur une plaque contenant le milieu de Komada (
62 ). Les racines plaquées ont été incubées à la lumière ambiante et à température ambiante jusqu’à l’émergence des colonies. Les mycéliums fongiques et les spores des colonies émergentes ont été échantillonnés et examinés au microscope Nikon E60 et identifiés au niveau du genre ou à des groupes morphologiques plus larges, sur la base de caractéristiques taxonomiques. Des colonies de morphologie typique ont été étalées sur un milieu minimal pour induire la sporulation en vue d’une identification plus approfondie. Des tests PCR pour les ITS, suivis d’un clonage et d’un séquençage, ont été réalisés sur plus de 384 colonies de morphologie typique pour valider l’identification microscopique. Les méthodes suivaient celles décrites dans la référence
63 . La qualité des séquences a été vérifiée et alignée à l’aide du logiciel de la suite DNAStar (DNAStar, Madison, WI, USA) et identifiée à l’aide de l’outil de recherche d’alignement local de base et de la banque de données nucléotidiques GenBank du National Center for Biotechnology Information à Bethesda, MD (
https:// www.ncbi.nlm.nih.gov/ ).
Préparation de bibliothèques de séquençage Illumina à partir de sols de rhizosphère.
La rhizosphère et les sols en vrac conservés dans LifeGuard à –80 °C ont été décongelés et 800 µl de chaque boue ont été traités à l’aide d’un kit d’isolement d’ADN de sol à 96 puits PowerSoil-htp (Mo Bio Laboratories, Inc., Solana Beach, Californie), selon aux recommandations du fabricant. L’ADN a été quantifié et sa qualité vérifiée à l’aide d’un spectrophotomètre NanoDrop 2000 (Thermo Fisher Scientific, Pittsburgh, PA). Des amplicons du gène de l’ARNr bactérien 16S ont été générés avec les amorces f515 et r806 (
64 ). Des amplicons fongiques ITS ont été générés avec les amorces ITS1 et ITS2 (
65 ). Le séquençage du gène de l’ARNr 16S et du métacode à barres ITS a été effectué conformément au manuel de préparation de la bibliothèque de protocoles Illumina (numéro de pièce 1504423 rév. B ; Illumina, Inc.). Cinq microlitres de produit d’amplicon adaptateur nettoyé pour chaque échantillon ont été utilisés pour la PCR d’indexation à l’aide du kit d’indexation Nextera XT (référence FC-131-1002 ; manuel de préparation de la bibliothèque de séquençage métagénomique 16S, référence 1504423 rév. B ; Illumina, Inc.) . Les produits de PCR index ont été nettoyés conformément au protocole Illumina (manuel de préparation de la bibliothèque de séquençage métagénomique 16S, référence 1504423 rév. B ; Illumina, Inc.), et des aliquotes de 2 µl par échantillon de chaque plaque PCR à 96 puits ont été regroupées pour le résultat final. Bibliothèque Illumina. Pour l’analyse, 100 µl de solutions à 10 nM de chaque pool de bibliothèques ont été congelés et expédiés sur de la neige carbonique pour analyse sur un système Illumina MiSeq au Centre de recherche sur le génome et de bioinformatique (CGRB), Oregon State University, Corvallis, OR. Pour Beltsville, un total de 512 échantillons ont été séquencés. Pour Stoneville, 256 échantillons ont été séquencés.
Bioinformatique et analyse statistique.
(i) Filtrage et découpage des séquences. Les lectures ont été renvoyées par le CGRB après un contrôle de qualité initial avec les flux de travail Illumina standard, y compris le filtrage de qualité et le découpage de l’adaptateur. Les scripts utilisés dans les étapes suivantes peuvent être trouvés sur
https://github.com/rmkepler/FSP_script_repository . Avant de joindre les extrémités appariées et l’attribution de la taxonomie, les amorces directes et inverses ont été supprimées et la qualité des séquences réduite (-q 22) à l’extrémité 3 ‘à l’aide de Cutadapt (version 1.8.3) (
66 ). Les lectures dépourvues de séquences d’amorces ou inférieures à 75 pb avant le découpage ont été rejetées.
(ii) Affectation d’assemblage et de taxonomie. Le package R Dada2 (
67 ) a été utilisé pour l’assemblage par paires et l’affectation de taxonomie. La commande « filterandtrim » a été utilisée pour supprimer les séquences avec un taux d’erreur attendu > 2 et toutes les séquences contenant des valeurs « N » (bases illisibles). Les taux d’erreur ont été estimés pour les lectures directes et inverses. Les lectures filtrées ont ensuite été dérépliquées avec la commande « derepFastq ». Les séquences dérépliquées ont été débruitées avec la commande « dada », puis les extrémités appariées ont été fusionnées. Les séquences chimériques ont été supprimées avec la commande « removeBimeraDenovo ». La taxonomie a été attribuée à la table de séquences sans chimère avec l’implémentation dada2 du classificateur RDP (
68 ). La base de données UNITE (v. 7.2) (
69 ) a été utilisée comme référence pour l’identification des variantes de séquence ITS fongiques, et SILVA (version 132) (
70 ) a été utilisée pour les procaryotes.
(iii) Analyse communautaire. Nous avons transformé les données sur le gène de l’ARNr 16S et le nombre de communautés ITS en abondances relatives, puis avons calculé la dissimilarité de Bray-Curtis. L’analyse des correspondances sans tendance (DCA) a été appliquée à la matrice de dissimilarité de Bray-Curtis à l’aide du package VEGAN v. 2.4 (
71 ) tel qu’implémenté dans phyloseq v. 1.22.2 (
72 ) pour les codes-barres fongiques et procaryotes. PERMANOVA a été utilisé pour évaluer l’importance des facteurs liés à la culture et à l’emplacement.Après un sous-ensemble par culture et par emplacement, la richesse et la régularité ont été estimées à partir d’ensembles de données raréfiées des décomptes de séquences brutes à l’aide de VEGAN. DESeq2 v. 1.18.1 (
73 ) a été utilisé pour produire des ensembles de données à variance stabilisée (
74 ) à partir de décomptes non raréfiés. Les ordinations ont été réalisées à l’aide de l’analyse des correspondances canoniques (ACC) et d’un modèle de la forme « ∼ système + année » avec VEGAN. Nous avons utilisé PERMANOVA pour déterminer l’importance des principaux effets et interactions entre les facteurs suivants : système agricole, zone de sol, traitement au glyphosate, date d’échantillonnage et année. Le facteur du système agricole comportait 4 catégories pour Beltsville (CT, NT, Org3 et Org6) et 2 pour Stoneville (NT_none et NT_15yr). Tous les autres facteurs avaient deux catégories aux deux endroits, comme suit : zone de sol (en vrac et rhizosphère), année (2013 et 2014), traitement au glyphosate (pulvérisation et non pulvérisation) et date d’échantillonnage (application de glyphosate avant pulvérisation et application de glyphosate après pulvérisation). Un modèle à mesures répétées basé sur l’identification des parcelles (ID) a été utilisé.L’effet du traitement au glyphosate sur les communautés microbiennes a été testé avec le test de rang signé de Wilcoxon sur les différences entre les dates, tel que mis en œuvre dans le plug-in longitudinal pour Qiime2 (
75 ). Le test a été appliqué séparément pour trois mesures de diversité pour les données à variance stabilisée, déterminées avec VEGAN, observé, l’indice de Shannon et l’indice de Simpson.
(iv) Taxons différentiellement abondants. Des tests pour des taxons différentiellement abondants en réponse au traitement au glyphosate ont été réalisés dans DESeq2 en utilisant des tests de rapport de vraisemblance après avoir sous-divisé les données fongiques et procaryotes par emplacement, culture et système agricole. Le test a comparé un modèle complet comprenant le groupe, les termes de date d’échantillonnage et un terme d’interaction, où le groupe est défini comme la combinaison du système agricole et du traitement au glyphosate (par exemple, Org3_spray) et la date d’échantillonnage correspond aux événements d’échantillonnage avant et après pulvérisation. Le modèle complet a été comparé à un modèle réduit dépourvu du terme d’interaction. Ainsi, les taxons présentant des valeurs
P significatives indiquent que la date d’échantillonnage et l’application de glyphosate ont interagi pour être d’importants prédicteurs de leur abondance. Cela a été testé pour chaque taxon fongique et procaryote identifié. Des ensembles de données avec des décomptes non transformés ont été utilisés comme données de départ, dont la variance a ensuite été stabilisée pendant les tests.Les différences dans la chimie du sol ont été évaluées par analyse discriminante canonique à l’aide du package candisc v. 0.8.0 dans R. Les différences dans la chimie du sol ont été visualisées avec une mise à l’échelle multidimensionnelle non métrique de la dissimilarité de Bray-Curtis et des vecteurs tracés pour les différents constituants chimiques à l’aide du métaMDS et envfit fonctions de VEGAN, respectivement.
Disponibilité des données.
Les données sont accessibles sous le numéro NCBI BioProject
REMERCIEMENTS
Chris Rasmann et Gwen Bagley ont contribué de manière substantielle à la gestion sur le terrain et à l’échantillonnage des parcelles de Beltsville. Le regretté John Lydon a contribué à la conception expérimentale.Nous ne déclarons aucun conflit d’intérêts.
note de bas de page
[Cet article a été publié le 18 février 2020, avec le suffixe du nom de Martin M. Williams II affiché à tort comme « Jr. » dans la signature et les références 35, 36 et 54. Cela a été corrigé dans la version de l’article publiée le 18 septembre 2020. De plus, le prénom de Jeffrey S. Buyer était affiché à tort comme « Jeffery », et cela a été corrigé. dans la version de l’article publiée le 14 octobre 2020.]
Matériel supplémentaire
Fichier (aem.01744-19-s0001.pdf)
- TÉLÉCHARGER
- 1,02 Mo
Fichier (aem.01744-19-sd002.xlsx)
- TÉLÉCHARGER
- 6,41 Mo
Fichier (aem.01744-19-sd003.xlsx)
- TÉLÉCHARGER
- 3,13 Mo
Fichier (aem.01744-19-sd004.xlsx)
- TÉLÉCHARGER
- 8,48 Mo
Fichier (aem.01744-19-sd005.xlsx)
- TÉLÉCHARGER
- 8,89 Mo
ASM ne détient pas les droits d’auteur sur le matériel supplémentaire qui peut être lié à un article ou accessible via celui-ci. Les auteurs ont accordé à ASM une licence mondiale non exclusive pour publier les fichiers de matériel supplémentaire. Veuillez contacter directement l’auteur correspondant pour une réutilisation.
LES RÉFÉRENCES
1.Cardoso IM, Kuyper TW. 2006. Mycorhizes et fertilité des sols tropicaux.
Agric Ecosyst Environ 116 : 72-84.
Google Scholar2.Muñoz N, Qi X, Li MW, Xie M, Gao Y, Cheung MY, Wong FL, Lam HM. 2016. L’amélioration de la capacité de fixation de l’azote pourrait faire partie du processus de domestication du soja.
Hérédité (Edinb) 117 : 84-93.
Google Scholar3.Dodd IC, Zinovkina NY, Safronova VI, Belimov AA. 2010. Médiation rhizobactérienne du statut hormonal des plantes.
Ann Appl Biol 157 : 361-379.
Google Scholar4.Kepler RM, Maul JE, Rehner SA. 2017. Gestion du microbiome végétal pour les champignons de biocontrôle : exemples d’Hypocreales.
Curr Opin Microbiol 37 : 48-53.
Google Scholar5.Bakker MG, Manter DK, Sheflin AM, Weir TL, Vivanco JM. 2012. Exploiter le microbiome de la rhizosphère grâce à la sélection végétale et à la gestion agricole.
Sol végétal 360 : 1-13.
Google Scholar6.Mueller UG, Sachs JL. 2015. Ingénierie des microbiomes pour améliorer la santé des plantes et des animaux.
Tendances Microbiol 23 : 606-617.
Google Scholar7.Cohen, J.E.. 2003. Population humaine : le prochain demi-siècle.
Sciences 302 : 1172-1175.
Google Scholar8.Hartman K, van der Heijden MGA, Wittwer RA, Banerjee S, Walser JC, Schlaeppi K. 2018. Les pratiques agricoles manipulent les modèles d’abondance des membres du microbiome des racines et du sol, ouvrant la voie à une agriculture intelligente.
Microbiome 6:14.
Google Scholar9.Zinger L, Bonin A, Alsos IG, Bálint M, Bik H, Boyer F, Chariton AA, Creer S, Coissac E, Deagle BE, Barba MD, Dickie IA, Dumbrell AJ, Ficetola GF, Fierer N, Fumagalli L, Gilbert MTP , Jarman S, Jumpponen A, Kauserud H, Orlando L, Pansu J, Pawlowski J, Tedersoo L, Thomsen PF, Willerslev E, Taberlet P. 2019. Métabarcoding ADN : nécessité de modèles expérimentaux robustes pour tirer des conclusions écologiques solides.
Mol Ecol 28 : 1857-1862.
Google Scholardix.Busby PE, Soman C, Wagner MR, Friesen ML, Kremer J, Bennett A, Morsy M, Eisen JA, Leach JE, Dangl JL. 2017. Priorités de recherche pour exploiter les microbiomes végétaux dans une agriculture durable.
PLoS Biol 15 :e2001793.
Google Scholar11.Benbrook CM. 2016. Tendances de l’utilisation de l’herbicide glyphosate aux États-Unis et dans le monde.
Environ Sci Eur 28:3.
Google Scholar12.Duc SO, Powles SB. 2008. Glyphosate : un herbicide unique en son genre.
Gestion antiparasitaire Sci 64 : 319-325.
Google Scholar13.Wardle DA. 1995. Impacts des perturbations sur les réseaux trophiques de détritus dans les agro-écosystèmes dus à des pratiques contrastées de travail du sol et de gestion des mauvaises herbes.
Adv Ecol Rés 26 : 105-185.
Google Scholar14.Frey SD, Elliott ET, Paustian K. 1999. Abondance et biomasse bactériennes et fongiques dans les agroécosystèmes conventionnels et sans labour le long de deux gradients climatiques.
Sol Biol Biochem 31 : 573-585.
Google Scholar15.Steinrücken HC, Amrhein N. 1980. L’herbicide glyphosate est un puissant inhibiteur de l’acide 5-énolpyruvylshikimique-3-phosphate synthase.
Biochem Biophys Res Commun. 94 : 1207-1212.
Google Scholar16.Dill GM, Sammons Rd, Feng PCC, Kohn F, Kretzmer K, Mehrsheikh A, Bleeke M, Honegger JL, Farmer D, Wright D, Haupfear EA. 2010. Glyphosate : découverte, développement, applications et propriétés, p 1–33.
Dans Nandula VK (éd.),
Résistance au glyphosate dans les cultures et les mauvaises herbes . John Wiley & Sons, Ltd., New York, État de New York.
Google Scholar17.Borggaard OK, Gimsing AL. 2008. Devenir du glyphosate dans le sol et possibilité de lessivage dans les eaux souterraines et de surface : un examen.
Gestion antiparasitaire Sci 64 : 441-456.
Google Scholar18.Johal GS, Rahé JE. 1984. Effet des champignons phytopathogènes du sol sur l’action herbicide du glyphosate sur les semis de haricots.
Phytopathologie 74 : 950-955.
Google Scholar19.Hammerschmidt R. 2018. Comment le glyphosate affecte le développement des maladies des plantes : c’est plus qu’une susceptibilité accrue.
Pest Management Sci 74 : 1054-1063.
Google Scholar20.Duc SO. 1988.
Glyphosate , p. 1-70.
Dans Kearney PC, Kaufman DD (éd.), Herbicides – chimie, dégradation et mode d’action. Marcel Dekker, Inc., New York, New York.
Google Scholar21.Coupland D, Caseley JC. 1979. Présence d’une activité 14c dans les exsudats racinaires et le liquide de guttation d’
Agropyron repens traités avec du glyphosate marqué au
14C .
Nouveau Phytole 83 : 17-22.
Google Scholar22.Laitinen P, Rämö S, Siimes K. 2007. Translocation du glyphosate des plantes vers le sol – cela constitue-t-il une proportion significative des résidus dans le sol ?
Sol végétal 300 : 51-60.
Google Scholar23.Torstensson L. 1985. Comportement du glyphosate dans les sols et sa dégradation.
Dans Grossbard E, Atkinson D (éd.),
L’herbicide glyphosate . Butterworths, Londres, Royaume-Uni.
Google Scholar24.Kremer RJ, signifie NE. 2009. Interactions du glyphosate et des cultures résistantes au glyphosate avec les micro-organismes de la rhizosphère.
Eur J Agron 31 : 153-161.
Google Scholar25.Van Bruggen AHC, He MM, Shin K, Mai V, Jeong KC, Finckh MR, Morris JG. 2018. Effets environnementaux et sanitaires de l’herbicide glyphosate.
Sci Total Environ 616-617 : 255-268.
Google Scholar26.Martinez DA, Loening UE, Graham MC. 2018. Impacts des herbicides à base de glyphosate sur la résistance aux maladies et la santé des cultures : une revue.
Environ Sci Eur 30:2.
Google Scholar27.Larson RL, Hill AL, Fenwick A, Kniss AR, Hanson LE, Miller SD. 2006. Influence du glyphosate sur la pourriture des racines
à Rhizoctonia et
Fusarium dans la betterave sucrière.
Pest Management Sci 62 : 1182-1192.
Google Scholar28.Zobiole LHS, Kremer RJ, Oliveira RS, Constantin J. 2011. Le glyphosate affecte les micro-organismes des rhizosphères du soja résistant au glyphosate.
J Appl Microbiol 110 : 118-127.
Google Scholar29.Barnett KA, Sprague CL, Kirk WW, Hanson LE. 2012. Influence du glyphosate sur la pourriture du collet et des racines à Rhizoctonia (
Rhizoctonia solani ) chez la betterave sucrière résistante au glyphosate.
Mauvaises herbes Sci 60 : 113-120.
Google Scholar30.Kandel YR, Bradley CA, Wise KA, Chilvers MI, Tenuta AU, Davis VM, Esker PD, Smith DL, Licht MA, Mueller DS. 2015. Effet de l’application de glyphosate sur le syndrome de mort subite du soja résistant au glyphosate dans des conditions de terrain.
Plante Dis 99 : 347-354.
Google Scholar31.Duc SO. 2018. Interaction des pesticides chimiques et des ingrédients de leur formulation avec les microbes associés aux plantes et aux ravageurs des plantes.
J Agric Food Chem 66 : 7553–7561.
Google Scholar32.Schlatter DC, Yin C, Burke I, Hulbert S, Paulitz T. 2017. L’emplacement, la proximité des racines et l’historique d’utilisation du glyphosate modulent les effets du glyphosate sur les réseaux de communautés fongiques du blé.
Microbe Ecol 76 : 240-257.
Google Scholar33.Schlatter DC, Yin C, Hulbert S, Burke I, Paulitz T. 2017. Les impacts de l’utilisation répétée du glyphosate sur les bactéries associées au blé sont faibles et dépendent de l’historique d’utilisation du glyphosate.
Application Environ Microbiol 83:e01354-17.
Google Scholar34.Nguyen DB, Rose MT, Rose TJ, Morris SG, van Zwieten L. 2016. Impact du glyphosate sur la biomasse microbienne du sol et la respiration : une méta-analyse.
Sol Biol Biochem 92 : 50-57.
Google Scholar35.Reddy KN, Cizdziel JV, Williams MM, Jr, Maul JE, Rimando AM, Duke SO. 2018. La technologie de résistance au glyphosate a un effet minime, voire nul, sur la teneur en minéraux et le rendement du maïs.
J Agric Food Chem 66 : 10139-10146.
Google Scholar36.Duke SO, Rimando AM, Reddy KN, Cizdziel JV, Bellaloui N, Shaw DR, Williams MM, Jr, Maul JE. 2018. Absence d’effets des transgènes et du glyphosate sur le rendement et la teneur en minéraux et en acides aminés du soja résistant au glyphosate.
Pest Management Sci 74 : 1166-1173.
Google Scholar37.Kielak AM, Barreto CC, Kowalchuk GA, van Veen JA, Kuramae EE. 2016. L’écologie des acidobactéries : aller au-delà des gènes et des génomes.
Microbiol avant 7:744.
Google Scholar38.Ishaq SL, Johnson SP, Miller ZJ, Lehnhoff EA, Olivo S, Yeoman CJ, Menalled FD. 2017. Impact des systèmes de culture, de l’inoculum du sol et de l’identité des espèces végétales sur la structure de la communauté bactérienne du sol.
Microbe Ecol 73 : 417-434.
Google Scholar39.Yabe S, Sakai Y, Abe K, Yokota A. 2017. Diversité des
Ktedonobacteria avec une morphologie de type actinomycètes dans les environnements terrestres.
Microbes Environ 32 : 61-70.
Google Scholar40.Treonis AM, Unangst SK, Kepler RM, Buyer JS, Cavigelli MA, Mirsky SB, Maul JE. 2018. Caractérisation des communautés de nématodes du sol dans trois systèmes de culture grâce à des approches morphologiques et de métabarcoding ADN.
Sci Rep 8 : 2004.
Google Scholar41.Spargo JT, Cavigelli MA, Mirsky SB, Maul JE, Meisinger JJ. 2011. Azote minéralisable du sol et matière organique labile du sol dans divers systèmes de culture à long terme.
Nutr Cycl Agroecosyst 90 : 253-266.
Google Scholar42.Hoffman E, Cavigelli MA, Camargo G, Ryan M, Ackroyd VJ, Richard TL, Mirsky S. 2018. Utilisation d’énergie et émissions de gaz à effet de serre dans la production de céréales biologiques et conventionnelles : prise en compte des apports de nutriments.
Système agricole 162 : 89-96.
Google Scholar43.Cavigelli MA, Teasdale JR, Conklin AE. 2008. Performance agronomique à long terme des grandes cultures biologiques et conventionnelles dans la région médio-atlantique.
Agron J 100 : 785-794.
Google Scholar44.Shade A, Peter H, Allison SD, Baho D, Berga M, Buergmann H, Huber DH, Langenheder S, Lennon JT, Martiny JB, Matulich KL, Schmidt TM, Handelsman J. 2012. Fondamentaux de la résistance et de la résilience des communautés microbiennes.
Microbiol avant 3:417.
Google Scholar45.Shinabarger DL, Braymer HD. 1986. Catabolisme du glyphosate par
Pseudomonas sp. souche PG2982.
J Bactériol 168 : 702-707.
Google Scholar46.Dick RE, Quinn JP. 1995. Isolats dégradant le glyphosate provenant d’échantillons environnementaux : occurrence et voies de dégradation.
Appl Microbiol Biotechnologie 43 : 545-550.
Google Scholar47.Blake R, Pallett K. 2018. Le devenir environnemental et l’écotoxicité du glyphosate.
Google Scholar48.Imfeld G, Vuilleumier S. 2012. Mesurer les effets des pesticides sur les communautés bactériennes du sol : une revue critique.
Eur J Soil Biol 49 : 22-30.
Google Scholar49.Hart MM, Powell JR, Gulden RH, Dunfield KE, Peter Pauls K, Swanton CJ, Klironomos JN, Antunes PM, Koch AM, Trevors JT. 2009. Séparer l’effet de la culture de l’herbicide sur les communautés microbiennes du sol dans le maïs résistant au glyphosate.
Pédobiologie 52 : 253-262.
Google Scholar50.Laurence MH, Summerell BA, Burgess LW, Liew E. 2014. Concordance généalogique, reconnaissance des espèces phylogénétiques dans le complexe d’espèces
de Fusarium oxysporum .
Biol fongique 118 : 374-384.
Google Scholar51.Curran B, Jonas D, Grundmann H, Pitt T, Dowson CG. 2004. Développement d’un schéma de typage de séquences multilocus pour le pathogène opportuniste
Pseudomonas aeruginosa .
J Clin Microbiol 42 : 5644-5649.
Google Scholar52.Kepler RM, Rehner SA. 2013. Développement assisté par le génome de marqueurs de séquence nucléaire intergénique pour les champignons entomopathogènes du complexe d’espèces
Metarhizium anisopliae .
Mol Ecol Resour 13 : 210-217.
Google Scholar53.Kepler RM, Ugine TA, Maul JE, Cavigelli MA, Rehner SA. 2015. Composition de la communauté et génétique des populations de champignons pathogènes des insectes du genre
Metarhizium provenant des sols d’un système de recherche agricole à long terme.
Environ Microbiol 17 : 2791-2804.
Google Scholar54.Williams MM, Jr, Bradley CA, Duke SO, Maul JE, Reddy KN. 2015. L’incidence de la flétrissure de Goss dans le maïs sucré est indépendante des caractères transgéniques et du glyphosate.
HortScience 50 : 1791.
Google Scholar55.Brito IP, Tropaldi L, Carbonari CA, Velini ED. 2018. Effets hormétiques du glyphosate sur les plantes.
Pest Management Sci 74 : 1064-1070.
Google Scholar56.Duc SO. 2018. L’histoire et l’état actuel du glyphosate.
Pest Management Sci 74 : 1027-1034.
Google Scholar57.Duc SO, Reddy KN. 2018. La nutrition minérale des cultures résistantes au glyphosate est-elle altérée par le traitement au glyphosate ?
Outlook Pest Management 29 : 206-208.
Google Scholar58.Kremer R, Means N, Kim S. 2005. Le glyphosate affecte l’exsudation des racines de soja et les micro-organismes de la rhizosphère.
Int J Environ Anal Chem 85 : 1165-1174.
Google Scholar59.Cavigelli MA, Lengnick LL, Buyer JS, Fravel D, Handoo Z, McCarty G, Millner P, Sikora L, Wright S, Vinyard B, Rabenhorst M. 2005. Variation au niveau du paysage des ressources du sol et des propriétés microbiennes dans un maïs sans labour. champ.
Google Scholar60.Ross DS, Ketterings Q. 1995. Méthodes recommandées pour déterminer la capacité d’échange cationique du sol, p 62-70.
Dans Procédures d’analyse de sol recommandées pour le nord-est des États-Unis . Bulletin coopératif du Vermont no. 493.
Google Scholar61.EPA des États-Unis. 1986. Méthodes d’essai pour l’évaluation des déchets solides, 3e éd. SW-846. Service national d’information technique, Agence américaine de protection de l’environnement, Springfield, VA.
Google Scholar62.Komada H. 1975. Développement d’un milieu sélectif pour l’isolement quantitatif de
Fusarium oxysporum à partir du sol naturel.
Rév. Protection des Plantes Res 8 : 114-124.
Google Scholar63.Martin KJ, Rygiewicz PT. 2005. Amorces PCR spécifiques aux champignons développées pour l’analyse de la région ITS d’extraits d’ADN environnemental.
BMC Microbiol 5:28.
Google Scholar64.Caporaso JG, Lauber CL, Walters WA, Berg-Lyons D, Lozupone CA, Turnbaugh PJ, Fierer N, Knight R. 2011. Modèles globaux de diversité d’ARNr 16S à une profondeur de millions de séquences par échantillon.
Proc Natl Acad Sci USA 108 : 4516–4522.
Google Scholar65.White TJ, Bruns TD, Lee S, Taylor J. 1990. Amplification et séquençage direct des gènes d’ARN ribosomique fongique pour la phylogénétique, p 315-322.
Dans Innis MA, Gelfand DH, Sninsky JJ, White TJ (éd.),
Protocoles PCR, guide des méthodes et applications . Presse académique, San Diego, Californie.
Google Scholar66.Martin M. 2011. Cutadapt supprime les séquences d’adaptateur des lectures de séquençage à haut débit.
Google Scholar67.Callahan BJ, McMurdie PJ, Rosen MJ, Han AW, Johnson AJA, Holmes SP. 2016. DADA2 : inférence d’échantillons haute résolution à partir des données d’amplicons Illumina.
Méthodes Nat 13 : 581-583.
Google Scholar68.Wang Q, Garrity GM, Tiedje JM, Cole JR. 2007. Classificateur bayésien naïf pour l’attribution rapide de séquences d’ARNr dans la nouvelle taxonomie bactérienne.
Appl Environ Microbiol 73 : 5261–5267.
Google Scholar69.Nilsson RH, Larsson KH, Taylor AFS, Bengtsson-Palme J, Jeppesen TS, Schigel D, Kennedy P, Picard K, Glöckner FO, Tedersoo L, Saar I, Kõljalg U, Abarenkov K. 2019. La base de données UNITE pour l’identification moléculaire des champignons : gestion des taxons sombres et classifications taxonomiques parallèles.
Acides nucléiques Res 47 : D259–D264.
Google Scholar70.Quast C, Pruesse E, Yilmaz P, Gerken J, Schweer T, Yarza P, Peplies J, Glöckner FO. 2013. Le projet de base de données de gènes d’ARN ribosomal SILVA : traitement des données amélioré et outils Web.
Acides nucléiques Res 41 : D590–D596.
Google Scholar71.Dixon P. 2003. VEGAN, un ensemble de fonctions R pour l’écologie communautaire.
Google Scholar72.McMurdie PJ, Holmes S. 2013. Phyloseq : un package R pour une analyse interactive reproductible et des graphiques des données de recensement du microbiome.
Google Scholar73.Love MI, Huber W, Anders S. 2014. Estimation modérée du changement de pli et de la dispersion pour les données RNA-seq avec DESeq2.
Google Scholar74.McMurdie PJ, Holmes S. 2014. Ne gaspillez pas, ne voulez pas : pourquoi la raréfaction des données sur le microbiome est inadmissible.
Google Scholar75.Bokulich NA, Dillon MR, Zhang Y, Rideout JR, Bolyen E, Li H, Albert PS, Caporaso JG, Bokulich NA, Dillon MR, Zhang Y, Rideout JR, Bolyen E, Li H, Albert PS, Caporaso JG. 2018. q2-longitudinal : analyses longitudinales et par échantillons appariés des données du microbiome.