《Microorganisms》：Engineering Plant Microbiomes for Enhanced Growth and Stress Resilience
编辑推荐：
植物与多样的微生物群落相关联，这些微生物群落在促进植物生长和改善逆境条件下的稳定性方面发挥着至关重要的作用。微生物组工程涉及对植物相关微生物群落进行靶向操控、招募和优化，以提升植物性能。然而，微生物组工程的有效性可能因植物基因型、环境条件、微生物组成以及引入或
植物与多样的微生物群落相关联，这些微生物群落在促进植物生长和改善逆境条件下的稳定性方面发挥着至关重要的作用。微生物组工程涉及对植物相关微生物群落进行靶向操控、招募和优化，以提升植物性能。然而，微生物组工程的有效性可能因植物基因型、环境条件、微生物组成以及引入或筛选群落稳定性不同而存在差异。本综述总结了植物微生物组工程的新兴策略，包括合成微生物菌群（SynComs）和宿主介导的微生物组选育。SynCom方法涉及在群落尺度上合理组装选定的微生物菌株，而宿主介导工程则利用植物-微生物互作和宿主遗传变异来富集有益的微生物群落。已有证据表明，将互补的微生物功能与宿主介导选育相结合，可能改善微生物组的定殖与功能一致性；然而，由于情境依赖的微生物互作、与土著群落的竞争以及有限的长期持久性，将这些益处转化为可靠的田间表现仍具挑战性。此外，本综述还讨论了多组学技术，包括宏基因组学、代谢组学和转录组学，这些技术有助于识别功能性微生物性状和植物-微生物互作。人工智能（AI）和机器学习（ML）为微生物组预测和靶向干预设计提供了互补工具。然而，其预测可靠性依赖于具有代表性的数据集、稳健的验证以及环境和生物学变量的整合。本综述强调，成功的微生物组工程需要从单纯的微生物群落组装转向经功能验证、生态稳定且经田间测试的策略。将微生物组工程与多组学、AI驱动的预测和精准农业相结合，有望支撑更具可预测性、韧性和可持续性的作物生产。
1. 引言
当前气候变化和自然资源日益减少的背景下，保障全球不断增长人口的粮食安全已成为最关键的挑战之一。预计到2050年全球人口将达97亿，粮食需求将较当前水平增加近70%。然而，在耕地缩减、水资源短缺和土壤质量退化的约束下提升农业生产力使这一目标愈发困难。未来农业系统需在维持营养品质、环境可持续性和生态系统长期韧性的同时提高作物生产力。
绿色革命曾通过高产品种、大规模灌溉及化肥农药的广泛使用显著提升全球粮食产量，但化肥和农药的持续滥用已导致土壤酸化、地下水污染、生物多样性丧失、土著土壤微生物群落破坏及抗性有害生物出现等严重生态后果。
当前农业研究日益聚焦于基于自然的可持续策略。微生物组工程作为可持续农业的变革性途径受到广泛关注，其指对微生物群落进行操控、招募和优化以提升植物性能和农业生产力。与传统微生物接种剂不同，微生物组工程在菌群和群落尺度上运作，涉及微生物群落的理性设计、组装、富集、抑制或功能改造，以实现特定植物表型。合成微生物群落（SynComs）由具有互补代谢和生态功能的选定微生物类群组成，是微生物组工程的主要策略之一，用于增强养分循环、改善固氮、抑制植物病原菌并提升植物对非生物或生物逆境的韧性。SynCom为在受控实验条件下重建简化微生物群落、系统研究个体微生物贡献和微生物间互作提供了重要实验框架。
相反，植物介导的微生物组工程依赖植物选择和反馈系统富集与植物期望性状相关的有益微生物。微生物组传代法将高性能植物根际微生物群落转移至后续植物世代或生长周期，可能富集适应特定宿主基因型和环境条件的微生物种群。宿主介导的操控可用于工程化微生物组，但与SynComs的直接设计和组装不同，宿主选择和反复繁殖在很大程度上决定微生物群落组成，而非个体选定菌株的刻意组合。
多组学技术和人工智能的进展进一步加速了微生物组工程的发展。基因组学、宏基因组学、宏转录组学、代谢组学和单细胞测序技术使研究者能够解析植物相关微生物组的结构和功能复杂性，识别核心类群或关键物种，以及影响植物生长和逆境缓解的功能基因与代谢途径。人工智能（AI）和机器学习（ML）可通过识别复杂关联、预测微生物互作和植物表型、整合多维数据集并支持候选微生物或菌群的靶向应用选择来补充这些方法。尽管如此，仍存在田间表现变异、工程微生物释放的生态风险、生物安全问题以及微生物菌群大规模商业化的困难等挑战。
尽管已有多种综述讨论了植物微生物组、微生物接种剂、SynComs、组学技术或个别微生物组工程方法，但关于如何整合这些方法以开发稳定、功能有效且田间适应性强的微生物群落的综合理解仍是重要研究空白。本综述提供了工程化植物相关微生物组及其在可持续农业中潜在应用的综合视角，首先讨论植物-微生物互作的基本原理，继而探讨微生物组工程和SynCom设计，讨论宏基因组学、代谢组学和AI/ML等现代方法，最后考虑这些方法在可持续农业中的应用，特别强调从微生物组关联向实验验证功能的转变。
2. 工程化植物相关微生物组及其在可持续农业中潜在应用的文献计量分析
利用Scopus数据库进行了文献计量研究，检索2020至2027年间相关出版物，初始收集14,600篇文献，经筛选精炼后保留10,000篇用于进一步分析。使用VOSviewer（版本1.6.18）进行关键词共现分析以识别主要研究主题和新兴研究领域，构建的共现网络形成不同关键词聚类，提供了研究格局中主要主题领域及其关系的概览。
3. 植物-微生物互作及其意义
植物与包括细菌、真菌、放线菌、线虫在内的多样化微生物群落相关联。植物及其相关微生物组统称为全生物（holobiont），在生态适应性和进化以及正常和逆境条件下调节植物性能方面发挥重要作用。植物微生物组的生态意义在于其通过提供植物自身难以独立实现的代谢、营养和保护性状来增强宿主植物的功能潜力。这些微生物互作发生在根际、叶际、果际和内际等多样化生态位中。植物相关微生物参与植物激素调控、铁载体产生、养分活化及土壤-植物系统中养分的转化和运输，从而增强养分可利用性和吸收效率。植物微生物组在缓解非生物和生物逆境方面发挥重要作用，充当不良环境条件下的生物缓冲。一些有益微生物在干旱、盐碱和温度胁迫下产生ACC脱氨酶等酶类，降低植物乙烯水平以避免早衰和胁迫诱导的生长抑制。部分微生物通过形成生物膜减少水分损失、增强水分保持。有益微生物还通过合成抗氧化酶、胁迫响应蛋白和渗透保护物质激活植物防御信号通路。微生物组还通过竞争养分和空间、分泌抗生素、产生裂解酶和调节免疫反应作为抵御植物病原菌的主要防御屏障。功能冗余是植物微生物组的重要生态特征，多个微生物类群表现出相似生态功能，有助于生态系统的韧性和稳定性。然而，植物相关微生物群落也以竞争、拮抗和情境依赖互作为特征，植物-微生物互作的结果可根据宿主基因型、微生物群落组成、资源可利用性和环境条件从互利共生转向竞争或拮抗。
4. 微生物组工程过程与方法
植物微生物组工程指对植物相关微生物群落、其互作或功能活动进行有意的操控、选择、组装或改造，以实现明确的植物或生态系统结果。与传统的单菌株接种不同，群落水平的微生物组工程明确考虑微生物多样性、种间互作、群落组装、功能互补性和生态持久性。SynComs围绕明确的成员组成、互补功能、生态兼容性和可测量的性能进行设计。其他重要方法旨在利用产生抗微生物代谢物、竞争生态位和养分或诱导植物系统抗性的拮抗微生物来去除或抑制有害微生物种群。改变植物根系分泌物谱是另一种常见方法，通过基因改造植物向根际分泌特定代谢物、信号分子或富碳物质以吸引特定且持久的有益微生物群落，即"求救"（cry-for-help）机制。此外，靶向微生物通讯系统尤其是群体感应（quorum sensing）通路，可调控根际微生物行为，改变生物膜形成、微生物定殖效率和病原微生物毒力基因表达。
5. 微生物组工程策略
5.1 合成微生物菌群（SynComs）
SynComs是工程化微生物群落，不同于传统单菌株生物接种剂，整合了微生物生态学、系统生物学和微生物遗传学的概念，在植物根际建立合作且稳健的微生物网络。SynCom工程涉及基于功能性状、生态兼容性和潜在互作对多个微生物菌株进行有意的选择和组装。这些菌群的有益效应可能源于其组成成员互补的代谢能力，使其能够执行多种生态功能。研究已报道SynComs在植物病害管理、促进植物生长、增强逆境耐受和土壤修复等方面的应用。然而，SynComs的成功不仅应依据其个体功能性状评估，还应考虑菌群成员与土著微生物组之间建立的生态互作。引入菌株需与根际土著微生物竞争养分和空间生态位，并响应植物来源代谢物、环境波动、捕食和其他生物互作。实验室或温室条件下的成功表现不一定转化为田间条件下的可比结果。
5.2 宿主介导的微生物组工程（HMME）
HMME，也称为微生物组传代或宿主介导选育，是一种先进的"自上而下"微生物组工程策略，宿主植物作为生物选择剂影响和优化其相关微生物群落的组成和功能。与SynComs等"自下而上"方法不同，HMME对整个全生物系统施加选择压力，使有益微生物群落在特定环境条件下自然富集。该过程通常包括在特定土壤环境中种植植物，选择目标性状表现改善的个体，然后将这些高性能植物的根际土壤或根相关微生物群落转移至下一代宿主。连续多代传代逐渐富集对宿主基因型和环境胁迫条件高度适应的特化微生物菌群。CRISPR-Cas9介导的基因组编辑使宿主植物能够通过修饰根系分泌物谱特异性吸引有益微生物。HMME面临微生物或群落漂移、机会性微生物和潜伏病原体的无意共选等挑战。正确的实验对照和独立重复选择系对于评估观察到的植物表型是否可特异归因于微生物组选择或进化至关重要。互接种实验可提供更强证据证明植物表型由选育的微生物组决定。然而，HMME衍生微生物组的功效通常高度情境依赖。
6. 微生物组工程的生态与转化视角
从生态学角度看，微生物组工程应超越设计和引入单个有益微生物，将微生物群落理解为复杂、动态且情境依赖的生态系统。工程微生物或SynComs可与土著微生物群竞争、合作、分配生态位、捕食和代谢交叉喂养，从而可能改变群落结构和生态系统功能。需仔细评估工程群落在环境变化下的稳定性和韧性，特别关注在土著微生物组中的定殖和持久性、生态兼容性、潜在土著微生物置换以及对非靶标微生物种群的非预期效应。水平基因转移是主要生态和生物安全问题。从转化角度看，成功的微生物组工程需要从实验室和温室实验系统性地过渡到现实田间条件下的可重复表现。多地点、多季节田间试验、标准化评价标准、制剂和递送技术以及对定殖、持久性和功能活性的定量评估应纳入微生物组工程策略。生物安全、环境风险评估、法规合规、可扩展性、成本效益和农民接受度应在开发早期考虑。
7. 微生物组工程中的组学技术
组学技术包括宏基因组学、宏转录组学、宏蛋白质组学和代谢组学等高通量分子方法，用于全面分析植物和土壤相关微生物群落的遗传、转录、蛋白质和代谢谱。宏基因组学可完整表征微生物群落的分类组成和基因含量，识别功能基因、代谢途径、毒力因子和生物合成基因簇。宏转录组学通过分析群落水平RNA转录本提供微生物活性的更直接测量。代谢组学通过测量小分子代谢物提供更接近微生物组-植物系统生化表型的信息。单细胞测序技术能够表征高度复杂微生物群落中单个微生物细胞的基因组。组学技术仍面临数据复杂性、功能注释困难、经济成本等挑战。
8. 人工智能（AI）在微生物组工程中的意义
AI正被日益认可为微生物组工程的创新工具，帮助从微生物群落分析的描述性方法向更具预测性和功能导向的微生物组设计转变。AI/ML模型可基于环境、宿主和微生物组相关数据预测微生物丰度、多样性、群落结构和功能。AI在识别核心和关键微生物方面发挥重要作用，通过机器学习算法、网络分析和组学整合识别其活动影响微生物群落稳定性和功能性的特定微生物。然而，网络推断的统计关联不一定表示直接的生物互作，计算推断的微生物网络是产生假设的工具，预测的互作必须经实验确认。AI可加速SynCom设计，评估微生物兼容性、生态位、代谢互补性、交叉喂养能力和潜在拮抗作用。AI在创建基于土壤性质、气候条件、作物遗传、农艺实践和微生物组成的位点特异性或个性化微生物组工程方面将发挥重要作用。然而，AI引导的微生物组工程目前应主要视为预测性和假设生成框架，需多地点、多季节、多土壤类型、作物基因型和管理系统的独立验证。
9. 微生物组工程在可持续农业中的应用
微生物组工程代表了从传统反应性农业方法向主动、生物学驱动的作物管理系统的范式转变。工程化微生物菌群正被用于减少对合成肥料和农用化学品的严重依赖，具有固氮、溶解不溶性磷和钾以及产生植物激素的能力。微生物组工程在恢复土壤健康和生态修复方面发挥重要作用，工程微生物群落越来越多地用于生物修复过程。微生物组工程还允许生物性病害抑制，功能设计的含拮抗微生物的菌群可通过竞争养分和生态位、产生抗微生物代谢物、分泌裂解酶和诱导植物防御反应来抑制土传病原菌。微生物组工程在采后病害管理中也日益重要。微生物组工程与精准农业技术的融合通过允许数据驱动的微生物资源管理进一步提高农业系统的效率和可持续性。然而，微生物产品从实验研究向可商业化扩展的农业技术过渡受到生产成本、制剂、储存、运输和应用要求等实际约束的阻碍。
10. 结论与未来展望
微生物组工程代表了通过整合微生物生态学、生物技术、合成生物学和精准农业实现可持续农业的有前景的范式转变。未来微生物组工程的进展有望通过开发适应性、精准型和环境韧性微生物技术为可持续农业做出贡献。最有前景的方向之一是设计气候智能型微生物菌群，专门增强植物对极端环境胁迫的韧性。探索极端环境微生物是扩展工程微生物组功能库的新兴途径。关键挑战在于开发可扩展且经济可行的有益微生物大规模生产过程。制剂和施用策略的设计同样至关重要。生物安全、生态风险和监管考量是微生物组工程的主要关切，风险评估应逐案进行。将SynComs与HMME及其他数据驱动方法整合是另一个新兴方向，但仍处于前沿研究阶段，需要实验验证。与宏基因组学、宏转录组学、代谢组学、空间微生物组研究和AI/ML的关联可能有助于识别关键类群、功能互作、代谢依赖性和控制群落稳定性的环境因素。
