综述：微生物表型测量的极限与前沿

《Current Opinion in Microbiology》：Limits and frontiers of microbial phenotype measurements

　　

在过去的二十年中，微生物学获得了革命性的新工具来观察微生物生命。然而，测量微生物表型并解释这些测量结果仍然是一项基本挑战。测量受到表型对环境条件敏感且快速进化的干扰。解释则因“组学”（'omics）数据集而变得复杂，这些数据不仅反映了特定反应，还反映了生物体更广泛的生理状态。自然环境带来了空间异质性和极慢的代谢与合成速率，这是实验室方法难以捕捉的。在这些挑战中出现了一种统一的张力，研究人员通俗地称之为“微生物观察者效应”（microbial observer effect），即为了确信地测量微生物系统的一个维度而所需的条件可能会必然扰动或掩盖另一个维度，从而对任意单次测量表征系统的完整程度施加了实际限制。基于恒化器（chemostat）的表型分析、同位素标记、微分析工具和关联工作流缩小了这种效应，但并未消除它。研究人员提出，微生物学前沿的进展将需要跨模式整合测量、仔细调整实验条件，并将观察极限视为数据解释的实用框架而非障碍。

引言（Introduction）

微生物学表型测量的历史始于列文虎克（Leeuwenhoek）在1677年利用手持设备观察到“微小动物”（animalcules），这代表了微生物表型测量的第一个前沿。如今，尽管有了复杂的“组学”工具，研究人员仍面临如何测量和描述微生物表型、组织与活动的张力，以及测量模式如何影响被测量表型的问题。研究人员借用物理学中的观察者效应概念，提出了“微生物观察者效应”，以指导对微生物培养物、实验室微宇宙和环境微生物组中表型测量的解释。

挑战：表型对环境敏感且能快速进化（Challenge: phenotypes are sensitive to the environment and can evolve rapidly）

量化表型对于理解微生物组至关重要。以简化的酵母群落CoSMO为例，其中L-A+菌株不能合成赖氨酸但过量生产腺嘌呤，而A-L+菌株相反。在缺乏腺嘌呤和赖氨酸的限定培养基中，群落生长速率近似为√(r_Ar_L/(c_Ac_L))，其中r是细胞特异性代谢物释放速率，c是每个细胞出生消耗的代谢物量。在分批培养（batch culture）中测量时，释放速率因环境而异：饥饿细胞释放大量，而快速生长细胞几乎不释放。在恒化器（chemostat）中测量时，代谢物供应速率控制培养物生长速率，释放和消耗表型随生长速率剧烈变化。恒化器测量显示了足够的重现性，能揭示同时改善自身存活和伙伴支持的突变体，而饥饿分批培养的测量变异性使得突变体与祖先无法区分。这突显了选择适当测量方法的重要性。快速进化并非合成群落所独有，微生物种群规模足够大，可容纳多种变体，当选择有利时迅速增殖。

挑战：从“组学”中挤出见解（Challenge: eking out insights from 'omics）

转录组学、蛋白质组学、代谢组学等“组学”技术改变了细胞组成的测量规模，实现了数千种分子物种的同时全局测量。挑战已从数据生成转向解释。系统“组学”研究表明，细胞在看似不必要的蛋白质和应激反应机制上投入大量资源，这可能有利于适应波动环境。解释“组学”数据的一个挑战是区分直接调控效应与全局生理反应。例如，野生型与基因敲除细胞的转录组比较常揭示数百个改变的基因，这些改变可能源于生长速率和代谢的改变，而非直接调控。许多转录本和蛋白质随生长速率系统变化，即使组成型表达基因也显示依赖于生长的表达。然而，这些全局依赖性揭示了更深的解释力：适当情境化的测量可以暴露细胞资源分配的基本组织原则。例如，大肠杆菌（Escherichia coli）蛋白质组数据集显示，单一主成分捕获了蛋白质表达的主要结构，并与生长速率强相关，与资源分配和生长定律模型一致。

表型“在野外”测量的挑战（Challenges of phenotype measurements ‘in the wild’）

与实验室实验相比，自然环境增加了化学、生物和物理复杂性，以及未知的未知因素。因此，理解自然微生物组需要研究微生物表型原位（in situ）。

挑战：微生物可表现出非常缓慢且高度可变的活动（Challenge: microorganisms can exhibit very slow and highly variable activity）

自然系统中的生命与培养物的关键区别在于速度。野生微生物常受能量、营养、水等限制，生长和代谢通常比培养系统慢几个数量级。稳定同位素探针（SIP）技术，如用²H₂O对脂质进行SIP，能够量化复杂样本中广泛的微生物代时。Caro等人证明慢生长是土壤微生物组的普遍特征，大部分群落周转时间为数周至数月。在永久冻土和温泉中，细菌和古菌的代时可达数十年。定量DNA稳定同位素探针（DNA-qSIP）是区分分类群特异性生长的关键方法，其中环境样本用H₂¹⁸O孵育，¹⁸O掺入复制的DNA，通过密度梯度离心分离，测序可估计每个分类群的生长速率。Müller等人在恒化器（chemostat）中将古菌Methanococcus maripaludis驱动至极慢生长，发现与大肠杆菌（E. coli）不同，其蛋白质组、细胞大小和核糖体含量在生长速率变化近两个数量级时基本不变。蛋白质合成减慢不是通过产生更少核糖体，而是通过降低核糖体参与和延伸速率实现。这种“松弛”表型表明，从快速培养物得出的生理“基本规则”可能是解释环境表型的不良指南，培养技术对于情境化“组学”数据集是必需的。

挑战：微生物及其活动的分布表现出高度空间异质性（Challenge: distributions of microbes and their activities exhibit high spatial heterogeneity）

微生物及其活动在环境中呈异质性分布，批量技术可能对调节表型和速率的空间维度视而不见。荧光原位杂交（FISH）现在能高度多重检测，但仍面临探针均匀渗透的挑战。Yawata等人报道了利用微生物先天荧光区分分类学和生理特性的无标记方法。拉曼光谱（Raman spectroscopy）因其非破坏性、空间分辨的化学数据而成为研究微生物群落的有力工具。纳米级二次离子质谱（nanoSIMS）以亚微米分辨率绘制细胞和同位素的原子组成。结合SIP，nanoSIMS-SIP和Raman-SIP成为研究细胞间活动差异和特定底物同化到生物量的关键工具。生物正交非标准氨基酸标记（BONCAT）和氧化还原传感器绿提供了可视化翻译和呼吸活动的高通量技术。这些方法能量化微生物活动的群体内异质性。整合多种成像模式需要关联流程，例如Schaible等人开发了连接FISH、拉曼、扫描电镜和nanoSIMS与SIP的流水线，实现分类、结构、空间分布和代谢活动的共配准。但样本制备可能冲突，如FISH干扰nanoSIMS同位素测量。

挑战：化学从公里到纳米尺度是异质的（Challenge: chemistry is heterogeneous from the km to the nm scale）

理解原位（in situ）微生物生理需要解析细胞的化学环境。化学异质性跨空间尺度产生代谢变异、交叉喂养和分工。景观尺度分层通过水体剖面、遥感和岩心绘制。在米至毫米尺度，化学梯度构建生物膜、微生物垫和沉积物界面的栖息地。电化学和光纤微传感器以微米分辨率解析梯度，平面光极将其扩展为二维地图。在微米尺度，扩散相对于代谢活动变慢，单个细胞感知的化学环境可能与更宽群落不同。关联显微镜结合荧光、电镜和能量色散X射线光谱将化学与身份和活动在空间上联系。例如，在沉积物中，合成活跃微生物优先定殖在非石英矿物颗粒上，其中阳离子化学支持电子转移和营养获取。

微生物观察者效应？（A microbial observer effect?）

尽管能力进步，观察影响结果这一基本挑战仍然存在。“组学”需要样品固定和提取，成像技术常通过固定、透化和染色杀死细胞。SIP方法需要添加稳定同位素示踪剂，可能扰动原生表型。荟萃分析显示基于代谢物修正的方法偏向更快速的生长速率，即使添加或稀释水也改变地球化学。这构成了“微生物观察者效应”：增加一维确定性的方法常降低另一维的确定性。例如，化学成像可能需要破坏性采样，原位显微镜牺牲活体动态，组学以空间和时间背景为代价揭示分子景观，同位素标记可能扰动系统化学状态，实时跟踪细胞以化学和分类复杂性为代价。这种效应是微生物特有的，因为许多生物学领域不受同等阻碍。研究人员提出了几种克服该困境的案例：1. 通过基于基因组的统计同时测量微生物身份和生长速率，但推断复制速率的方法与实际生长速率相关性差；2. 被动或稀释同位素示踪研究，如蒸汽同位素标记，但蒸汽本身可能扰动微生物组；3. 通过微流控或类似微宇宙重新引入空间维度，但有其自身注意事项。尽管挑战存在，微生物学家继续缩小表型测量的不确定性，未来需要量化这些不确定性的基准研究。

结论（Conclusion）

微生物学测量的前沿不依赖于下一个单参数仪器，而是依赖于多参数的解释。每个测量单独且不完全地阐明微生物现象周围的负空间（操作不确定性）。表型随生长变化，活动测量可能扰动系统，“组学”数据反映生理状态和调控，微生物身份和化学在空间变化但通常分开测量。这些挑战是机会，鼓励校准解释并建立跨测量模式的共识。关联流程连接化学、活动、身份和生理状态，配合匹配生物学的测量条件，提供前进路径。拥抱微生物观察者效应不是作为悲观限制，而是作为指南，提醒测量与测量方式不可分割，更好的方法可以缩小这种不确定性。