环境压力与共生关系的变化：全氟辛酸（PFOA）对土壤微生物-植物相互作用网络的影响

《Environmental Pollution》：Environmental stress and symbiotic shifts: The impact of perfluorooctanoic acid (PFOA) on soil microbe-plant networks

本研究以拟南芥为模式植物，探究其在极端PFOA污染下的生理响应及根际微生物群落变化，发现高浓度PFOA显著抑制植物生长并引发氧化应激，同时改变根际微生物多样性及功能，为污染土壤修复提供新视角。

　　

陈展|娄家杰|严梦瑶|崔瑞|金一成|张梦伟|张荣舍|毛淑端|陈俊|孙立伟|卢涛|钱海峰

浙江工业大学环境学院，杭州，310032，中国

摘要

全氟辛酸（PFOA）是一种持久性的全氟和多氟烷基物质（PFAS），在工业污染源附近的土壤中经常以极高的浓度被检测到，然而在这种极端条件下植物-微生物的响应仍知之甚少。本研究将拟南芥（Arabidopsis thaliana）暴露于接近污染土壤中报告的最高浓度的PFOA（1、10和100毫克/千克），以探究14天内的综合生理、转录组和微生物响应。植物生长受到明显的浓度依赖性抑制，新鲜生物量、根长和莲座叶数量逐渐减少，其中100毫克/千克的浓度下抑制作用最为显著。PFOA暴露还诱导了氧化应激，表现为活性氧（ROS）水平的升高。转录组分析揭示了剂量和途径特异性的响应模式。在1毫克/千克的浓度下仅检测到37个差异表达基因（DEGs），而在10毫克/千克和100毫克/千克的浓度下分别检测到2184个和4999个DEGs。10毫克/千克的PFOA暴露主要激活了抗氧化防御和适应性应激响应途径，包括谷胱甘肽代谢、苯丙素和黄酮类化合物的生物合成、MAPK信号传导以及植物激素信号转导。相比之下，极端暴露（100毫克/千克）则表现为主要代谢途径的广泛抑制，特别是光合作用、碳固定、氧化磷酸化和糖酵解，表明发生了代谢崩溃。根际微生物群落对PFOA胁迫的反应比土壤整体更为强烈，表现为α-多样性降低、β-多样性分离增强、潜在耐受性类群的富集（如假单胞菌、鞘氨醇单胞菌、伯克霍尔德氏菌科和子囊菌），以及网络连通性的增加。总体而言，这些结果展示了植物和根际微生物对严重PFOA污染的协同响应，为PFAS热点土壤的生态学研究提供了见解。

引言

全氟和多氟烷基物质（PFAS）是一类氟化化合物，由于具有出色的热稳定性、化学惰性和表面活性，在工业和制造业中得到广泛应用（Fujii等人，2007；Xiao，2017）。这些特性使得它们被广泛用于防水材料、拒油涂层、消防泡沫和功能材料（Buck等人，2011；Shittu等人，2023）。然而，PFAS具有极强的环境抗降解性，并容易在土壤、水生系统和生物体内积累（Zhang和Liang，2022），有数据显示它们通过海洋-大气-降水循环在全球范围内传播（Johansson等人，2019；Owens，2021）。全氟辛酸（PFOA）存在于世界各地的各种环境介质和物种中。土壤中的PFOA浓度范围从0.026微克/千克（轻度污染）到数十毫克/千克（重度污染）不等（Houtz和Sedlak，2012；Liu等人，2019）。这些浓度与人类活动密切相关。受工业影响的地区的PFOA浓度可达到83.16至119.37毫克/千克，而在受消防训练操作影响的地点，PFAS的中位浓度报告为2400纳克/千克，局部热点地区的浓度甚至超过357毫克/千克（Brusseau等人，2020）。工业排放的PFAS可通过多种途径进入植物组织，包括通过根部从土壤吸收和直接通过叶片吸收（Liu等人，2017）。PFOA通过食物链的生物放大作用进入人体，对内分泌、免疫和生殖系统等多个生理系统产生负面影响（Lau等人，2007）。由于其高生物累积潜力，长期暴露于PFOA可能会产生累积毒性效应，对人类健康构成严重风险（Olsen等人，2007）。血液中的PFOA水平可以作为多种健康危害的生物标志物（He等人，2018）。除了其在环境介质中的持久性和生物累积性外，人们越来越关注PFAS对陆地植物的生态影响，这是PFAS进入土壤-植物-食物系统的重要途径（Y. Li等人，2021）。

PFOA对肝脏功能、新陈代谢、激素调节、肾脏功能和发育过程有广泛的负面影响。PFOA对植物和动物的毒性效应引起了越来越多的关注。多项研究表明，PFOA对陆地植物具有植物毒性作用，影响生长、生理和新陈代谢调节（Fan等人，2020；Yang等人，2015），同时也加剧了水生和陆地生态系统的失衡（Buck等人，2011；Li等人，2024；Parolini等人，2022）。PFOA暴露会抑制种子萌发，并抑制模型植物和作物物种（包括拟南芥、小麦（Triticum aestivum）、生菜（Lactuca sativa）和罗勒（Ocimum basilicum）的根和茎伸长（Li和Li，2021；Pietrini等人，2024；Zhou等人，2016）。在生理层面上，PFOA通过过量积累活性氧（ROS）破坏光合作用并诱导氧化应激，导致膜损伤、代谢失衡和植物适应性降低（Fan等人，2020；Li和Li，2021；Pietrini等人，2024）。在分子层面上，转录组和代谢组学研究表明，PFOA暴露改变了参与应激信号传导、抗氧化防御、激素调节和次级代谢的基因。在受污染的土壤中，植物与根际微生物密切相互作用，这些微生物可以显著影响污染物的命运和植物的耐受性。关于其他持久性有机污染物（POPs）的研究，如多环芳烃（PAHs）和二氯二苯三氯乙烷（DDTs）（Tarigholizadeh等人，2024；Zheng等人，2020）表明，植物可以主动重塑根际微生物群落，促进耐受性或降解污染物的微生物的富集，并增强植物-微生物的协同修复过程。因此，需要对环境中的PFOA残留物采取有效的控制和修复措施。尽管植物-根际微生物相互作用对于养分吸收、应力减轻和土壤生态系统稳定性至关重要，但关于PFOA如何影响这种植物-微生物共生系统的研究仍然很少（Lechner和Knapp，2011；Shittu等人，2023）。大多数现有研究集中在低至中等污染水平下的单代植物响应。例如（Du等人，2020），对黄瓜的研究表明，0.2–5毫克/千克的PFOA暴露会降低叶片叶绿素含量和净光合速率，同时上调酚类代谢并下调内源性氨基酸的代谢。相比之下，对污染源附近极端高污染情况下植物响应的系统性评估仍然很少，特别是对根际微生物群落结构和功能的综合分析。

根际作为植物感知和响应环境胁迫的关键界面，既是根部吸收养分和水分的主要途径，也是微生物群落活动的中心。PFOA可能会降低根部的呼吸作用并干扰根部代谢，从而影响水分和养分的吸收与运输功能（Zhou等人，2021）。微生物群落作为生态指标，通过多样性和功能特性的变化反映了环境污染物对生态系统健康的影响。根际微生物不仅在养分吸收（Lu等人，2024）方面起着重要作用，还在应力减轻和生长调节（Gargallo-Garriga等人，2018）方面发挥作用。因此，了解植物和根际微生物对严重PFOA暴露的联合响应对于理解污染源附近的生态危险以及开发植物-微生物协同修复方案具有关键意义。

在这项研究中，选择了拟南芥（A.thaliana）作为模型植物，因为它具有特征明确的基因组、对环境胁迫的高敏感性、实验效率以及保守的调控机制，使其成为研究植物对工业污染响应的理想系统（Zi等人，2024）。通过将拟南芥暴露于接近污染源报告的最高浓度的PFOA，并结合生理测量、叶片转录组分析和根际/土壤微生物群落分析，本研究为深入理解受污染生态系统中植物-微生物对PFOA胁迫的联合响应提供了新的视角。本研究旨在（1）表征拟南芥在极端PFOA胁迫下的生长、生理和分子响应；（2）阐明PFOA暴露后根际和土壤中微生物群落的结构和功能差异；（3）研究植物和根际微生物如何协同缓解PFOA胁迫，为重度污染环境的生态修复提供见解。

试剂和土壤的制备

在浙江工业大学莫干山校区（北纬30°33′3″，东经120°2′15″）建立了类似于自然条件的土壤微生物环境。从该地点采集了未受污染的草地土壤，并通过2毫米筛网去除石块、根系和其他杂物。使用磷酸盐缓冲盐水（PBS）提取土壤微生物，将1公斤过筛后的土壤悬浮在5升PBS中，以200转/分钟的速度搅拌15分钟以确保均匀性。

植物生长的抑制

为了评估PFOA的植物毒性效应，在添加了不同浓度PFOA（1、10和100毫克/千克）的土壤中培养拟南芥幼苗，这些浓度基于工业排放区的报告值（Houtz和Sedlak，2012；Liu等人，2019），以研究植物在极端胁迫下的响应。经过14天的处理后，PFOA以剂量依赖的方式显著抑制了拟南芥的生长（图1b）。新鲜重量减少了大约50%

极端PFOA暴露后的生长抑制和氧化应激

本研究发现，在拟南芥中，PFOA以剂量依赖的方式显著抑制了茎生物量和根长（图1b）（Liu等人，2022）。根部损伤不仅减少了水分和养分的吸收，还可能将胁迫信号从根际传递到地上部分，从而减缓整体植物生长。10毫克/千克的处理使叶绿素a和b的含量分别增加了3.3倍和3.6倍（图1d）。这种不寻常的增加可能反映了补偿性的光合作用

结论

本研究首次全面探讨了拟南芥及其根际微生物群落在接近污染源最高测量值的极端高浓度PFOA下的多级响应机制。极端PFOA胁迫显著降低了植物生长，改变了水分平衡，并造成了严重的氧化损伤。植物通过激活抗氧化和次级代谢途径来响应，但最终会导致代谢崩溃

CRediT作者贡献声明

陈展：撰写 – 原始草稿、方法学、调查、数据管理、概念化。娄家杰：可视化、正式分析。严梦瑶：验证、方法学。崔瑞：软件、正式分析、数据管理。金一成：调查、数据管理。张梦伟：可视化、调查。张荣舍：验证。毛淑端：调查。陈俊：撰写 – 审阅与编辑、方法学。孙立伟：撰写 – 审阅与编辑。卢涛：撰写 – 审阅与

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了浙江省重点研发计划（2024C03232）、国家自然科学基金（42377107、22376187 和 22176176）、绍兴市科技计划项目（2024025023）的财政支持。