编辑推荐：
为解决植物调节根际微生物群落招募过程的遗传机制不明问题，研究人员开展对杨树在营养贫瘠条件下的转录组、代谢组和微生物组整合研究。结果生成多组学数据集并分析出相关关系，这有助于理解植物与微生物互作，为植物研究提供新思路。
在神秘的植物世界里，植物与微生物之间的互动就像一场精妙的 “舞蹈”，它们相互影响，共同维持着生态系统的平衡。植物的根际微生物群落，这个围绕在植物根部周围的微小世界，对植物的生长发育、抵抗外界压力起着至关重要的作用。想象一下，植物就像一个小小的 “王国”，根际微生物群落就是它的 “守护者”，帮助植物更好地适应环境。然而，目前科学家们对于植物是如何调控根际微生物群落招募过程的遗传机制，了解还十分有限。就好像我们知道这场 “舞蹈” 很重要，但却不清楚舞者们遵循的是什么样的 “舞步规则”。
为了揭开这个神秘的面纱，北京林业大学的研究人员踏上了探索之旅。他们以杨树（Populus L.）为研究对象，开展了一项综合性的研究。杨树作为一种常见的木本植物，在生态系统中扮演着重要角色。研究人员收集了来自四个不同分类组的九个代表性杨树品种，将它们种植在营养贫瘠的自然土壤中。在这样的环境下，更能凸显出植物与微生物之间的相互协作。
研究人员经过一系列精心的实验操作，最终得出了许多重要结论。他们成功生成了一个全面的数据集，涵盖了 27 个根转录组、27 个根代谢组以及 54 个土壤样本（包括块状土壤和根际土壤）的 16S rRNA 扩增子数据，同时还测定了十一个生长表型数据。通过对这些数据的深入分析，研究人员构建了共表达网络，成功打破了植物基因 - 代谢物 - 微生物 - 表型之间的 “壁垒”，明确了在营养贫瘠条件下，植物基因表达、代谢物积累、生长行为以及根际微生物组变化之间的紧密联系。这就像是找到了打开植物与微生物互作奥秘之门的钥匙，为我们理解植物的生存策略提供了关键线索。这项研究成果发表在《Scientific Data》上，为后续相关研究奠定了坚实基础。
在研究过程中，研究人员运用了多种关键技术方法。首先是样本采集技术，他们精心挑选了合适的杨树品种和土壤样本，确保实验材料的可靠性。然后采用 16S rRNA 基因测序技术，分析土壤中微生物群落的组成；利用转录组测序技术，测定根组织中的基因表达情况；运用代谢组学技术，检测根中的代谢物种类和含量。通过这些技术，从不同层面获取了大量的数据，为后续分析提供了有力支持。
下面来具体看看研究结果。在 “植物和土壤材料、生长条件” 方面，研究人员选用了九个杨树品种，其种苗分别来源于实验室保存或山东某林场，土壤则采集自不同的杨树种植区域，经过混合后用于盆栽实验。在统一的生长环境下培育三个月，期间进行适量浇水和施肥，保证实验条件的一致性。
在 “植物测量和样本采集” 环节，研究人员对九个杨树品种的十一个代表性性状进行了测量，包括形态结构（如株高、地径、地上和地下生物量等）、生理功能（叶绿素含量）以及成分含量（叶氮含量）等方面。在采集样本时，针对不同的分析目的，选取了细根（<2mm）、根际土壤和块状土壤等样本，并进行了妥善处理和保存。
“16S rRNA 基因测序和微生物组分析” 部分，研究人员对根际土壤和块状土壤样本进行 DNA 提取、PCR 扩增，构建测序文库后在 Illumina NovaSeq 平台测序。通过一系列生物信息学分析方法，如使用 QIIME、USEARCH 等软件，对测序数据进行处理，从而确定微生物群落的组成和多样性。
“根总 RNA 提取、转录组测序和分析” 中，从杨树根组织提取总 RNA，构建 cDNA 文库后在 HiSeq 6000 平台测序。对原始测序数据进行质量控制，将清洗后的数据映射到参考基因组上，进而分析基因表达水平，筛选出差异表达基因。
“代谢物测量和代谢组分析” 里，研究人员将细根样本研磨后进行代谢物提取，利用 HPLC - MS/MS 系统对代谢物进行分离和检测。通过特定的数据库比对，实现代谢物的鉴定和定量分析，并运用多种统计方法，如 PLS - DA、t 检验等，筛选出差异代谢物。
最后在 “共表达网络的建立” 中，研究人员运用 R 语言的相关包，对根样本中的黄酮类化合物进行共表达 / 共调控分析。通过严格的相关性分析，筛选出与黄酮类化合物显著相关的差异表达基因（DEGs）和微生物（ASVs），构建了共表达网络。
综合研究结果，研究人员成功构建了杨树在营养贫瘠条件下的多组学数据集，并通过共表达网络分析揭示了基因、代谢物、微生物和表型之间的复杂关系。这一研究成果意义重大，不仅增强了我们对植物与微生物相互作用的理解，还为解决植物如何调节根际微生物群落组成和功能这一科学问题提供了宝贵的策略和新的见解，有望为未来的植物遗传育种和生态修复等研究提供有力的理论支持。
