《Symbiosis》：Plant-microbe networks under climate change: molecular mechanisms, systems biology, and strategies for ecosystem resilience
编辑推荐：
植物与其相关微生物组之间的相互作用是气候变化下生态系统韧性的关键决定因素。本综述综合了植物-微生物组系统的最新知识，重点关注调控协同相互作用的分子机制以及用于揭示其复杂性的系统生物学方法。研究人员探讨了这些网络如何通过调节生理响应、养分获取和防御机制来促进植物
植物与其相关微生物组之间的相互作用是气候变化下生态系统韧性的关键决定因素。本综述综合了植物-微生物组系统的最新知识，重点关注调控协同相互作用的分子机制以及用于揭示其复杂性的系统生物学方法。研究人员探讨了这些网络如何通过调节生理响应、养分获取和防御机制来促进植物对干旱、盐碱和极端温度的适应。多组学技术（宏基因组学、宏转录组学、宏蛋白质组学和代谢组学）能够全面表征这些相互作用，为预测建模和靶向微生物组工程提供支持。研究人员探索了合成微生物群落（SynComs）和生物接种剂作为增强作物韧性和促进可持续农业的创新解决方案。定量证据表明，在干旱胁迫下接种植物促生根际细菌（PGPR）可使产量相对于干旱胁迫对照提高56%，根生物量提高61%；多菌株联合体使地上部生物量提高70%，而单一菌株仅为28%；田间试验显示其功效相对于受控条件降低约50%（产量增加22% vs 45%），凸显了关键的转化鸿沟。主要挑战包括田间表现不稳定、制剂稳定性差、商业可行性受限（>40%的产品失败率）以及监管碎片化。整合数字孪生、人工智能（AI）驱动的预测分析和合成生物学的未来方向提供了重要机遇。本综述为利用植物-微生物组系统促进气候韧性农业和保障粮食安全提供了框架。
主体内容总结
2 胁迫下植物-微生物通讯的分子机制
2.1 信号通路与激素串扰
植物激素（包括生长素、细胞分裂素、赤霉素、脱落酸（ABA）、水杨酸（SA）、茉莉酸（JA）和乙烯（ET））通过复杂的串扰网络介导胁迫响应和植物-微生物相互作用。微生物能够产生或调节这些激素，影响根系构型、养分吸收和系统抗性。例如，植物促生根际细菌（PGPR）合成生长素促进根伸长，从而增强干旱耐受性。在胁迫下，ABA积累并触发气孔关闭，但有益微生物可调节ABA信号以平衡水分保持与生长。SA和JA/ET通路分别对生物营养型和坏死营养型病原体的防御至关重要，有益微生物可通过诱导系统抗性（ISR）或系统获得性抗性（SAR）引发这些通路，使植物在后续胁迫中实现更快速的响应。
2.2 非生物胁迫下的微生物招募与组装
植物通过分泌根际分泌物（有机酸、糖类、氨基酸和次级代谢物的复杂混合物）主动塑造其根际和内生殖微生物组。在非生物胁迫下，这些分泌物的组成发生显著变化，作为选择性线索招募能够赋予胁迫耐受性的特定微生物类群。例如，干旱胁迫下植物可能释放更多特定糖类或氨基酸，有利于产生胞外多糖（EPS）以改善土壤保水性或合成渗透保护剂的耐旱微生物的生长。盐胁迫同样改变根系分泌物模式，促进耐盐微生物的富集，这些微生物可通过产生降解活性氧（ROS）的酶、促进离子隔离或合成缓解盐诱导生长抑制的植物激素来帮助植物减轻盐毒性。
2.3 诱导系统抗性（ISR）和系统获得性抗性（SAR）的分子基础
ISR和SAR是两种不同但通常重叠的植物防御机制。SAR通常由局部病原体感染诱导，通过SA信号提供全株广谱、持久的抗性。ISR通常由定殖根部的有益微生物（如PGPR）触发，涉及JA/ET信号通路，提供针对多种病原体及部分非生物胁迫的增强抗性。ISR的分子基础涉及植物模式识别受体（PRRs）对特定微生物相关分子模式（MAMPs）的识别，启动信号级联反应，导致防御相关基因的转录重编程，而不直接激活抗菌反应。相反，ISR引发植物免疫系统，使其在后续病原体攻击时能够产生更快更强的防御响应。
2.4 共生关联中的分子识别与特异性
有益植物-微生物共生的建立始于决定伙伴特异性的分子识别事件。PRRs感知微生物相关分子模式（MAMPs），启动区分有益共生体与病原体的信号级联。在豆科植物-根瘤菌共生中，根瘤菌产生的Nod因子被特定的LysM受体样激酶（如百脉根中的NFR1和NFR5）识别，触发根毛卷曲、侵染线形成和根瘤器官发生。丛枝菌根真菌（AMF）属于球囊菌门，与约80%的陆生植物建立共生关系，其识别涉及植物受体（如CERK1和LYK9）对包括脂质壳寡糖和短链几丁质寡聚体在内的Myc因子的感知，激活调控结瘤和菌根化的共同共生信号通路（CSSP）。
2.5 共生伙伴的共适应与相互调节
共生伙伴之间的共适应涉及基因表达和代谢途径的相互调节。在固氮共生中，植物向类菌体提供二羧酸（主要是苹果酸和琥珀酸）作为碳源，而根瘤菌则以铵形式提供固定氮作为交换。这种营养交换受到严格调控：植物通过豆血红蛋白维持的氧稳态为固氮酶活性提供微需氧条件，而类菌体分化涉及植物来源的结瘤特异性富含半胱氨酸（NCR）肽，驱动内复制和终末分化。在菌根共生中，植物将高达20%的光合固定碳分配给真菌伙伴，换取磷、氮和水。
2.6 营养交换与代谢整合
共生伙伴之间的代谢交换是互惠共生关联的决定性特征。在固氮共生中，植物向类菌体提供氨基酸（如天冬氨酸、谷氨酸）和二羧酸，这些物质被代谢以支持固氮酶活性，固定氮以铵或氨基酸形式输出至植物。在AMF共生中，真菌伙伴通过共生界面为植物输送磷酸盐、氮和水，同时获取高达20%的光合固定碳（己糖）。AMF通过将菌丝网络延伸至根系耗竭区之外并溶解不溶性磷酸盐来增强磷吸收。在干旱胁迫下，AMF不仅增强养分吸收，还通过外生菌丝的直接水分转移改善植物水分关系。
3 植物-微生物组网络的多组学与系统生物学
3.1 宏基因组学、宏转录组学与宏蛋白质组学
宏基因组测序提供环境样本中分类多样性和功能潜力的快照。在气候胁迫下，宏基因组研究揭示群落组成变化以及与特定胁迫适应相关的基因富集。宏转录组学聚焦于测序所有RNA分子，提供宿主和微生物在特定条件下活跃基因表达的见解，识别参与养分动员和防御引发的微生物基因以及响应微生物信号的植物基因。宏蛋白质组学研究整个微生物群落和植物宿主表达的蛋白质，提供植物-微生物组界面生化过程的直接证据，揭示介导相互作用的关键酶、胁迫响应蛋白和信号分子。
3.2 植物微生物组多组学的方法学进展
宿主DNA污染仍然是植物相关微生物组宏基因组测序的主要挑战。当前宿主DNA去除策略包括物理分离（过滤、密度梯度离心）、选择性裂解、靶向植物细胞壁的酶处理，以及先进技术如磁珠靶向序列捕获、甲基化富集和纳米孔选择性测序。CRISPR-Cas9和染色质免疫沉淀（ChIP）为基础的宿主DNA去除方法被提出作为解决当前局限性的新途径。多组学整合已显著推进，新兴方法利用机器学习和网络建模来映射层间依赖关系并预测系统级行为。单细胞组学技术实现了微生物异质性的高分辨率分析，揭示了稀有生物圈成员和根际系统内特定生态位的代谢功能。
3.3 微生物联合体的网络分析与预测建模
多组学方法产生的大量数据需要复杂的计算工具进行网络分析和预测建模。系统生物学整合多样化数据集以构建映射植物-微生物组系统内基因、转录本、蛋白质和代谢物之间关系的相互作用网络，揭示关键枢纽、调控通路和有助于生态系统韧性的涌现特性。人工智能（AI）和机器学习的最新进展彻底改变了植物-微生物组研究的预测建模。机器学习模型结合环境因素和主要微生物门类可以93%的准确率预测植物健康状况；基于马铃薯种薯微生物组和无人机成像的预测模型能够根据微生物组组成预测作物表现。AI在根际微生物组研究中识别出两种互补策略：“由外而内”（用于作物增强的SynCom设计）和“由内而外”（微生物组辅助育种招募有益微生物的作物基因型）。
3.4 将分子数据与生态系统尺度观测相结合
多组学和系统生物学的最终目标是弥合分子见解与生态系统尺度结果之间的鸿沟。这涉及将高分辨率分子数据与更广泛的生态观测相结合，如植物生长、生物量生产、养分循环速率和生物多样性指标。遥感技术可提供大规模生态数据，与局部多组学数据结合时，为理解和管理生态系统韧性提供强大基础。这种整合方法使研究人员能够识别生态系统健康的分子生物标志物，预测生态系统对气候变化的响应，并设计利用植物-微生物组相互作用促进可持续农业和环境修复的靶向干预措施。
3.5 多组学数据整合工作流程
多组学数据整合工作流程包括四个连续阶段：样本采集涉及在明确的胁迫条件下收获根际土壤、根组织和植物分泌物；多组学数据生成产生四个互补数据层：宏基因组学、宏转录组学、宏蛋白质组学和代谢组学；计算整合和系统生物学建模采用网络分析和机器学习算法重建相互作用网络，识别调控枢纽和生物标志物，并开发系统行为的预测模型；转化应用利用这些整合见解指导靶向干预，包括SynCom设计、生物接种剂开发和精准农业实践。成功的整合需要标准化工作流程、一致的元数据报告和可重复的分析流程，以实现有意义的跨研究比较和元分析。
3.6 共生网络的系统生物学
系统生物学方法通过将多组学数据整合到伙伴通讯和代谢整合的预测模型中，揭示了共生相互作用的复杂性。网络分析已识别双方伙伴中的调控枢纽和关键基因，揭示共生信号和胁迫响应的保守模块。整合蒺藜苜蓿-苜蓿中华根瘤菌共生的转录组和代谢组数据，识别了协调结瘤和固氮的调控网络，关键转录因子（如NIN、NF-YA1）作为共生发育的主调控因子。菌根转录组的元分析揭示了跨不同植物物种的保守基因表达特征，包括磷酸盐转运蛋白和胁迫响应基因。单细胞和空间转录组学的新兴应用正在实现细胞分辨率下共生相互作用的解析。
4 微生物组工程与合成微生物群落（SynComs）
4.1 SynComs的设计原则
SynComs被定义为微生物（通常为细菌和真菌）的混合物，组装以在植物宿主或其环境中执行特定功能。有效SynComs的设计原则涉及：选择共同提供广泛有益功能（如养分增溶、植物激素产生、病原体抑制、胁迫缓解）且互补而非冗余的菌株；确保所选菌株能够共存、协同相互作用并在目标环境中定殖而不产生拮抗效应；考虑宿主特异性以增强功效和持久性；选择能够耐受目标环境中普遍存在的特定非生物胁迫的菌株；严格筛选菌株以确保其对植物、动物和人类无致病性且不构成环境风险。功能性状方法和机器学习预测方法正在推进SynCom设计，通过整合植物表型、微生物基因组学和机器学习优化SynCom组成。
4.2 生物接种剂及其在增强作物韧性中的作用
生物接种剂包括单一菌株或简单有益微生物混合物，通过多种机制增强作物对气候胁迫的韧性：增强必需养分的可用性和吸收，减少合成肥料需求；通过产生渗透保护剂、胞外多糖（EPS）或植物激素减轻非生物胁迫效应；通过直接拮抗（如抗生素产生、资源竞争）和诱导系统抗性（ISR）抑制植物病原体；改善土壤结构、团聚体稳定性和有机质分解。元分析证据表明，干旱胁迫下PGPR接种使氮浓度提高24%、磷提高44%、钾提高28%，根生物量提高61%，产量提高56%。多菌株联合体使地上部生物量提高70%，而单一菌株为28%。跨不同门类（厚壁菌门和变形菌门）的联合体比密切相关分类群的联合体更有效。
4.3 田间微生物组工程的成功案例研究
多个成功案例证明了微生物组工程的转化潜力：耐旱玉米SynComs在撒哈拉以南非洲多个地点的田间试验中，中度干旱条件下使玉米产量提高18-22%；耐盐水稻工程微生物组在南亚15个盐碱地农田中使水稻地上部钠含量降低35%，籽粒产量提高27%；机器学习指导的番茄SynCom设计在田间试验中增强植物生长并改善热胁迫耐受性；PGPR种子包衣在马铃薯中使株高和茎直径分别提高10.89%和34.46%，最佳复合制剂产量提高38.9%；气候智能型生物肥料通过互补微生物机制增强植物对干旱、洪涝、极端温度和物理扰动的耐受性。
5 对土壤健康与生态系统功能的影响
5.1 养分循环与碳固存
土壤微生物群落是养分循环的主要驱动者，将氮（N）、磷（P）和钾（K）等必需元素转化为植物可利用的形式。固氮作用由自生和共生细菌（如豆科植物中的根瘤菌）执行，将大气氮转化为氨。解磷细菌和真菌从土壤矿物质中释放无机磷酸盐供植物吸收。土壤生态化学计量涉及碳、氮和磷的平衡，同步调节陆地和水生生态系统中养分浓度和比率，微生物群落在介导这些化学计量关系中发挥核心作用。这些微生物过程对环境条件高度敏感，干旱或高温等气候胁迫因子可破坏微生物活动，导致养分可用性降低和植物生长受损。
