综述：整合植物对光限制响应的跨尺度研究

《Journal of Advanced Research》：Integrating research on plant responses to light limitation across scales

　　

背景
气候变化和农业集约化使光限制成为作物光利用效率（light use efficiency）和产量潜力的关键制约因素。研究已从描述发展到量化、机理解释和多尺度建模。然而，指标体系仍然分散，跨尺度整合薄弱。这些差距限制了向育种和田间实践的转化。

综述目的
本综述整合了作物适应光限制的多维网络和关键策略。它识别了阻碍预测和应用的核心方法论瓶颈。它提出了一种前瞻性的范式，以支持机制性洞察、耐荫性育种和复杂光环境下的精准管理。

综述的关键科学概念
作物对光限制的适应源于光信号、代谢调控和结构优化的协调网络。两种策略模式占主导：避荫性（shade avoidance）和耐荫性（shade tolerance）。C3和C4物种由于能量学、解剖学和调控控制的差异表现出不同的响应逻辑。进展受到缺乏统一的跨尺度指标框架以及模型预测和尺度耦合瓶颈的制约。本综述提出了一种由高通量表型组学（high-throughput phenotyping, HTP）和科学人工智能（artificial intelligence for science）支持的整合系统生物学方法。该框架标准化了指标并融合了跨尺度的多模态数据。它进一步将数据同化与物理信息学习相结合，以构建多尺度数字孪生（digital twins）。这种方法减少了指标碎片化，加强了跨尺度耦合，并支持不确定性感知决策和耐荫品种的育种目标。它为复杂光环境下作物表现的定量预测和可操作管理开辟了道路。

**Overview of plant responses to light limitation**

**Sources and production contexts of light limitation**
气候变化和农业集约化共同驱动作物光限制。光限制已成为光合效率和产量潜力的主要瓶颈。气候尺度上，20世纪中期的全球变暗减少了多个地区的太阳辐射，随后部分恢复但辐射仍不稳定且空间异质。当长期云层覆盖和低光合有效辐射（photosynthetically active radiation）与产量形成窗口重合时，产量风险增加，例如小麦从抽穗到灌浆、玉米从大喇叭口期或抽雄到灌浆、水稻从孕穗到结实。在保护地栽培中，覆盖材料常降低光强度并改变光谱组成，多层系统中光衰减加剧并影响品质。自然和人为驱动因素共同造成了慢性、广泛且异质的光限制环境。

**Bibliometric analysis: The multidimensional evolution of light-limitation research**
通过Web of Science核心合集检索2004-2024年植物科学文献，采用布尔策略覆盖环境驱动因素、响应机制和光合建模三个概念族。经筛选获得5500篇相关文献，利用VOSviewer、CiteSpace和SciMAT进行多维文献计量分析。结果显示，2004-2024年该领域产出快速增长，2015年后加速，2020年后保持高位。国际合作以中国（23.85%）、美国（19.65%）、德国和英国为中心。关键词共现分析识别出五个主题簇：红色簇聚焦光信号和避荫性响应，以PIF（Phytochrome-interacting factor）为中心的调控和红光:远红光（R:FR）感知；蓝色簇聚焦耐荫性、功能性状和表型可塑性；黄色簇聚焦叶绿素荧光和非光化学淬灭（non-photochemical quenching, NPQ）；绿色簇聚焦气体交换和光合建模；紫色簇聚焦C3与C4资源利用策略和光呼吸调控。高频桥接术语连接这些簇，形成从分子机制到生态策略、从单株功能到群体建模的整合网络。

**Historical trajectory and paradigm shift in light-limitation research**
该领域研究经历四个主要阶段。观察与描述阶段：19世纪末通过遮荫实验描述黄化、茎伸长等性状，依赖视觉检查和基本生长测量，分析定性。定量表征阶段：20世纪初Blackman提出光响应阶段概念，中期建立净光合速率（net photosynthetic rate, P_n）、表观量子产额（apparent quantum yield, AQY）、光补偿点（light compensation point, LCP）和光饱和点（light saturation point, LSP）等核心指标；同步发展的叶绿素荧光技术定义了PSII（photosystem II）最大量子效率（F_v/F_m）、PSII有效量子产额（Φ_PSII）和NPQ等参数。机制解析阶段：21世纪转向整合机制，高组学（转录组、代谢组、激素谱）结合共表达网络分析和功能验证，阐明了PIF-光敏色素B（phytochrome B, phyB）模块、生长素（indole-3-acetic acid, IAA）和赤霉素（gibberellin, GA）串扰、光信号与活性氧代谢互作等核心调控通路。多尺度建模阶段：虚拟植物等整合模型快速发展，旨在用可观测参数模拟基因调控、代谢流和器官形态发生，高通量表型组学和数据同化提高了参数可辨识性和验证能力，推动从描述性静态比较转向预测性和优化导向的系统分析。

**Multidimensional integration and strategic divergence of light-limitation adaptation**

**Cross-scale response network: Systemic regulation from photoreception to population-level adaptation**
作物对光限制的响应构成一个从分子到群体的系统级网络，整合了光感知与信号转导、能量捕获与再分配、源-库平衡重建、碳-氮代谢重布线、激素网络串扰和冠层结构动态优化。短期动态响应（秒-分钟尺度）中，植物通过光敏色素和隐花色素感知光强度和光谱变化，激活以PIF和HY5（ELONGATED HYPOCOTYL 5）为中心的光形态建成通路，快速重编程基因表达；电子传递链通过状态转换和环式电子流优化有限光能利用，非光化学淬灭机制在光波动时保护光系统并维持碳同化。长期驯化响应（天-周尺度）中，叶绿体超微结构和光系统组织重塑：捕光复合物II（light-harvesting complex II, LHCII）天线尺寸增大、PSII-LHCII超复合物组装成高阶阵列；PSI（photosystem I）与PSII化学计量比调整以提升光能利用效率；代谢网络通过糖、氨基酸和有机酸的碳-氮反馈以及激素信号（如油菜素内酯、生长素、脱落酸）协调维持稳态；冠层结构特性（株型、叶倾角、叶面积指数）决定光透过率和垂直梯度，支撑群体对光限制的耐受性。

**Shade avoidance versus shade tolerance: Trade-offs and divergent strategies**
作物进化出两种主要适应模式。避荫性依赖于多层光信号网络驱动的形态可塑性，以PIF-BZR1（BRASSINAZOLE-RESISTANT 1）-ARF（AUXIN RESPONSE FACTOR）转录模块为核心，促进生长素生物合成和GA-DELLA去抑制导致伸长，同时受HFR1（LONG HYPOCOTYL IN FAR-RED 1）、HY5和BBXs（B-box proteins）等拮抗调节因子调控；表型包括快速节间伸长、叶片上举和冠层上移，但导致光分布不均、下部同化降低和结构稳定性下降。耐荫性强调能量优化和光捕获效率，在GLK1/2控制下扩大LHC天线并降低叶绿素a/b比，通过STN7/STN8介导的LHCII磷酸化和状态转换优化能量分配，PsbS（Photosystem II subunit S）和VDE（violaxanthin de-epoxidase）/ZEP（zeaxanthin epoxidase）通过叶黄素循环调节非光化学淬灭以缓冲光照波动；这些机制提高了每光子效率和代谢稳态。两种策略并非互斥，部分基因型可在不同发育阶段或环境间切换策略。

**Photosynthetic-pathway divergence: Differential adaptation of C3 and C4 crops**
光合途径强烈影响光限制策略和生理响应。C3作物（如水稻、小麦）采用单细胞碳固定，Rubisco活性受CO₂和光照共限制；光限制下电子传递受限、羧化速率降低、光呼吸比例升高，适应策略强调光系统稳定化和每光子利用效率最大化，包括加强Rubisco组装调控、改善叶肉-气孔协调和通过NPQ成分精细缓冲能量。C4作物（如玉米、高粱）通过Kranz解剖结构实现CO₂浓缩和高羧化效率，但碳浓缩机制需要额外能量（ATP），不同亚型ATP成本不同；光限制下，C4物种更易出现能量失衡，通过调节PSII和LHCII磷酸化、增强PGR5（PROTON GRADIENT REGULATION 5）和NDH（NAD(P)H dehydrogenase-like complex）途径的环式电子流、精细分配束鞘细胞和叶肉细胞间光系统运作来稳定ATP供应。这些差异决定了C3和C4物种在光限制下的敏感性和策略分化：C3倾向于效率提升和稳态维持，C4优先保证能量安全和细胞间协调。

**Methodological challenges and system integration**

**Incomplete multidimensional indicator systems: Missing frameworks and integration standards**
光限制研究积累了大量数据，但指标系统仍然碎片化。学科隔离导致分子、生理和农学指标很少形成连续推理链；标准化不足导致光照强度、光谱组成和处理时长报道不一致，缺乏广泛接受的操作定义和分级方案；尺度问题是核心，许多常用指标是单尺度快照，忽略跨尺度级联效应（如叶片水平净光合速率不能直接映射到冠层光利用效率）；变异性增加了复杂性，C3与C4物种、避荫与耐荫基因型及不同发育阶段的指标敏感性和权重不同，难以定义通用指标。这限制了系统性理解、跨尺度知识整合和从观察到机制预测的转化。

**Accuracy bottlenecks in model prediction: Challenges in cross-scale integration and parameterization**
多尺度光合和作物系统模型提供统一方法，但光限制下预测精度仍难实现。参数化与验证是主要障碍，许多模型需要昂贵或难以测量的参数（如Rubisco最大羧化速率V_cmax、最大电子传递速率J_max、叶肉导度g_m、电子传递分配），这些参数在光限制下具有可塑性和基因型依赖性；从叶片到冠层和群体的尺度外推增加参数需求而观测滞后，导致过度参数化和不确定性。计算复杂性是另一约束，跨尺度耦合（从纳秒级光化学到季节生长）增加计算负荷、降低数值稳定性并可能隐藏非线性反馈。模型保真度也受限于不完整的机制表达，如光合诱导动力学、NPQ调控、叶绿体运动等被简化，光限制特有现象（如密冠层内微尺度穿透与反射、短期光波动响应与长期驯化互作）捕捉不足。此外，不同模型层之间的接口标准化和数据交换仍是实践挑战。

**Outlook**

**Enabling multidimensional, cross-scale observation with crop phenomics**
高通量表型组学（high-throughput phenotyping, HTP）具有非侵入、多维、自动化和可重复特点。多传感器集成提供形态、功能和代谢的联合观测：LiDAR（light detection and ranging）和深度相机实现冠层结构三维重建；叶绿素荧光成像实时估计Φ_PSII、NPQ和AQY；高光谱成像支持生物量、营养和色素状态的无损检索；热成像推断叶片温度、蒸腾速率和气孔导度。HTP跨越空间层次，从实验室显微镜到田间无人机，建立从微观到宏观的完整观测链。标准化数据管理框架（统一图像格式、明确元数据架构、多维数据库）提高平台间兼容性和可比性，为系统分析和模型开发提供结构化高质量数据集。

**AI for science (AI4S): Mining complex associations and mechanistic inference**
人工智能从事科学发现（AI for science, AI4S）将工作流从数据驱动观察转向知识驱动推理。监督学习方法从传感器数据直接预测目标性状：基于注意力的卷积网络定位预测PSII效率的波段和区域；可解释机器学习方法从高维数据选择关键调节因子。无监督学习方法发现数据内在结构：聚类和降维技术识别光限制表型的自然分组和变异主轴；特征关联建模和因果推断暴露响应模块间的协调关系。物理信息与混合模型结合领域知识，推断内部过程变量和调节关系，支持动态响应预测。在该框架内，表型互作网络（phenotypic interaction network, PIN）连接特征发现、机制分析和系统建模，构建可可视化和可挖掘的协调调控图谱，解决指标碎片化和机制不连续问题。

**Integrated research paradigm: A multidimensional, data-driven systems biology approach**
研究提出全链条范式，以机制模型为骨干，融合多源表型组学与AI4S。数据获取层：构建从细胞到区域的协调表型网络，联合部署多模态传感器，标准化元数据框架和跨平台校准。模型构建层：组织从叶片到冠层再到群体的模型链，结合贝叶斯方法和集合卡尔曼滤波进行数据同化形成迭代数字孪生，利用物理约束学习（如物理信息神经网络和图神经网络）保持机制合理性并提高计算效率。遗传解析层：整合基因组学、转录组学、蛋白质组学和代谢组学，通过全基因组关联分析、eQTL、pQTL、TWAS和泛基因组单倍型分析定位适应光限制的候选位点；耦合作物生长模型与全基因组预测（CGM-WGP）和多模态学习将基因型信息映射到模型先验，结合可解释AI技术加深遗传机制解析。输出与验证层：通过互作网络视角整合结构、功能、代谢和产量间的协调与反馈，识别关键性状模块和瓶颈过程，产出带有不确定性注释的管理方案和耐荫育种目标，通过田间试验进行闭环验证和迭代更新。