|
摘要
植物富含微生物,其巨大的多样性和在植物与微生物相互作用中的作用正在被越来越多的研究。微生物群落与宿主建立功能联系,并表现出能够提高植物性能的有益特性。因此,微生物组研究的一项重要任务是确定新的有益微生物特征,这些特征可以促进作物生产力,特别是在不利的环境条件下。然而,尽管近年来知识呈指数级增长,但很少有关于农业接种剂设计过程的新方法被提出。最近引入的一种方法是使用合成微生物群落(SynComs),这涉及应用微生物生态学和遗传学的概念来设计接种剂。在这里,我们讨论了如何通过将SynComs与具有强大定殖特性、在植物发育过程中的流行性和对植物的特定有益功能的微生物相结合,来转化为为农业提供稳定有效接种剂的理论基础。包括机器学习和人工智能在内的计算方法将利用筛选和识别有益微生物的方法,同时改进确定所需植物表型的最佳微生物组合的过程。我们关注最近的进展,这些进展加深了我们对植物与微生物相互作用的了解,并批判性地讨论了利用微生物创造SynComs的前景,该SynComs能够增强作物抵御压力的能力。
FIGURE 1 A framework for tailoring stable and effective synthetic microbial communities (SynComs) to enhance crop resiliency to environmental stresses. The selection of microbes in a culture collection is based on functional and empirical evidence, regardless of taxonomic classification. The rationale is driven by using both genome and microbial profiling data in the selection of key microbial candidates. Machine learning and artificial intelligence computational tools drive crucial steps in identifying microorganisms possessing traits for robust colonization, prevalence throughout plant development, and specific beneficial functions for plants. As a proof of concept for SynCom effectiveness, tools for plant phenotyping serve as an important diagnostic platform for measuring the impact of SynComs addressing the demand for both increased productivity and plant resiliency. The figure was prepared with the effective use of colors to help people with low visual acuity or color blindness.
图1:构建稳定有效的合成微生物群落(SynComs)以增强作物对环境胁迫的复原力的框架。培养物中微生物的选择基于功能和经验证据,而不考虑分类。这一原理是通过在关键微生物候选物的选择中使用基因组和微生物谱数据来驱动的。机器学习和人工智能计算工具推动了识别微生物的关键步骤,这些微生物具有强大的定殖特性、在植物发育过程中的流行性以及对植物的特定有益功能。作为SynCom有效性概念的证明,植物表型分析工具是衡量SynCom对提高生产力和植物弹性需求的影响的重要诊断平台。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-12 01:10
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社