《Biological Diversity》：From Ecological States to Trajectories: Revealing Ecological Dynamics Through Environmental Nucleic Acids
编辑推荐：
环境核酸（environmental nucleic acids, eNA）正通过实现对生态系统多维度的高灵敏度、可扩展和低侵入性观测，推动生态生物监测的变革。研究人员探讨了eNA如何将生物监测从生态状态评估扩展到生态轨迹推断。首先综合了生物产生与释放、分子特
环境核酸（environmental nucleic acids, eNA）正通过实现对生态系统多维度的高灵敏度、可扩展和低侵入性观测，推动生态生物监测的变革。研究人员探讨了eNA如何将生物监测从生态状态评估扩展到生态轨迹推断。首先综合了生物产生与释放、分子特性与物理状态、环境运输与滞留以及分析回收如何塑造eNA观测的时间特征。然后展示了经生态验证的eNA信号如何表征生态状态的分类学、种群统计学、生理学和功能学维度。重复且互补的观测可以解析关键轨迹属性，包括方向与幅度、速率与时间、中间路径以及进展、稳定和恢复的模式。推断产生这些轨迹的过程更为困难，因为相似的分子模式可能源于不同的生态和分子机制，需要互补观测、机制模型或状态空间模型（state-space models），以及对可辨识性和不确定性的明确处理。面向轨迹的监测可以通过将观测到的生态变化与干预、重新评估和恢复决策联系起来，进一步支持适应性管理。未来的进展取决于将分子靶标和采样设计与生态时间尺度相匹配，纳入动态参考基准和管理阈值，并推动eNA生物监测向预测生态动态发展，以支持更及时、基于证据的环境管理决策。
**1 引言**
生态系统正受到气候、生物和人为压力的共同重塑。生态监测不仅要确定系统在孤立时间点的状态，还需要理解状态随时间的有序移动，即生态轨迹。轨迹包含方向、幅度、速率和路径等动态信息。环境核酸（eNA）包括环境DNA（eDNA）和环境RNA（eRNA），其灵敏度高、侵入性低且可标准化采样，能够提供广泛的生物信息。在适当校准下，eNA可表征群落组成、丰度/生物量、空间分布及多样性变化；eRNA信号还可提供生理响应和繁殖活动等信息。从状态评估走向轨迹推断，需要多次观测及其时间排序和生态意义，不能仅靠增加采样次数。
**2 eNA观测的时间特征**
**2.1 塑造eNA时间格局的过程**
eNA信号的时间特征始于生物输入动态。种群大小、生物量、体型结构影响分子释放量；活动、生活史阶段、生理状况和环境背景改变释放时间与速率。释放途径和输入历史也很重要：持续脱落会补充不稳定物质，偶发事件产生短脉冲，死亡和组织损伤产生不同输入。分子特性（如RNA类别、DNA片段长度、物理状态）和环境条件（温度、紫外线、微生物活性等）影响分子在环境中的存留。运输过程（平流、扩散、沉降、再悬浮）导致检测时间与产生时间脱节。分析流程（采样设计、保存、提取、eRNA特异性步骤）也会改变观测到的时间特征。
**2.2 eNA信号间的时间响应性与滞留**
eNA信号对时间输入的加权取决于响应性和滞留两个属性。响应性反映新生物信息进入信号的速度，滞留反映先前条件的持续贡献。两者并不等价。实验显示mRNA、rRNA和DNA靶标之间存在显著差异，因此不能笼统认为eRNA代表最新信息、eDNA代表持久信息。响应性与滞留共同决定时间加权，信号间差异可提供互补的时间信息。
**3 从eNA推断生态状态**
**3.1 发生检测的时空尺度依赖性**
物种检测是eNA最成熟的应用，但阳性结果确认的是靶核酸而非即时局部存在，因为运输和持久性可造成分离。高时间特异性可能降低可检测性，例如溪流蝾螈中eRNA需要更大采样努力。发生、位置和近因性应作为不同的推断目标。
**3.2 丰度和生物量的校准、系统依赖推断**
定量eDNA与生物丰度或生物量存在正相关，但丰度和生物量不可互换。体型结构和异速生长可帮助区分。当前证据支持eDNA作为校准后的、系统依赖的相对丰度或生物量指标，而非通用度量。时间序列和状态空间模型可分离观测误差与种群状态变化，运输信息模型可解释空间再分配。
**3.3 经功能验证的生物活动推断**
eRNA常被视为更近期的活性指标，但分子近因性与生物活动是不同推断。经功能验证的转录本（如青鳉中的klhl10）可指示产卵活动。推断生物活动需要独立的生物学联系、组织特异性、与丰度信号联合解读以及适当的采样设计。
**3.4 群落结构与功能的互补推断**
eDNA宏条形码解析分类组成，宏基因组学表征基因组功能潜力，但功能基因存在不等于表达。环境宏转录组学提供转录活性视图，但转录谱变化可能来自种内调控或群落周转。配对的结构和转录测量可帮助区分这两类变化。
**4 从eNA推断生态轨迹**
**4.1 变化方向与幅度**
高频eNA调查可追踪方向与幅度。例如年度eDNA时间序列捕获湖泊生物多样性的季节变化；河流调查捕获群落周转。整合生物能量学生产与颗粒质量平衡可改进丰度估计并检测下降。群落层面，宏条形码数据可表示为多元状态，重复观测形成轨迹。但分子变化幅度需具有生态意义，宏条形码读数组成应解释为组成变化而非绝对丰度变化。时间分辨率不足会严重扭曲幅度估计。
**4.2 变化速率与时间**
轨迹速率取决于观测频率。eNA可实现密集采样。有效时间响应是靶标特异的，例如鳟鱼中某些eRNA标记与同期生物量关系更强。时间分辨率取决于采样间隔与分子响应时间的匹配。间隔过短可能信息重叠，过长则错失中间状态。
**4.3 生态状态间的路径**
轨迹还包含中间状态的序列。互补的分类、种群、生理和功能观测可区分不同路径。功能指标的相对时间顺序可提供额外维度。信号的有效性取决于互补性而非数量。但分子间的时间排序可能来自释放、持久性或分析差异，需要独立证据确认为生态排序。
**4.4 进展、稳定与恢复**
通过比较连续观测相对参考条件，可区分持续变化、稳定或恢复。土壤eDNA用于采矿后恢复轨迹估计，显示群落向参考群落趋同。参考可以是动态参考制度。稳定化表示位移减缓，恢复需要移向参考范围。多维观测可揭示不同组分恢复的不同步性，但需谨慎解释。
**4.5 生态轨迹背后的过程**
这是反演问题。相同的分子模式可能由多种机制产生。机制模型（如水文eDNA模型）和状态空间模型可测试竞争假设。可辨识性是核心挑战，需要可区分预测、足够信息和不确定性量化。
**5 从生态轨迹到可决策的管理**
**5.1 生物入侵管理**
早期eNA检测确立发生，但管理需要轨迹信息判断入侵是否持续、扩展。多年eDNA调查显示入侵进展。控制后，轨迹变化（如扩张减缓、收缩）可作为管理绩效指标。根除决策需要累积监测证据。
**5.2 生态干扰**
eNA可区分瞬时响应和持续变化。例如中宇宙实验中微塑料暴露后群落恢复，表明瞬时位移。持续偏离参考条件则表明干扰造成持久变化。管理中，轨迹决定是否需要干预，以及缓解措施是否改变了轨迹。
**5.3 种群衰退与保护**
低而稳定的种群与快速下降需要不同反应。校准后的eDNA可提供种群轨迹。管理阈值取决于轨迹的幅度、速率和风险。干预后，从快速下降转为减缓或稳定即可能是成功。现有研究多展示单个组件，完整决策链仍需验证。
**5.4 恢复与重建**
恢复管理需要轨迹是否朝向目标。例如盐沼恢复中，存在度显示群落趋同而相对丰度显示重组，表明不同组件不同步。轨迹评估需对照明确目标，持续朝向目标支持维持策略，偏离则需调整。
**6 未来研究优先方向**
需要量化靶标特异的时间响应函数，整合产生、释放、运输、持久性和回收。确定非冗余的分子观测组合，以可辨识性指导设计。建立动态参考制度以评估非平稳系统中的轨迹。从回顾性重建转向预测和适应性决策，利用数据同化生成未来轨迹概率，并根据信息价值优化采样。
**7 结论**
eNA实现了从状态评估到轨迹推断的转变。通过连续观测和互补信号，可解析方向、幅度、速率、路径以及进展、稳定和恢复。轨迹视角具有实践价值，可指导管理的启动、维持、调整和终止。未来进展取决于设计时间信息丰富、生态互补且与管理问题相连的观测。
