编辑推荐：
```
摘要
由Shen等人开发的多种真菌病原体检测（MFPD）技术能够筛查部分长度和完整长度的ITS（内部转录间隔区）数据集，以识别已报告的真菌病原体。将病原体检测与作物环境解读相结合，可以帮助植物科学从群体分析迈向生物
```
摘要
由
Shen等人开发的多种真菌病原体检测（MFPD）技术能够筛查部分长度和完整长度的ITS（内部转录间隔区）数据集，以识别已报告的真菌病原体。将病原体检测与作物环境解读相结合，可以帮助植物科学从群体分析迈向生物监测、疾病表型分析和抗性育种的决策支持。
真菌作物病害需要更全面的背景分析
作物病害的诊断通常从观察可见症状、培养或针对疑似病原体的检测开始。这些方法仍然不可或缺，但对于涉及病原体复合体不明确或病原体组变化广泛的病害来说，它们的适用性较差。这一点在真菌的地下和地上病原体系统中尤为明显，因为病原体入侵会重新构建与植物相关的微生物群落。同时，农业测序数据正在迅速积累。现在，根、茎、种子、土壤、灌溉水和收获的农产品越来越多地使用真菌ITS metabarcoding技术进行解析。然而，这些数据集往往主要被解读为群体描述。对于植物健康而言，更紧迫的问题不仅是哪些真菌存在，还包括哪些真菌信号值得关注，因为它们可能是潜在的威胁、疾病压力的指标或后续诊断的目标。因此，高通量测序被认为是一种有前景的方法，可以更广泛地监测新出现的和反复出现的植物病原体，作为靶向诊断的补充而不是取代它们。
MFPD为植物科学带来的贡献
Shen等人开发的多种真菌病原体检测（MFPD）技术通过在真菌 metabarcoding 中加入病原体识别层来填补这一上游筛查的空白。他们整合了95,660条代表4,924种已报道真菌病原体的完整长度ITS参考序列。在植物模拟群落中，MFPD的F1得分达到0.89，而在作者的计算机模拟基准测试中，完整长度ITS的表现最佳。该技术将ITS数据集与经过整理的真菌病原体资源进行匹配，返回与之前报道的病原体相对应的候选信号。这对于植物科学是一个有用的方法论步骤，因为它将群体分析数据转化为候选病原体信号，随后可以在作物环境中进行解读。MFPD的几个特点使其适用于农业应用：首先，它可以处理部分长度和完整长度的ITS数据集，对短读长使用区域特异性分类，对长读长使用分层搜索策略。这使得新生成和存档的metabarcoding数据集可以通过植物病害的角度重新分析；其次，MFPD直接使用区域特异性比对阈值将扩增子序列变异与整理好的病原体数据库进行匹配，避免了先进行一般分类再通过FUNGuild或FungalTraits等生态 guild数据库推断致病性的步骤。这一点很重要，因为基于分类的注释可能会受到物种水平分辨率低或不一致的影响。作为一种分诊工具，MFPD位于劳动密集型下游检测之前，可以在植物材料、土壤、水或空气中映射候选病原体信号，以便在作物环境中进行后续解读。
从序列标签到作物环境意义的转化
虽然病原体识别的序列匹配还不足以做出植物健康诊断，但检测结果也不能确定病原体的活性、感染状态或载量：ITS读长的丰度受引物偏倚、rDNA拷贝数变化和组成效应的影响。此外，MFPD仅适用于真菌，只能识别其病原体资源中包含的病原体；涉及卵菌、细菌或病毒的复合病害需要补充检测。MFPD提供了候选病原体信号，但它们是否表示实际的疾病威胁取决于作物种类、组织类型、生长阶段、地理位置、管理方式以及疾病环境。这一点对于真菌尤为重要，因为基于序列的物种鉴定受到不完整参考框架、不断变化的分类系统和ITS区域选择的影响。
Fusarium oxysporum就是一个很好的例子。这种病原体复合体包含引起严重维管萎蔫、根腐病和冠腐病的菌株，但它们也可能无症状地定殖在植物上，甚至可以作为生物控制剂。这些不同的生存方式可能取决于宿主特异性效应子、辅助基因组区域和菌株级特征，而这些特征无法通过ITS分析识别。因此，应将
F. oxysporum的序列视为解读的起点，而不是疾病的直接证据。MFPD的设计初衷并不是解决这种生物学的模糊性。它提供了一个广泛的筛查层，用于提名生物学上合理的真菌候选者。然后需要通过作物环境进行进一步解读：该病原体是否适用于这种宿主和器官？它在有症状的样本中是否富集？它是否随时间推移显示出疾病的发展趋势？例如，如果一个候选病原体属于已知的作物病原体，并在有症状的根系中富集且与疾病严重程度增加相关，则应优先考虑；而那些在无症状植物中偶检到的候选病原体则需要进一步验证。通过这种流程筛选出的候选者可以接受针对具体应用的验证。
图1展示了这一过程。
使筛查具有实用性
MFPD的一个直接应用是农业生物监测。广泛的真菌筛查可以支持常规监测、区域风险警报、灌溉水和空中监控以及种子健康和采后评估。这种筛查不会替代诊断，但可以帮助决定应在哪里进行针对性量化或确认性诊断。另一个应用是疾病表型分析。视觉疾病评分仍然有用，但它们通常将不同的生物学情况压缩为相同的外部表型。类似的根或叶症状可能反映了不同的致病生物、不同的感染阶段或机会主义生物和次级定殖者的不同贡献。相反，针对某一预期病原体的检测可能会遗漏导致相同疾病综合征的其他生物。因此，具有病原体识别功能的筛查可以通过将外部症状与植物的微生物谱型联系起来，为疾病表型分析增加一层内部信息。这些微生物谱型可以被视为内部表型：帮助解释外部疾病严重程度、组织损伤或植物表现的生物学指标。豌豆根腐病就是一个例子。全面的微生物组分析揭示了与疾病相关的真菌群落模式。在另一项研究中，针对性的多物种检测帮助确定了不同土壤中与根腐病相关的关键病原体。然而，这一例子也暴露了标准分类分析的局限性：一些与疾病相关的序列变异仅被归类在粗略或模糊的分类级别。因此，通过MFPD等专注于病原体的资源重新分析可能会发现数据库中列出的其他真菌病原体，需要进一步针对它们进行跟踪。
同样的内部表型逻辑也适用于育种。选择通常基于外部表型，但这些表型是隐藏的生物过程的结果。因此，已经提出将分子和生理指标作为内部表型，以帮助填补基因组与表型之间的差距。在复杂的作物疾病中，经过验证的具有病原体识别功能的特征可以贡献于反映在特定宿主和疾病环境下建立起来的病原体及其相关微生物的更广泛病原体组层次。当疾病压力、微生物组成和宿主基因型相互作用时，这一点尤为重要。在豌豆根腐病中，仅基于基因组的标记显示出的预测能力有限，而结合微生物标记的模型显示出更高的预测能力。当这些微生物特征可重复时，可以将它们视为内部表型。它们还应提供超出外部疾病评分的预测信息，并能在不同疾病环境中适用。在未来的育种工作中，这些特征可以作为微生物协变量、疾病压力指标或病原体组特征，使选择更具针对性。
展望
下一步的关键是确定MFPD生成的候选病原体信号在不同作物、环境和应用中的可靠性。对于植物科学来说，当前的研究需求是测试和完善这种分诊背后的假设。未来的工作应改进病原体数据库的分类范围和宿主范围元数据，在不同ITS区域、测序平台和作物系统上测试性能，并在实际农业条件下估计假阳性和假阴性率。此外，还需要明确具有病原体识别功能的谱型是否能跟踪症状发展、宿主基因型、管理方式或更广泛的微生物组变化。加强这一工作流程需要根据具体应用定制验证策略，并在相关的生物学和环境中进行测试。所需的证据因应用而异：生物监测可能优先考虑可重复的检测和与风险的关联；疾病表型分析需要与症状发展关联；而育种则需要跨基因型和环境的预测价值。
```
