《Plant and Soil》：Culturomics of the plant microbiota: the emerging in situ similis cultivation strategies to meet the complexity of nutritional requirements of microbiota associated with plants of multiple species, growth stages and compartments
编辑推荐：
这篇综述系统阐述了植物全息体（holobiont）概念下，植物各器官（根际、叶际等）微生物组的时空动态与区室化定殖规律，重点介绍了基于植物材料（如叶片、根系提取物）开发的“原位模拟”（in situ similis）培养策略。该策略通过模拟植物天然营养环境，显著提高了难培养微生物（如放线菌门Actinobacteria、酸杆菌门Acidobacteria）的可培养性，为解析植物-微生物互作机制、发掘功能菌株（如具固氮能力的核心微生物组）以及构建合成微生物群落（SynComs）提供了关键技术支撑，对推动可持续农业发展具有重要意义。
植物微生物组的培养组学：机遇与挑战
植物与其相关的微生物群落（包括细菌、真菌、古菌和病毒）共同构成了一个紧密互作的“全息体”（holobiont），这对植物的健康、适应性和生存至关重要。传统上，植物微生物组的研究多依赖于化学合成的培养基进行体外培养，但这种方法仅能培养环境中不到1%的微生物，极大地限制了对植物微生物组多样性和功能的深入探索。
植物全息体及其微生物组的时空动态
“全息体”概念强调了植物与其复杂微生物组作为一个整体单元的相互依存关系。植物微生物组通过提供生物固氮、溶解磷酸盐、产生促生化合物等功能，显著影响植物的健康。根系是微生物活动的热点区域，微生物存在于根际土壤、根表（根面）乃至根内（内根际）。一些内生菌还能系统性地扩散到地上部。研究表明，植物微生物组的组成和功能在植物不同器官（区室）以及不同生长发育阶段存在显著差异，呈现出明显的时空动态。这种动态变化受植物基因型、发育阶段、环境因素（如温度、pH、养分有效性）以及人为农业活动（如施肥、农药使用）的共同驱动。例如，在高盐条件下，根际中耐盐微生物（如某些Halomonas和Pseudomonas物种）会占主导地位，为植物提供增强的耐盐性。
微生物的迁移与植物区室的特异性
微生物通过多种途径（如气孔、表面伤口、昆虫媒介）从土壤库迁移并定殖于植物的各个区室（如根际、叶际、茎秆、种子等）。植物宿主通过根系分泌物、沉积物等机制对微生物群落施加主动选择压力，导致不同区室形成独特的微生物分类特征和功能特征。例如，从土壤到地上部，细菌的丰富度和多样性通常呈递减和选择性梯度。木质部导管作为连接根和地上部的长距离运输系统，也为微生物的迁移提供了通道。这种区室效应延伸至细菌群落的分类单元分布、群落组成、多样性、共现网络以及微生物组与不同植物区室之间的潜在功能互作。
新兴的“原位模拟”培养策略
为了克服传统培养方法的局限性，新兴的“原位模拟”（in situ similis）培养策略被开发出来。这些策略的核心是使用植物本身或其器官（如叶片、根系）作为营养来源制备培养基，以模拟植物体内的天然营养环境。
- •
接种物依赖性培养策略（IDC）：该方法将植物器官的稀释液直接接种到营养匮乏的水琼脂平板上，使内生菌利用接种物自身携带的营养生长，有助于恢复娇嫩或生长缓慢的微生物。
- •
植物器官作为营养垫：将完整的植物叶片或根段作为固体培养基上的营养支持物，创建了一个允许营养物质自然交换的模拟环境，支持了更多样化微生物的生长，尤其能富集一些在标准培养基上难以培养的类群。
- •
植物汤基培养基：利用植物材料制成的汤剂作为液体或固体培养基的基础成分。研究表明，同源植物（即与目标微生物来源相同的植物物种）制备的培养基往往比异源植物或化学合成培养基更能支持其相关微生物的生长，显示出一定的宿主特异性。
- •
针对特殊环境的培养：例如，利用植物汤与海水结合制备的培养基，成功用于分离和驯化盐生植物的微生物组。
这些植物基培养策略不仅提高了微生物的可培养率，还成功分离到了许多此前未被培养的微生物类群，包括一些候选门级的细菌。
培养组学与其他组学技术及人工智能的整合
培养组学的发展正与各种组学技术（如宏基因组学、宏转录组学、蛋白质组学、代谢组学）紧密结合。宏基因组学能够揭示微生物群落的遗传潜能和代谢通路，为设计靶向性培养基提供线索。宏转录组学可以识别在特定环境下活跃表达的基因。这些组学数据结合机器学习算法（如XGBoost），可以预测微生物在不同培养基上的生长情况，从而智能化地优化培养基配方，减少试错成本。例如，通过分析微生物基因组数据预测其营养需求，进而指导培养基成分的调整。
结论与展望
通过采用基于植物材料的“原位模拟”培养策略，并结合多组学分析和人工智能技术，研究人员能够更有效地解锁植物微生物组的“暗物质”。这不仅深化了对植物-微生物互作的理解，也为分离具有特定功能（如促进生长、抗逆）的菌株、构建高效的合成微生物群落（SynComs）提供了宝贵的菌种资源和理论依据，最终将有助于开发基于微生物组的可持续农业生产策略。未来的研究应致力于标准化培养方案、整合多组学数据以及利用计算模型进一步推动植物微生物组培养组学的发展。
