《Applied Physiology Nutrition and Metabolism》：Omics-driven soil bioremediation of emerging contaminants: Integrating sensors, digital twins, and microbial biotechnology
编辑推荐：
土壤有机无机污染物污染威胁生态系统健康，生物修复利用微生物群落降解污染物成为重要方案。多组学技术（基因组学、转录组学、蛋白质组学、代谢组学）揭示微生物降解机制及环境适应性，案例显示多组学整合可优化生物刺激和生物增强策略，结合数字孪生和实时传感技术实现精准修复。挑战包括数据标准化、跨组学验证及生态风险评估。未来方向为基因组尺度代谢模型、微生物群落工程及智能监测系统。
阿萨德·沙阿（Asad Shah）| 穆罕默德·瑙曼·汗（Mohammad Nauman Khan）| 瓦卡尔·阿里（Waqar Ali）| 穆罕默德·努曼·汗（Muhammad Numan Khan）| 希达亚特·乌拉（Hidayat Ullah）| 扎赫拉·巴拉蒂（Zahra Barati）| 阿迪尔·法鲁克·洛迪（Adil Farooq Lodhi）| 聂立晓（Lixiao Nie）
中国海南省三亚市三亚大学育种与繁殖学院（Sanya Institute of Breeding and Multiplication）盐碱耐受水稻技术创新中心，邮编572025
摘要
土壤受到有机和无机污染物的污染，对生态系统健康、食品安全和人类福祉构成了严重威胁。利用微生物群落来解毒或转化污染物的生物修复技术已成为一种有前景且环保的解决方案。然而，土壤微生物生态系统的复杂性及其对压力因素的动态响应要求我们使用先进的工具来进行全面理解。近年来，组学技术（基因组学、转录组学、蛋白质组学和代谢组学）的进步为我们提供了关于参与生物降解过程的土壤微生物组组成、功能潜力和活性的关键见解。本文基于现有知识，探讨了如何应用个体和综合组学方法来阐明在不同环境条件下负责降解碳氢化合物、农药和其他新兴污染物的微生物途径。多组学整合有助于识别活跃的微生物类群、代谢限制以及功能基因网络，从而有助于设计优化的生物修复策略。来自极地、干旱地区和根际环境的案例研究表明，基于组学的生物刺激和生物强化技术能够在环境压力下提升微生物的性能。此外，还强调了传感器组学-数字孪生平台等新兴框架作为未来适应性及精准生物修复工具的作用，实现实时监测和有针对性的干预。我们还讨论了将组学数据转化为实际应用过程中面临的挑战，包括监管限制、数据标准化和生态风险。最后，本文探讨了基因组规模代谢模型、微生物联合体工程和实时生物传感器等新兴工具作为未来的发展方向。通过结合多组学技术、下一代传感技术和人工智能驱动的决策系统，我们现在可以从描述性研究转向预测性和规范性微生物组工程，以实现可持续的土壤修复。
引言
近年来，多种天然和合成化学物质被认定为新兴污染物（ECs）。这些污染物的存在形式和数量要么以前未被识别，要么从未在环境中检测到。因此，关于它们的生态毒理学效应及其在环境中的归趋知之甚少（Lapworth等人，2012年）。这些新兴污染物包括药品和个人护理产品（PPCPs）、全氟和多氟烷基物质（PFASs）、某些农药、工业添加剂及副产品（例如增塑剂）、微塑料和纳米塑料（Feng等人，2023年）。高分辨率分析技术（如液相色谱-串联质谱（LC-MS/MS）和QuEChERS-液相色谱四极杆飞行时间质谱（LC-QTOF-HRMS）等技术的进步显著降低了检测限，揭示了这些污染物在土壤中的普遍存在，其浓度低至痕量水平（ng–μg·kg?1），而此前这些污染物是无法检测到的（Boahen等人，2025年；Montemurro等人，2024年）。土壤受到这些污染物的污染已成为一个全球性的挑战，因为土壤既是这些污染物的汇也是其二次来源，直接影响生态系统功能和食品安全。因此，了解它们与土壤微生物群的相互作用对于开发高效的土壤生物修复策略至关重要。
土壤既是这些污染物的汇，也是它们的二次来源，通过多种途径进入土壤。主要污染源包括施用处理过的废水或污泥（生物固体）以提高土壤肥力和结构、含有兽药成分的动物粪便、垃圾填埋场的渗漏物以及来自施用农药或除草剂的农田的径流（Maddela等人，2022年；Schaap等人，2025年）。进入土壤后，这些污染物可能附着在矿物表面或其他有机物上，可能经历非生物或微生物转化，垂直迁移至地下水或横向扩散到相邻生态系统。这些污染物的迁移性和生物可利用性取决于多种因素，包括它们的物理化学性质、疏水性、土壤有机碳分配系数和持久性（半衰期）。然而，对于许多新型化合物来说，这些参数仍然知之甚少（Mohanapragash等人，2025年；Sarma，2022年）。因此，这些污染物在土壤中的持久性对微生物功能、养分循环和长期生态系统韧性构成了重大风险。
土壤中的微生物在生物地球化学循环中起着非常重要的作用，包括碳封存、磷溶解和氮矿化等。新兴污染物通过改变微生物群落平衡、酶活性和养分循环显著扰乱了土壤微生物组。例如，一项为期两年的微宇宙田间研究表明，添加了混合药品和个人护理产品的土壤与对照组相比，微生物多样性发生了显著变化（Chahal等人，2023年）。还有报道称，PFASs的暴露会减少关键硝化（amoA）和反硝化（nirK、nirS）基因的丰度，导致氮循环紊乱和一氧化二氮排放增加（Jiang等人，2022年）。类似地，内分泌干扰化合物如双酚A和非诺酚会抑制脱氢酶和尿素酶的活性，减缓有机物分解并降低土壤肥力（Zaborowska等人，2024年）。在这些影响中，抗生素及相关化合物作为典型污染物，驱动了微生物功能的改变，并改变了基因交换动态，进一步突显了污染物如何干扰对土壤生物修复至关重要的自然微生物降解网络。尽管这些污染物可能间接影响土壤动物和植物，但本文重点讨论了它们与微生物群的相互作用，因为微生物群构成了修复过程的生化基础。
尽管已有研究关注并报告了这些化合物的负面影响，但传统的监测方法、目标化学分析和其他生物测定方法无法捕捉到异质土壤基质中污染物的复杂性和动态变化。由于污染物及其代谢物的丰富存在以及复杂的基质干扰，强调了高通量、非靶向筛选方法和功能测定的应用（Meher和Zarouri，2025年；Yang等人，2023年）。土壤微生物联合体与污染物之间的协同或拮抗关系尚未明确，这也是完成风险评估和管理的另一个障碍。因此，迫切需要新的分析和分子工具来解析受污染压力下土壤微生物生态系统的分类和功能复杂性。
虽然已经使用单一菌株进行生物强化并通过添加营养物质进行生物刺激来应用于生物修复，但由于存在多种污染物混合物，这些技术无法应对所面临的多方面挑战。基因组学、转录组学、蛋白质组学和代谢组学等组学技术的最新进展彻底改变了我们解读受污染压力下土壤微生物组的分类组成、代谢潜力和生态相互作用的能力（Mu等人，2025年；Sanches等人，2024a）。整合这些组学数据有助于识别关键的降解微生物类群、应激响应基因和参与污染物降解的代谢途径。然而，由于土壤异质性、数据标准化不足以及跨组学水平的验证有限，将这些见解转化为实际应用仍面临困难（Alidoosti等人，2024年；Toussaint等人，2024年）。解决这些挑战需要将组学数据与微生物生态学、计算建模和环境传感相结合，建立可持续土壤修复的预测性框架。这些进展使得多组学整合成为最重要的技术，其中宏基因组学提供群落背景，转录组学揭示基因活性，蛋白质组学确定催化蛋白，代谢组学将代谢通量与污染物降解联系起来。
因此，本文重点介绍了基于组学的新兴污染物生物修复的当前进展，强调了（i）综合组学方法如何阐明微生物途径和网络相互作用；（ii）基于组学的生物强化和生物刺激策略的应用；以及（iii）将组学见解与先进传感和数字建模框架相结合以实现适应性、数据驱动的修复。通过提供机制比较和未来展望，本文旨在加强预测性和系统性土壤生物修复的科学基础。具体而言，本文探讨了以下科学问题：（i）如何整合多组学数据来重建和模拟土壤中负责污染物降解的微生物途径？（ii）将组学数据转化为实际应用中的生物修复策略的关键方法学进展和限制是什么？（iii）如何将组学见解与传感器技术和数字孪生框架相结合以实现适应性、预测性的土壤修复？（iv）开发标准化、数据驱动的生物修复工作流程的主要研究空白和机会是什么？
节选内容
土壤微生物群落
土壤是最复杂的微生物生态系统之一，其中栖息着多种细菌，驱动生物地球化学循环、养分转化和污染物降解（Kayiranga等人，2024年；Kiprotich等人，2025年）。新兴污染物（ECs）的暴露重塑了这些复杂的微生物网络，有利于耐受性强的微生物类群，并改变了养分转化和解毒所需的功能途径。随着这些组成和代谢变化在多个分子水平上发生，
土壤生物修复中的组学方法：从宏基因组学到代谢组学
每种组学方法在解析污染物降解过程中具有不同的分析目的。宏基因组学揭示了微生物群落的分类多样性和遗传潜力，有助于发现新的分解基因，但无法确认其在自然环境中的活性。转录组学通过量化mRNA表达将潜力与活性联系起来，提供了对压力反应的时间分辨率，但对短暂的环境波动和RNA不稳定性较为敏感。蛋白质组学
案例研究和应用
不仅在实验室条件下，而且在田间条件下，也通过使用本土微生物群落或通过增强微生物群落来评估土壤的生物修复过程。最近的进展表明，将基于组学的表征与实时传感和数字孪生建模相结合可以显著提高对修复效果的预测和控制能力。在本节中，我们重点介绍了多组学数据集在修复应用中的典型案例
基于传感器组学的土壤净化平台
将组学见解应用于实际修复需要一个明确的操作路线图，明确传感器测量、组学诊断和数字孪生预测在实践中的相互作用方式。如图3所示，该路线图遵循一个闭环序列：实时传感器持续捕捉土壤的物理化学状态，定期进行的组学分析提供路径级和功能验证，数字孪生模型整合这些数据流以进行预测
多组学的整合
理解土壤生物修复需要跨尺度连接分子、功能和生态信息。然而，单一组学分析往往只能孤立地识别基因或代谢物，而无法将其与实际活性或生态影响联系起来。多组学整合通过捕捉基因、转录本、蛋白质和代谢物之间的跨层次相互作用，从而克服了这一限制，使人们能够从机制上理解微生物群落
生物强化和生物刺激
基于组学的生物修复越来越支持生物强化和生物刺激策略的设计和优化。基因组学、转录组学和代谢组学分析有助于识别关键的降解微生物、功能基因和代谢瓶颈，为受污染土壤中的有针对性干预提供信息。主要采用两种技术方法：（i）引入专门的微生物菌株或联合体（生物强化）；（ii）刺激本土微生物群落挑战与未来展望
本节探讨了限制组学驱动土壤生物修复在田间应用的关键技术、计算和转化障碍，并指出了推进预测性和适应性修复框架的优先方向。
组学技术的发展使土壤生物修复从经验观察转变为预测性和系统级的管理。高分辨率分子见解可以直接应用于实际修复过程
CRediT作者贡献声明
阿萨德·沙阿（Asad Shah）：撰写——审稿与编辑、原始草稿撰写、软件使用、资源准备、方法学设计、调查实施、数据分析、概念化。穆罕默德·瑙曼·汗（Mohammad Nauman Khan）：撰写——审稿与编辑、软件使用、数据管理、概念化。瓦卡尔·阿里（Waqar Ali）：撰写——审稿与编辑、软件使用、数据管理。穆罕默德·努曼·汗（Muhammad Numan Khan）：撰写——审稿与编辑、软件使用、概念化。希达亚特·乌拉（Hidayat Ullah）：撰写——
资助
本研究得到了海南省博士后研究基金（RZ2500001111）的支持。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。
