利用空气环境DNA测序技术监测农作物病原体与害虫：一种非靶向性监测新方法

《iScience》：Sequencing airborne DNA to monitor crop pathogens and pests

本研究针对传统农作物病虫害监测方法存在靶向性局限的问题，创新性地采用空气环境DNA(eDNA)宏基因组测序技术，实现了对多种作物病原体和害虫的非靶向监测。研究团队通过分析瑞典南部农田空气过滤器样本，证实空气中病原体DNA丰度与田间观测的作物损害程度显著相关(Pearson相关系数>0.9)，同时揭示了参考基因组数据库质量对分类准确性的关键影响。该成果为建立大规模农业生物安全预警系统提供了新技术路径，发表于《iScience》期刊。

全球农作物每年因病虫害导致的产量损失高达20%-30%，传统监测方法依赖人工田间调查和靶向分子检测，难以实现大规模早期预警。尤其面对气候变化背景下病虫害传播格局的改变，农业系统亟需开发新型监测技术。瑞典于默奥大学Per Stenberg团队创新性地将空气环境DNA(eDNA)分析技术引入农业监测领域，通过高通量测序解析空气中游离的遗传物质，建立了覆盖真菌、昆虫、卵菌等多类生物的非靶向监测体系。

研究采用瑞典国防研究院(FOI)在斯科讷省建立的空气监测网络样本，选取2007年作物生长关键期的9周玻璃纤维滤膜(孔径0.2μm，累计过滤量>100万m³)。通过改良PowerWater试剂盒提取DNA后，使用Illumina HiSeq 2500平台进行150bp双端测序。数据分析采用Kraken2构建包含病原体近缘种的特异数据库(805GB)，结合BBMap比对和NEAT模拟读数验证分类可靠性。

主要研究发现

空气eDNA实现多类病虫害检测
通过分析1.9×10⁹条测序读数，在空气样本中检测到264种已知病原体/害虫所属的科级分类单元。其中真菌类(如子囊菌门)检出率最高(82%)，线虫类最低(31%)，反映不同生物类群的DNA释放效率差异。

数据库质量决定检测灵敏度
在13种当地已报道的基因组已知病原体中，11种被成功检出。但信号强度差异显著：大麦网斑病菌(Pyrenophora teres)读数达174,190条，而禾谷缢管蚜(Rhopalosiphum padi)仅5条。通过人工合成读数测试发现，参考基因组污染会导致严重误分类——条锈菌(Puccinia striiformis)读数被错误归类至螨类(Medioppia subpectinata)。

田间观测与DNA信号时空匹配
大麦白粉病(Blumeria graminis)的空气DNA信号早于田间病斑出现7-10天，预示eDNA可用于早期预警；而豌豆蚜(Acyrthosiphon pisum)信号滞后于虫口高峰，符合其有翅型扩散的生物学特性。

讨论与展望
该研究首次证实空气eDNA宏基因组测序可同步监测农作物真菌病、虫害等多元威胁，突破传统方法单次检测只能针对特定类群的技术瓶颈。通过整合现有空气质量监测网络(如欧洲EMEP计划)，该技术有望以较低成本实现大陆尺度的农业生物安全监控。当前限制主要来自参考基因组覆盖度不足——研究中30%的田间观察到物种因缺乏高质量基因组而漏检。未来随着全球基因组计划推进(如Earth BioGenome Project)，该技术灵敏度将显著提升。

研究团队建议建立两级监测体系：通过空气eDNA宏基因组扫描发现潜在威胁后，再采用qPCR等靶向技术进行田间验证。这种策略尤其适用于检疫性有害生物(如EPPO A1名录物种)的早期预警。该技术路线已获瑞典Formas基金会持续资助，正在北欧小麦茎锈病(Puccinia graminis)监测中开展应用示范。