Phytoplankton community structure and temporal patterns: a comparison between microscopy and metabarcoding approaches
Il monitoraggio della biodiversità della comunità fitoplanctonica è essenziale per rilevare la salute
degli ecosistemi marini, anche in relazione ai cambiamenti climatici. In questo studio è stata analizzata
la comunità fitoplanctonica della stazione costiera del sito eLTER Senigallia-Susak transect nel mare
Adriatico settentrionale, combinando microscopia ottica e metabarcoding (considerando le regioni V4
e V9 del gene 18S rRNA e utilizzando SILVA e PR2 come database di riferimento), al fine di
evidenziare i vantaggi e gli svantaggi di ciascun metodo.
Il metabarcoding è uno strumento straordinario per rilevare la composizione tassonomica del
popolamento fitoplanctonico ma permette di ottenere solo la sua composizione in termini percentuali
(abbondanza e biomassa relativa). D’altra parte, il metodo classico (microscopio ottico rovesciato)
fornisce i valori di abbondanza e biomassa assoluti, ma ha un potere risolutivo molto inferiore
nell’identificazione dei taxa.
Il metabarcoding ha rilevato 99 generi e 151 specie mai registrate nell’area di studio; d’altra parte,
l'analisi al microscopio ha identificato 14 generi e 44 specie non trovate mediante analisi tramite
metabarcoding.
Considerando che il metabarcoding misura la quantità di determinate sequenze di DNA presenti in un
campione e non il numero delle singole cellule presenti, gruppi fitoplanctonici caratterizzati da nuclei
più grandi (es. dinoflagellate), che generalmente possiedono più copie del gene 18S rRNA, risultano
sovrastimati. Pertanto, in questo studio sono stati applicati fattori di conversione (CF) sia ai valori di
abbondanza sia a quelli di biomassa, e i risultati ottenuti sono stati paragonati a quelli forniti dalla
microscopia.
La composizione del popolamento in termini di abbondanza, ottenuta tramite analisi con il
metebarcoding, dopo l’applicazione del CF è risultata comparabile con quella ottenuta attraverso il
conteggio al microscopio: le fitoflagellate erano il gruppo dominante in tutto il periodo di studio,
seguite dalle diatomee e dalle dinoflagellate. Al contrario, senza l’applicazione del CF, il
metabarcoding sovrastimava le dinoflagellate che risultavano dominanti in quasi tutto il periodo di
studio, anche quando il gruppo dominante era quello delle diatomee.
Per quanto riguarda la biomassa, l’applicazione del CF ai valori ottenuti tramite il metabarcoding non
ha prodotto risultati soddisfacenti quando confrontati con i valori ottenuti al microscopio tramite la
stima dei biovolumi cellulari.
In conclusione, il metabarcoding è in grado di identificare un numero di taxa ben superiore a quello
ottenuto tramite microscopia, ma richiede l’implementazione dei database di riferimento e controlli
regolari nelle assegnazioni tassonomiche e nella nomenclatura, date le numerose lacune ancora
presenti in alcuni dataset relativi a determinati taxa (in particolare i coccolitofori). Tuttavia, il metodo
molecolare dovrebbe essere combinato con l’analisi al microscopio che fornisce la stima
dell’abbondanza assoluta. In questo contesto, i fattori di conversione si sono rivelati strumenti preziosi
che potenzialmente possono migliorare il confronto dei dati ottenuti tramite i due metodi, ma sono
necessari ulteriori esperimenti per identificare i CF più adatti, specialmente per i dati di biomassa.
Monitoring the structure and composition of phytoplankton communities is essential to detect changes
in the marine ecosystems, also related to climate changes. In this study, the phytoplankton community
of an eLTER station in the northern Adriatic Sea was analyzed combining microscopy and
metabarcoding (targeting the V4 and V9 regions of the 18S rRNA gene and using SILVA and PR2 as
reference databases), to highlight the advantages and disadvantages in their use.
Metabarcoding revealed an undetected biodiversity, identifying 99 genera and 151 species that were
never recorded in the study area but failed in revealing most coccolithophores. Microscopy analysis
found 14 genera and 44 species that were not detected by metabarcoding.
Considering that metabarcoding measures the quantity of sequences present in a sample, larger cells
(e.g., dinoflagellates), with more copies of the 18S rRNA gene, could be overestimated. Therefore, we
applied conversion factors both for the relative abundances and biomasses. Our results showed that
the application of conversion factor narrows the gap between the microscopy and metabarcoding
methods in the estimation of the relative abundances. On the contrary, the use of CF for biomass
decreases the similarity between metabarcoding and microscopy, compared to the data without the use
of CF. In conclusion, metabarcoding is a powerful tool to improve the assessment of phytoplankton
diversity, although it requires improvements, such as the implementation of reference databases, and
regular checks in the taxonomy assignments and nomenclature. However, it should still be combined
with microscopy to have a more comprehensive view of phytoplankton communities. In this context,
CF are valuable tools that potentially enhance data comparison between the two methods, but further
testing and refinement are necessary to identify the most suitable ones, especially for biomass data.