《Applied and Environmental Microbiology》：Automated air-flow cytometry enables real-time monitoring of Plasmopara viticola sporangia in vineyards
编辑推荐：
葡萄霜霉病（Plasmopara viticola）严重威胁葡萄产量与品质，当前决策支持系统（DSS）依赖气象数据，缺乏实时孢子动态等生物指标。本研究评估了自动气流细胞仪（SwisensPoleno Jupiter）结合全息成像、荧光光谱与AI分类技术，实现葡萄霜霉病菌孢子囊的实时检测与定量。通过与Hirst型孢子捕捉器（镜检与qPCR DNA定量）对比验证，模型在病害压力高时相关性高达r=0.94。该技术为精准植保提供了可靠的孢子监测数据，有望减少杀菌剂使用频次，推动葡萄种植的可持续发展。
想象一下，一位葡萄园主正忧心忡忡地望着自己的葡萄藤。叶子上出现了诡异的黄色“油渍”斑点，背面长出了一层毛茸茸的白色霉层。这很可能就是由卵菌纲专性寄生菌葡萄霜霉病菌（Plasmopara viticola）引起的霜霉病在作祟。这种病害是温暖潮湿地区葡萄种植业的“头号杀手”之一，它能侵染所有绿色组织，导致光合作用下降、浆果糖分累积减少，严重时可造成绝收。为了对抗它，种植者长期以来依赖杀菌剂。然而，传统的施药决策大多基于天气模型预测，缺乏对空气中真实存在的病原体孢子（孢子囊）数量的实时了解。这就像打仗时只盯着天气预报，却不知道敌军的实际兵力部署和动向，很容易导致“空防”（天气适宜但无病害风险时施药）或“漏防”（孢子已存在但未建议施药）。更环保、更精准的病害管理已成为全球农业，尤其是葡萄种植业的迫切需求。
为此，一项发表在《Applied and Environmental Microbiology》上的研究带来了突破。研究人员开发并验证了首个能够自动、实时检测并量化空气中葡萄霜霉病菌孢子囊的模型。他们利用一台名为SwisensPoleno Jupiter的自动气流细胞仪，它像一位不知疲倦的“空中哨兵”，持续吸入空气，并运用全息成像、激光诱导荧光光谱等技术，为每一个经过的颗粒“拍照”并分析其物理和化学特征。然后，基于从自然和人工感染叶片获得的超过5000个孢子囊事件数据，研究人员训练了随机森林（Random Forest）机器学习模型，教会仪器如何从复杂的空气颗粒中准确识别出目标孢子囊。
为了验证这台“智能哨兵”的可靠性，研究团队在瑞士的葡萄园中开展了长达两个生长季（2023年60天，2024年140天）的田间试验。他们将SwisensPoleno与传统的Hirst型孢子捕捉器并肩部署。后者是行业“金标准”，通过显微镜人工计数或分子水平的定量PCR（qPCR）来检测孢子，但过程耗时耗力，且有至少一周的延迟。研究人员比较了自动仪器与这两种传统方法的结果，并探究了仪器进气口高度、天气条件对孢子囊浓度的影响，以及空气中孢子数量与田间病害严重程度的关系。
研究人员用到的主要关键技术方法包括：
本研究核心是使用SwisensPoleno Jupiter自动气流细胞仪进行实时监测，其集成了数字全息成像、激光诱导荧光和去极化测量技术。为训练分类模型，研究人员创建了高质量的实验室数据集，通过受控雾化从田间采集及人工接种感染的葡萄叶片获得孢子囊，并利用基于骨架（skeleton）的特征提取等图像处理技术增强对孢子形态的刻画。模型采用随机森林算法进行训练。田间验证在瑞士尼永（Nyon）的葡萄园进行，通过设置不同处理（施药与不施药）和不同进气口高度（1.5米和2.5米）的实验站，将SwisensPoleno的检测结果与并行的Hirst型孢子捕捉器的结果进行对比。Hirst型孢子捕捉器收集的样品同时用于显微镜人工计数和qPCR DNA定量分析，其中qPCR采用了针对葡萄霜霉病菌ITS1–5.8S rDNA区域的TaqMan探针法。病害严重度通过田间取样视觉评估获得，天气数据来自Agrometeo平台和MeteoSwiss。
研究结果
1. 训练数据集和用于葡萄霜霉病菌孢子囊自动检测的模型开发
研究人员从11片葡萄叶（8片田间采集，3片人工接种）生成了原始数据集，经过清洗和基于形态（如长轴10-30 μm）和荧光特征的精细过滤，最终得到约5000个高质量测量事件用于训练。所开发的随机森林模型在包含多种真菌孢子的测试集上整体准确率达到0.75，并对葡萄霜霉病菌孢子囊表现出高特异性，与其他测试真菌（如Alternaria, Fusarium, Erysiphe necator）无交叉分类。
2. 天气条件、SwisensPoleno布点及气溶胶入口高度对葡萄霜霉病菌孢子囊检测的影响
2023年度的初步试验发现，空气中孢子囊浓度与日均气温呈强正相关（r = 0.68），与相对湿度呈强负相关（r = -0.79）。仪器进气口高度影响检测结果：在2.5米高度时，葡萄园内不同位置的检测结果一致；而在1.5米高度时，不同站点间的检测值存在差异。与Hirst型孢子捕捉器的显微镜计数结果相比，本季度两者相关性较弱（R2在0.10到0.30之间），部分原因是传统方法在低浓度下不确定性较高。
3. 基于DNA的葡萄霜霉病菌检测：标准曲线和qPCR特异性
研究人员建立了用于定量分析的qPCR标准曲线（R2= 0.9949），并验证了所使用的Giop引物/探针组合对葡萄霜霉病菌的高度特异性，对常见空气非目标生物无扩增。
4. 整个生长季的葡萄霜霉病菌孢子囊检测：自动分类、显微镜计数和分子定量
在2024年长达140天的完整监测中，随着葡萄物候期推进和病害压力增加，各种检测方法间的相关性显著增强。在转色期至浆果成熟期，SwisensPoleno自动分类结果与显微镜计数的相关性高达r = 0.94，与DNA定量结果的相关性也达到r = 0.83。整个生长季，孢子囊浓度与气温持续呈现强正相关。研究还发现，未施药处理区的空气中孢子囊浓度中位数显著高于施药处理区。
5. 空气中葡萄霜霉病菌孢子囊与监测葡萄园中霜霉病发生情况的关系
2024年，病害压力很高。在未施药区，几乎所有叶片都显示症状。研究表明，空气中孢子囊浓度（无论是SwisensPoleno检测还是DNA定量）与田间病害的发生率和严重度均存在强正相关（最高r = 0.82）。在施药区，孢子囊浓度与病害发生率相关性更强；而在未施药区，则与病害严重度相关性更强。
研究结论与意义
这项研究成功开发了首个基于机器学习、用于自动实时检测葡萄霜霉病菌孢子囊的模型，并在田间得到了验证。模型在实验室条件下表现优异，在真实田间环境中，尤其在病害压力较高的生长中后期，与传统镜检和分子定量方法结果高度一致。这证明了将实时孢子监测数据整合进入病害决策支持系统（DSS）的可行性。
研究揭示了仪器布点（如进气口高度、位于施药与未施药区）和天气（特别是温度）对孢子囊检测浓度的显著影响，为未来优化监测网络部署提供了实践依据。通过提供准确的实时孢子动态，这项技术有望帮助种植者更精准地把握施药时机，减少不必要的杀菌剂使用，从而在有效控制病害的同时，降低环境负荷和生产成本，推动葡萄种植业向更可持续、更精准的方向发展。尽管在生长季早期（病原菌基数低时）的检测灵敏度还有提升空间，但本研究无疑为植物病害的智能化监测和预警树立了一个重要的技术里程碑。
