《Frontiers in Microbiology》：Plant microbiome engineering: from inoculation to genome editing
编辑推荐：
本综述聚焦植物微生物组工程前沿，系统梳理了从传统接种到基因组编辑的演进路径。文章创新性地将CRISPR/Cas基因编辑、合成微生物群落(SynCom)设计与人工智能(AI)辅助决策框架整合于“全生物体”统一概念下，旨在构建可预测、气候智能型的农业生物技术新范式，以应对未来农业在生产力、养分效率和胁迫恢复力等方面的挑战。
在植物与土壤交织的地下世界中，活跃着一个庞大而复杂的微生物社会——植物微生物组。它不仅是植物的“第二基因组”，更是作物生产力、养分效率和抗逆性的关键决定者。从早期的单一菌剂接种，到如今结合基因编辑、合成生物学与人工智能的精准设计，人类对植物微生物组的调控正经历一场深刻的范式变革。这篇综述为我们描绘了植物微生物组工程从经验走向预测、从单一走向系统的宏伟蓝图。
传统微生物组操控方法的成就与局限
历史上，人们主要通过三种策略来影响植物微生物组：直接接种有益微生物、通过植物育种间接招募微生物，以及通过农艺措施改变土壤环境。直接接种植物根际促生菌(PGPR)和真菌(PGPF)是常用手段，它们能固氮、解磷、产生激素，但在田间常常表现不稳定，引入的菌株易被土著微生物竞争淘汰。种子包衣或根部浸蘸虽能确保早期定殖，但菌剂在储存和运输中活性易下降，在严苛田间条件下也难以持久。
土壤施用生物肥料，如丛枝菌根真菌(AMF)接种剂，能显著提高磷吸收效率，但同样面临种群快速衰退和效果因地而异的问题。更为整体的农艺策略，如有机改良、轮作和减少耕作，通过改善土壤理化环境来筛选有益的微生物集合。例如，甘薯与豆科轮作可增加微生物多样性，使农场总生产力提高约38%，同时将N2O排放降低约39%。合成菌群通常比单一菌株表现更优，例如，两菌种的假单胞菌/芽孢杆菌组合在田间试验中将玉米生物量提高了27.8%。
尽管如此，传统方法依赖于外源输入，建立率多变，且无法调控宿主介导的招募信号，限制了其大规模应用的可靠性和稳定性。
新兴生物技术工具重塑微生物组工程
分子生物技术的进步正在改变这一格局，使在基因、代谢和群落水平上精准设计植物-微生物互作成为可能。
- •
CRISPR/Cas基因编辑 为微生物组工程提供了强大的宿主导向途径。它能精确修改影响根系结构、分泌物组成和免疫信号的植物基因，从而调控微生物招募。例如，敲除大麦的根毛调节基因会降低根际α多样性，证实了根系形态与群落组装间的因果联系。在玉米中，抑制苯并噁嗪类合成的功能缺失突变能显著重塑细菌和真菌群落，并赋予跨代抗虫性。对有益根际菌的编辑也阐明了关键代谢途径的功能，如在Bacillus subtilis中敲除铁载体生物合成基因dhbB会显著削弱其在Brassica rapa根部的定殖和促生能力。
- •
RNA干扰(RNAi)与高级分子方法 提供了“可编程生物防治”平台。通过转基因植物、工程微生物或叶面喷雾递送的双链RNA(dsRNA)，可以物种特异性地沉默害虫或病原体的关键基因，实现对病虫害的精准打击。例如，表达靶向Verticillium dahliae效应子VdAve1的dsRNA的转基因小麦能抑制该病原菌的毒力。将RNAi与CRISPR/Cas9结合的“双作用”微生物，可同时产生抗菌代谢物和递送RNAi触发器，实现协同病害抑制。
- •
组学与系统生物学 工具将描述性调查转变为预测性设计平台。宏基因组学提供了微生物基因和途径的目录，结合宏转录组学和宏蛋白质组学，可以揭示田间条件下活跃表达的基因。代谢组学则通过分析根系分泌物和微生物次级代谢物，补充基因组视角。例如，非靶向代谢物分析鉴定出玉米特有的苯并噁嗪类物质，它能重塑细菌和真菌群落结构。单细胞测序等技术有助于发现稀有关键类群。这些整合的组学方法为理性设计根际微生物组提供了蓝图。
- •
合成微生物群落(SynComs) 和无菌植物平台已成为理性根际工程的强大试验台。通过从植物分离株中组装确定的SynCom，可以在无菌系统中精确追溯表型效应至单个菌株或其互作。例如，一个来自拟南芥的根系细菌SynCom可重复性地增强地上部生物量并抑制Pseudomonas syringae感染。合理设计的SynComs已在田间试验中部署，例如，一个由1893个分离株筛选出的多菌株PGPR SynCom使大豆生物量增加4–93%，产量提高36.1%。群体感应(QS)电路等合成生物学工具可对群落行为进行动态控制，例如，在根瘤菌中引入合成的LuxI/LuxR系统，可在达到密度阈值时激活固氮酶优化基因簇的表达。
- •
合成生物学方法 为微生物组工程提供了变革性框架。它利用CRISPR/Cas、噬菌体整合酶等工具精确修改微生物基因组，并借助基因组尺度代谢模型和机器学习算法预测代谢网络和群落互作。以Pseudomonas putida、Bacillusspp.等根际适应菌为底盘，可工程化增强定殖、养分循环和抗逆性。模块化遗传电路使微生物能动态响应植物和环境信号，例如，由根系分泌物代谢物诱导的核糖开关或宿主特异性信号通路。合成生物学还促进了结合多种物种互补性状的工程微生物菌群开发。
田间规模的证据与应用创新
田间规模评估表明，包含3-21个菌株的微生物菌群，结合先进的递送系统（如甘露糖纳米纤维水凝胶），能持续提升作物表现，尤其在非生物或营养胁迫条件下。在德国，一个三菌株 consortium (Pseudomonassp. RU47, Bacillus atrophaeusABi03, Trichoderma harzianumOMG16) 使玉米地上部干重增加约30%。宏基因组测序显示根际富集了铁载体、生长素和群体感应相关基因。在番茄上，包含12个菌株的微生物菌群产品(MCPs)在低磷沙漠田间条件下，使果实生物量提高108%-232%。
一项对140多个试验的荟萃分析报告称，微生物接种剂平均带来9.3%的生长或产量增加，且在干旱、低肥力或胁迫系统中的效果明显强于温带高有机质土壤。现代接种剂设计采用多菌株菌群，结合固氮、解磷和胁迫缓解等性状。为确保生物安全，工程接种剂越来越多地包含遗传遏制系统，如合成“自杀开关”，可在非目标条件下触发细胞死亡。
气候智能型微生物组工程
气候变化使作物日益面临干旱、高温和盐分等非生物胁迫，同时也重塑了土壤微生物群落。微生物在这些条件下的恢复力主要由功能性状决定，如渗透保护物合成、胞外多糖(EPS)产生和孢子形成。干旱通常由能够快速生理调整的细菌类群驱动，而真菌群落可能通过反复干旱暴露获得耐受性。盐分胁迫下，Bacillus pumilus、Halomonas desiderata等耐盐PGPR通过产生EPS和渗透保护物来缓解胁迫。
气候智能型微生物组工程旨在组装能够在环境胁迫下稳定植物性能的微生物菌群。理性设计越来越依赖于多组学数据集，以识别具有互补代谢性状和稳定生态互作的菌株。功能性冗余和网络枢纽类群（如Pseudomonas）通过群体感应和生物膜形成促进协调的群落行为。实验平台（如SoilBox系统）和计算建模支持在特定环境情景下预测微生物兼容性和田间表现。在耐旱玉米（约27%）和耐盐小麦（22%）中已证明的产量增益，凸显了这些方法在气候韧性农业中的潜力。
人工智能与机器学习整合微生物组工程
高通量宏基因组学提供了根际的分类和功能快照，而人工智能驱动的分析正将这些数据转化为微生物组作物管理策略。机器学习模型可以将复杂的宏基因组数据集转化为可操作的见解。例如，随机森林和梯度提升模型可准确预测土壤有机碳动态，并识别在可变水分条件下最强烈驱动碳封存的微生物类群。与土壤传感器硬件结合，可实现超过90%的实时土壤肥力状态预测准确率。
人工智能越来越多地用于分析复杂的微生物组数据集并指导微生物组工程策略。机器学习方法可以识别与植物表现相关的微生物类群，预测微生物群落组装，并辅助选择SynComs的兼容菌株。将宏基因组测序数据与环境变量整合，能够预测农业系统中微生物组动态和功能结果。这些计算框架支持旨在改善养分循环、病害抑制和植物胁迫恢复力的微生物组干预措施的理性设计。
迈向可预测、可持续的农业生物技术
从经验性接种到可预测的全生物体工程，植物微生物组工程领域正在迅速发展。通过整合分子遗传学、微生物生态学、合成生物学和人工智能，我们有望设计出能够应对气候变化、减少环境足迹并保障粮食安全的稳健植物-微生物系统。未来的成功将取决于我们在精准操控与生态复杂性、技术创新与生物安全监管、以及农业效益与社会责任之间取得平衡的能力。这篇综述勾勒的集成框架，为下一代气候智能型农业指明了方向。
