解析真菌-微生物相互作用：从微尺度实验模型到整合系统生物学

《Biotechnology Advances》：Deciphering fungal-microbial interactions: From microscale experimental models to integrative systems biology

　　

• •
  真菌–微生物共育体提供了多样化的生物技术机遇。
• •
  共育体间的相互作用可在生物和生态复杂性的多个层面进行研究。
• •
  多组学与成像技术可揭示分子和空间层面的相互作用。
• •
  整合性数据分析可支持对群落功能的预测。
• •
  闭环实验设计可指导合成共育体的工程构建。

引言

真菌作为生态系统功能的关键工程师，通过与细菌、藻类及其他微生物形成动态网络，推动养分循环并维持植物健康（Bahram和Netherway，2022；Deveau等，2018）。虽然过去真菌的研究多局限于单一物种，但近年来，真菌在自然环境中复杂微生物共育体内的组织方式受到了越来越多的关注，因为在自然环境中，真菌很少作为独立实体存在。在这些共育体中，微生物间的相互作用受多种精密协调的机制调控，例如由群体感应调控的生物膜形成（Barriuso等，2018）、细菌沿菌丝迁移的现象——常被描述为"真菌高速公路"（Simon等，2015），以及特定的代谢交换（Wang等，2022）。这些过程促进了在土壤、植物相关生境及其他生态位中稳定且功能整合的群落的形成（Bahram等，2018；Deveau等，2018）。

自然界真菌–微生物群落能够自组织形成稳定且适应性系统的能力，为生物技术提供了重要基础。这些群落为构建具有有用功能的工程微生物系统提供了宝贵的概念和功能原理。其潜在应用涵盖化学品和酶的生产、药物发现、环境修复以及生物肥料开发（图1）（Fan等，2025；Umeshankar和Nyg?rd，2024）。然而，这些功能无法直接从自然界转移到工程系统中，因为它们源于复杂的相互作用，而这些相互作用至今仍难以预测和控制。因此，一个核心挑战在于理解真菌–微生物相互作用在机制层面的运作方式，以及如何将这一知识应用于支持广泛的生物技术应用及其研究方法的开发。

应对这一挑战推动了基础研究和应用研究的快速发展。真菌–微生物相互作用研究正处于一个关键的转折点。正如我们的文献计量分析所示（图2及Zenodo上可获取的附录），过去十年间研究兴趣急剧增长。如图2A所示，年度出版和引用趋势揭示了研究产出的大幅增长。同时，关键词共现网络（图2B）描绘了该领域的主题格局，揭示了以微生物群落多样性、下一代测序、酶活性和菌根真菌为中心的若干显著研究集群。重要的是，关键词共现模式揭示了一个清晰的转变趋势，即从微生物多样性的描述性编目转向对种间相互作用的机制性理解。这一转变得益于快速扩展的系统生物学工具箱，其中微流控培养、空间多组学和人工智能驱动建模的进步，使得真菌–微生物动态过程能够以不断提高的分辨率进行模拟、可视化和预测（Shi等，2023；Wainaina和Taherzadeh，2023）。

在这一背景下，本综述聚焦于研究真菌–微生物相互作用的进展性方法。我们综合梳理了先进的技术工具箱，从微观尺度培养与生物模拟模型到整合性多组学发现、基因组尺度建模以及人工智能辅助分析。我们进一步探讨了专用数据库和计算工具如何用于数据整合与模式识别，以及整合性系统生物学和设计–构建–测试–学习（DBTL）框架如何将这些洞见转化为真菌–微生物共育体的理性设计与工程构建。最后，我们讨论了将这些生态学洞见转化为可重复且可规模化的生物技术解决方案的关键瓶颈与战略方向。

各章节摘要

驾驭复杂性版图：从机制基础到生态系统现实的先进平台

基于附录A中的文献计量分析（可视化见图2B），该分析突出了"微生物群落"、"微生物多样性"和"微生物组"的主导地位，可以明显看出真菌–微生物相互作用具有传统培养皿无法完全捕捉的结构和生态复杂性。虽然"下一代测序（NGS）"和"宏基因组学"等高频关键词反映了我们目前对群落组成的分析能力以及

多组学及互补方法：将分子特征与机制及功能特征关联

基于附录A（可视化见图2B）中呈现的文献计量分析，该分析突出了"真菌群落"、"微生物多样性"、"微生物组"和"NGS"等关键词的主导地位，我们进一步使用预定义的Web of Science主题领域术语（与分子及组学方法相关，见附录B，表2）对文献记录进行了筛选。尽管这些研究在比例上有限，但它们突显了分子方法在超越分类学层面的应用

整合性系统生物学：从多组学数据到预测性设计

全面理解真菌–微生物生态系统需要将多组学、环境和宿主信息整合起来，以将分子特征与功能特征联系起来，最终预测相互作用的结果。机器学习为整合高维数据集提供了强大的框架，并可广泛应用于基因型–表型预测、表型预测和酶发现（图7）。对于基因型–表型预测，基于系统发育的DendroNet机器学习

战略方向：从机制发现到功能整合

近期在机制表征、多组学分析、高通量表型分析和系统水平建模方面的进展，为从描述性理解转向可预测且可控制真菌–微生物共育体提供了基础。然而，将这些进展转化为稳健且可迁移的系统仍受到若干根本性差距的制约。未来的进展将需要定量数据标准化、可迁移的基于性状的推断、进化

结论

真菌–微生物相互作用在塑造生态动态、影响宿主生理和驱动多样环境中的代谢交换方面发挥着关键作用。通过文献计量分析可以看出，这一跨学科领域近年来显著扩展，但关键的知识空白仍然存在。当前研究已开始揭示机制性洞见，例如代谢物介导的信号传导和内共生相互作用，但仍受限于复杂性的

缩写

AM	丛枝菌根
BGCs	生物合成基因簇
CLSM	共聚焦激光扫描显微镜
CNN	卷积神经网络
DBTL	设计–构建–测试–学习
DESI-MSI	解吸电喷雾电离质谱成像
DSE	暗色隔内生真菌
EM	电子显微镜
FACS	流式细胞分选
FISH	荧光原位杂交
GC–MS	气相色谱–质谱联用
GEMs	基因组尺度代谢模型
ITS	内转录间隔区
LC-MS	液相色谱–质谱联用
MAGs

生成式AI及AI辅助技术在写作过程中的声明

在本工作准备过程中，作者使用了ChatGPT和Gemini 3以提高语言质量和可读性。在使用这些工具后，作者对内容进行了审阅和编辑，并对出版物的全部内容承担全部责任。

未引用参考文献

álvarez等，2022

Zhang等，2026b

利益冲突声明

作者声明以下财务利益/个人关系，这些可能被视为潜在的利益冲突：

Xiao Li报告获得了中国国家留学基金的财务支持。Kristina Haslinger报告获得了欧洲生物化学家联合会提供的财务支持。Kristina Haslinger报告与荷兰研究基金会有关系，包括：资金资助。Kristina Haslinger报告与Gratama基金会存在关系，包括：

致谢

K.H.感谢欧洲生物化学家联合会通过FEBS 2021卓越奖以及Gratama基金会（项目2024-07）提供的资助。X.L.由中国国家留学基金委（202106550001）的奖学金资助。

Xiao Li|Kristina Haslinger