《Geoderma》：Interactions between soil environmental factors and microbial communities consistently predict plant health
编辑推荐：
本研究针对集约化农业中土壤养分失衡和微生物群落紊乱导致土传病害频发的问题，通过采集不同健康状况的番茄根际土壤，结合多维数据与机器学习模型，揭示了有效磷(AP)过量积累通过破坏微生物网络稳定性、促进病原菌增殖并削弱植物防御功能，从而加剧病害发生的生态机制。该研究为通过优化土壤养分管理维持作物健康提供了重要理论依据。
随着全球人口持续增长和粮食需求上升，农业集约化已成为全球农业发展的主流模式。温室栽培作为集约化农业的关键组成部分，通过精准调控温度、湿度和光照等环境变量，显著提高了作物产量和资源利用效率。然而，温室 farming 系统的广泛采用给土壤健康带来了重大挑战。由尖孢镰刀菌(Fusarium oxysporum)、青枯菌(Ralstonia solanacearum)和根结线虫等病原体引起的土传病害爆发，逐渐成为制约农业可持续发展的主要瓶颈。病原体在土壤中的积累和传播，加上连作和高密度种植，日益危害作物健康和生产能力。尽管集约化农业能在短期内提高作物产量，但过度施肥引起的土壤酸化、盐渍化等退化现象日益突出，其对土壤健康的有害影响逐渐加剧。然而，深刻影响并有效预测各种植物病害发生的关键土壤特性尚未得到充分探索，特别是在大空间尺度上。
土壤微生物群落在植物健康和土传病害调控中不可或缺。集约化栽培和管理实践，如大量使用化肥和农药，导致微生物群落的多样性和组成发生变化。这些变化通常表现为有益微生物丰度下降，伴随病原微生物相对丰度增加，从而降低土壤的抑病能力。当前研究已探索了一些关键微生物，如芽孢杆菌(Bacillus)和木霉(Trichoderma)，通过抑制土壤病原体和刺激植物免疫反应为植物提供保护。此外，在群落水平上，研究表明健康土壤通常具有更高的微生物多样性，通过资源竞争和微生物共生抑制病原微生物的扩张，从而增强抗病性。Wei等(2015)发现，在温室番茄根际，存在具有高连接性和生态位重叠的微生物群落，这些特征显著降低了青枯病的发生率。土壤微生物的功能性状在抗病性中也起着关键作用。然而，尽管在识别针对特定植物病害的关键微生物特征方面取得了显著进展，但细菌、真菌和原生生物之间的跨界相互作用如何影响植物健康尚未得到充分探索。多种疾病之间的共享特征需要进一步揭示，这对于在异质环境下成功预测植物健康具有重要意义。
土壤微生物和植物生理都受到土壤非生物特性的影响。因此，植物病害的发生在很大程度上受土壤理化特性特定变化的控制。土壤pH值、盐度和养分含量等因素在不同土壤管理策略下发生动态变化，这些变化直接影响土壤微生物群落的组成和功能。El-Saadony等(2022)证明，过度施肥和不平衡的灌溉实践导致有效磷(AP)和速效钾(AK)等必需养分的积累，创造了富含养分的环境，促进病原微生物的增殖。因此，识别决定或预测植物健康的关键非生物因子与微生物因子同样重要。此外，评估土壤非生物特性比评估微生物特性要简单得多。因此，基于关键非生物特性的预测模型更有效且更适用。
鉴于微生物在土传病害发生中的关键作用，大量研究集中于阐明微生物如何影响土壤病害动态。然而，关于跨界微生物相互作用以及土壤环境因子与微生物群落之间的相互作用如何影响病害发生，及其在多病害预测中的相对贡献，我们的理解仍然有限。为填补这一空白，研究人员采集了表现不同健康状况的番茄植株的土壤样本，包括健康植株以及受青枯病、枯萎病和线虫病害影响的植株。本研究旨在识别关键的非生物和生物特性，并研究这些特性及其相互作用如何影响植物健康。此外，研究人员基于多维数据开发了机器学习模型，对与单一病害相关的土壤进行分类和预测，并验证了这些模型的准确性和适用性。
为开展研究，团队从中国多个省份的番茄温室(GH)采集了土壤样本。根据番茄植株可观察的病害症状，样本分为四组：青枯病、枯萎病、线虫病害和健康组（无可见病害症状）。每个温室土壤样本均配有从相邻地块采集的配对露天(OF)土壤作为参考基线，代表温室转换前的背景条件而非无病害对照。共收集了62个健康、31个青枯病、29个枯萎病和17个线虫病害土壤及其配对的OF参考土壤。测定土壤环境因子包括pH值、电导率(EC)、水分含量(WC)、铵态氮(NH4+-N)、硝态氮(NO3--N)、有效磷(AP)、速效钾(AK)和有机质(OM)。通过定量PCR检测青枯菌(RS)和尖孢镰刀菌(FO)的丰度。对细菌16S rRNA基因、真菌内转录间隔区(ITS)和原生生物18S rRNA基因进行扩增子测序。使用PICRUSt2基于16S rRNA基因谱和KEGG通路注释推断细菌群落的功能潜力。通过盆栽实验验证AP对青枯病发生的影响。统计分析包括方差分析(ANOVA)、主坐标分析(PCoA)、偏最小二乘路径建模(PLS-PM)、随机森林(RF)和多元回归树(MRT)等机器学习方法。
研究结果揭示了不同病害类别土壤环境因子的显著差异。青枯病土壤的AP、AK和EC水平显著高于健康土壤、枯萎病土壤和线虫病害土壤。枯萎病和线虫病害土壤的AP水平也显著高于健康土壤。枯萎病土壤的NH4+-N显著高于其他组。微生物响应方面，青枯病土壤中RS丰度显著高于健康土壤；枯萎病土壤中FO丰度显著高于健康土壤。细菌α多样性在青枯病土壤中显著高于健康土壤，而枯萎病土壤的真菌α多样性和线虫病害土壤的原生生物α多样性虽高于健康土壤但差异不显著。微生物群落结构分析显示，青枯病和线虫病害土壤与其他组存在显著差异，而枯萎病和健康土壤的微生物群落更为相似。
通过识别病害土壤中显著增加或减少的扩增子序列变异(ASVs)，研究发现病害土壤中增加的ASVs具有较低的网络连接性，并与土壤养分含量、病原菌丰度和病原支持性土壤微生物功能(PSSFs)呈正相关，而与植物防御相关土壤微生物功能(PDASFs)呈负相关。减少的ASVs则表现出相反的趋势。PLS路径建模表明，土壤环境因子和病害组中显著增加的ASVs与病害发生的关联最强。AP被确定为驱动病害发展的关键因子。
机器学习模型显示，结合土壤环境因子和微生物群落数据（细菌、真菌和原生生物群落）的分类性能最佳。随机森林(RF)模型整合前70个重要ASVs和环境特征后，曲线下面积(AUC)达0.916，表现出强大的判别能力。多元回归树(MRT)分析中，AP在所有病害类别中均作为首要分支特征出现。验证盆栽实验证实，较高的土壤AP水平（100和200 mg kg-1）下，番茄青枯病发病率和病情指数均显著高于低AP土壤（30 mg kg-1）。
讨论部分强调，过量养分（尤其是AP）积累会改变微生物群落结构，简化微生物网络，促进病原菌增殖并削弱有益微生物功能，从而共同导致更高的病害发生风险。与传统观点不同，本研究发现青枯病和线虫病害土壤的细菌多样性高于健康土壤，表明病害条件下的微生物响应具有特异性。研究还揭示了病害土壤中微生物功能分布的明显偏向，增加的ASVs与病原支持功能正相关，而与植物防御功能负相关。
结论指出，通过整合土壤环境因子和多界微生物群落数据，本研究阐明了与不同土传病害相关的独特和共享土壤特性。AP积累与微生物群落组成变化、网络稳定性降低、病害相关类群富集以及微生物功能性状错位相关。这些发现强调了集约化农业实践中土壤养分管理的重要性，表明限制AP过量积累可能有助于降低土传病害风险。研究提供的整合框架有助于理解土壤病害发生的环境-微生物组联系，并识别土壤健康恶化的候选指标。未来结合纵向采样、实验操作和更广空间覆盖的研究对于加强因果推断和评估这些关联在不同种植系统和管理制度中的普遍性至关重要。
