iMeta | 联盟成员徐云碧/于峰等-解析植物体内外环境组学交叉对话

尽管植物表型由基因型、环境以及基因型与环境的互作（GEI）决定，但环境长期被视为静态的'背景噪音'，致使连接环境信号与表型结果的机制在很大程度上未被阐明。全球气候变化要求加速植物适应和从头驯化以增强作物气候韧性。然而，基因组辅助育种受限于环境表征不足：经典GEI模型将环境视为黑箱，阻碍机制性解析；野生种质中内源环境响应机制的缺失进一步削弱了从头驯化的理论基础。

本研究提出了一个多尺度环境连续体框架，将植物环境划分为内部和外部领域。在个体尺度上，表皮作为操作边界：外部环境包括该边界外的大气环境和土壤基质，内部环境则涵盖边界内的所有组织空间。基于“内环境”（milieu intérieur）和系统生物学理论，在每个尺度上，围绕特定参考系统的物理化学条件即被定义为该子系统的环境，使内部环境成为可进行系统性环境型鉴定的可操作测量领域。植物环境因此形成一个跨尺度连续体，可量化为 E = E_内部 + E_外部 + E_内部 × E_外部，其中E_内部跨越细胞内到组织-器官尺度的环境因素，E_外部代表土壤-气候-生物因素，交互项捕捉通过结构界面介导的跨尺度信号耦合。该框架将环境黑箱解构为作物改良和从头驯化的可靶向预测参数。

环境组学在操作层面被定义为整合研究多尺度环境因素的学科，这些因素调控植物生长与适应。它涵盖内部（E__内部）和外部（E_外部）环境——这两个相互依存的领域共同构成基因型-环境互作（GEI）和表型可塑性的环境背景（图1A、B），表皮作为个体水平的边界。

外部环境组学利用遥感平台（卫星、无人机（UAV）、地面传感器）对气候、土壤和生物因素进行大规模监测。基于Transformer架构的GEFormer模型通过模拟GEI，将特定性状的预测准确率提高2.92%，在未测试环境中杂交预测提高超过20%，但完全依赖外部环境数据。

内部环境组学采用电化学微传感器和基因编码的生物传感器，在细胞内、细胞间及组织-器官尺度对物理化学条件进行环境型鉴定。微针电化学传感器可实现内部环境的最小侵入式连续离子监测，但稳定性和田间可部署性仍有待解决。

丛枝菌根围隙（PAS）和类菌体周隙（PBS）其物理化学参数（如pH、离子浓度）有别于细胞质和整体环境。这些参数既非细胞质稳态值，也非整体环境值。我们不引入额外的E_界面领域，而是将其视为E_内部的特化环境，承认其中间性质而不增加理论类别。这些非典型内部环境带有外部输入的特征，在保留环境型鉴定实用性的同时兼顾生物复杂性。

该划分的可操作化需要可证明的可测量性和实验可分离性。E_内部和E_外部仅限于环境型鉴定可测量的物理化学状态。通过受控扰动实现独立测量：（i）固定E_外部（控制大气CO₂配合气孔下微电极读数），（ii）固定基因型G背景（具有逐步盐度梯度的近等基因系，木质部Na⁺/K⁺通过微针电极/电感耦合等离子体质谱量化）。

内部环境型鉴定系统量化个体植物内源的多尺度动态物理化学状态，在三个层级尺度上实现可操作化（图S1）。该层级基于尺度相对性原理：在每个尺度上，围绕焦点子系统的物理化学条件构成其环境，将抽象概念层转化为实验可及模块。

在细胞内尺度，细胞质、核质和细胞器腔构成大分子过程的物理化学环境。内部环境型鉴定量化调节基因表达和代谢通量的动态参数：细胞质pH、游离离子浓度（K⁺、Ca²⁺、Cl⁻和NO₃⁻，跨区室范围从mM到μM）、氧化还原电位、腺苷酸能荷（ATP/ADP/AMP）以及细胞器特异性状态（线粒体膜电位、叶绿体NADPH/NADP⁺比率、液泡pH）。

在细胞间尺度，质膜作为细胞内-细胞间界面，而质外体和胞间连丝介导共质体运输和质外体扩散。内部环境型鉴定量化质外体pH梯度（5.0−6.5）、离子梯度（K⁺、Ca²⁺、Cl⁻和NO₃⁻）、气体分压（O₂、CO₂和乙烯）以及信号分子浓度（生长素、脱落酸（ABA）和肽梯度）。核心模块包括（图S2）：（1）细胞壁-质膜机械感知（FER受体激酶-RALF（快速碱化因子）、MCA通道），（2）胞间连丝门控（胼胝质沉积、PDLP5（胞间连丝定位蛋白5）），（3）钙解码（CBL（钙调神经磷酸酶B样蛋白）-CIPK（CBL互作蛋白激酶）、CDPK（Ca²⁺依赖性蛋白激酶）），以及（4）质外体屏障（凯氏带蛋白、木栓质）。这些模块形成在数分钟内重塑内部环境的整合网络。

在组织-器官尺度，多细胞功能单位（维管组织、光合组织）作为长距离运输和气体交换的整合系统运作。维管分化创造不同的内部环境：木质部汁液（质外体、张力驱动）与韧皮部汁液（压力流驱动、富蔗糖）具有不同的运输机制。后者在源端主要通过质外体途径装载进入筛管（部分植物采用共质体途径）。组织层特化建立激素驱动的径向梯度。这些梯度通过在不同细胞类型中差异性地募集共享调控模块，调控从顶端优势到叶缘排水器、花药及根尖的多种发育与环境适应过程。

超越操作可测量性，内部环境型鉴定的分析价值在于超越困扰组分水平遗传标记分析的背景依赖性。传统的基因和数量性状位点（QTL）定位识别单个位点，但其效应取决于环境及其互作因素。在缺乏这些组分的遗传背景中，基因和QTL效应会剧烈波动，从而降低依赖这些关联标记进行辅助选择的效率。相比之下，考虑E_内部参数（木质部Na⁺、液泡Na⁺/K⁺）分析方法通过多对一基因型-表型作图进行整合多基因网络的输出：比如在盐分胁迫的情况下，无论具体基因组合如何，维持的物理化学状态直接约束耐盐性。因此，E_内部比单个标记分析的背景依赖性显著更低，将基因型与内部和外部环境型整合可获得背景稳健的选择指标。

传统生理测量主导基因型-表型二元框架，记录植物症状而不识别环境驱动因素，从而无法建立从内部环境到分子网络的因果链。这使GEI永远局限于黑箱描述。环境型鉴定被定义为将物理化学参数量化、标准化和分类为环境型变量以进行预测建模的操作过程。内部环境型鉴定将这些参数在细胞内、细胞间和组织-器官环境中解构为可量化、可比较和标准化的环境型变量。

这些变量作为遗传程序的调控输入：将干旱分解为E_外部（土壤水分亏缺严重程度）和E_内部（木质部O₂、细胞质ABA诱导的Ca²⁺信号），可识别区分基因型的特定内部环境型响应，从相关性推进到因果性。

新兴微探针技术有望实现高分辨率的内部环境型鉴定。电化学微传感器可在细胞分辨率检测质外体pH、K⁺、Ca²⁺和O₂梯度；非损伤微测技术（NMT）实现跨膜离子通量的无损、活体监测；光纤微探针检测活性氧（ROS）和激素分布；纳米线传感器实现维管组织中代谢通量的多重检测。基因编码生物传感器（如绿色荧光蛋白钙调蛋白肽、福斯特共振能量转移传感器）实现细胞动态的非侵入式成像，而质谱成像（基质辅助激光解吸/电离质谱成像、低温纳米尺度二次离子质谱）和单细胞组学解析细胞类型特异性代谢响应。先进成像技术（选择性平面照明显微镜、4Pi结构照明显微镜）实现实时可视化。

尽管主要局限于实验室环境，下一代微针基电化学传感器正在突破这一边界：3D打印固体微针阵列实现了近能斯特（Near-Nernstian）极限的pH响应，可用于植物体内干旱胁迫的连续监测，为田间可部署的内部环境型鉴定提供了概念验证。

植物环境组学中的交叉对话并非环境信息的直接交换，而是通过界面区室介导的跨尺度信号转换与物质交换。气孔调节气体交换：外部因素（光、CO₂、湿度、温度）触发内部信号（如ABA介导的响应），而碳状态反馈调节孔径。叶际实现地上微生物-生理互作。根系通过激素网络感知梯度，并通过根际分泌物招募有益微生物。这些界面共同构成表型组-环境组学交叉对话的结构基础（图2A、B）。

这种交叉对话在多个尺度上运作：生理（气体交换、离子通量）、发育（根-冠分配、胁迫轨迹）和进化（环境型-基因型协变中的局部适应特征）。界面区室是信号转换的物理位点——横跨内外边界以允许环境进入、实现同步信号捕获与细胞内响应，并作为可调的GEI位点。量化交叉对话动态将描述性生物学桥接到预测性环境型建模。

这种预测能力将精准农业从被动的E_外部操作转变为主动的多尺度环境互作节点工程化。通过调节气孔孔径动态和根际分泌物梯度，这些界面作为"智能过滤器"运作——具有遗传编码、动态可调通透性的结构边界，主动调节环境交换而不改变E_外部，在细胞-组织尺度实现精准环境型设计。

环境组学的核心贡献在于将环境从不可观测的背景转变为可量化的参数，使其能够与分子生物学信号模块（感知、放大、协调、输出）整合，从而将统计相关性桥接到机制性预测。

在根-土界面，ROP GTPase、肌动蛋白动态和囊泡运输调控的根毛生长决定水分和养分获取效率；根边缘细胞形成防御和信号交换的界面。在茎-大气界面，气孔运动整合光、CO₂和ABA信号。OST1-CPK15-SLAC1通路将干旱适应分解为可独立优化的感知、放大和输出模块。高温通过phyB-PIF4整合光和温度信号，将热形态发生重新定义为主动的发育程序。土壤硝酸盐信号通过NRT1.1磷酸化将生长素运输与根系结构耦合，而气孔密度响应大气CO₂和湿度发生表观遗传重塑。

总体而言，环境组学将分散的分子发现整合为模块化的界面网络，揭示黑箱GEI模型无法触及的调控逻辑——跨细胞-组织-器官尺度的层级信号整合与冲突解决。定量的分子-环境关系产生机制性、预测性的理解和可量化的工程靶点，将适应性从统计相关性转变为主动可设计的输出。

植物-环境互作组学破译环境信号转导的分子网络，为工程化植物适应性提供机制基础。我们将环境型鉴定框架推进为利用多组学数据和精准育种技术进行从头驯化预测设计的整合范式。

分层环境型鉴定与方法整合：（1）多组学耦合识别驯化靶点：离子组学-转录组学揭示G2-like（G2样转录因子）、bHLH（碱性螺旋-环-螺旋）和HD-ZIP（同源域-亮氨酸拉链）转录因子将磷信号转导为细胞内重编程；CRISPR（成簇规律间隔短回文重复序列）验证位点连接界面感知与基因调控。（2）传感器-转录组整合实现性能预测：田间传感器网络细化外部环境型鉴定，单细胞转录组学区分胁迫响应细胞群体，基因组-环境关联优先编辑靶点。（3）表观基因组-转录组耦合量化赋予跨代耐受性的可遗传染色质状态（DNA甲基化、组蛋白修饰、小RNA）。盐和冷胁迫诱导水稻胞嘧啶-氢-氢（CHH）和胞嘧啶-鸟嘌呤（CG）低甲基化，启动茉莉酸（JA）通路基因。甲基化组-转录组整合鉴定胁迫响应差异甲基化区域（DMR）；靶向甲基化编辑验证因果表观变异。（4）微生物组关联恢复有益互作：野生Solanum pennellii通过根分泌物招募溶磷微生物，而栽培品种丧失这一能力。工程化黄酮生物合成（OsPAL、OsC4H）增强根细菌生物膜形成和生物固氮，提供可操作的微生物组靶点。

该五阶段工作流程（分析→预测→设计→验证→应用）整合环境型鉴定、多组学和精准编辑技术，借助AI虚拟细胞模型连接分子网络与田间环境。分析结合野生种质的分层环境型鉴定和多组学分析。预测通过机器学习整合环境型鉴定数据和基因组信息。设计部署CRISPR、甲基化编辑和微生物工程（图1B）。验证结合受控环境下的表型鉴定与多环境测试，使用环境型鉴定量化内部环境间的性能变异。应用基于验证数据更新环境型鉴定参数和预测模型，主动学习驱动持续优化。

实现植物数字孪生和AI引导的基因组设计需要将五阶段工作流程从离散操作升级为连续自动化系统。这取决于将环境组学从静态测量转变为实时、多尺度感知。

我们提出技术成熟度（TRL）框架映射这一渐进过程：多尺度建模的概念验证（NeRF基3D重建、作物计算机模拟）、环境型鉴定和表型鉴定标准化的组分验证、通过物理信息神经网络（PINN）和传感器融合算法的系统集成，以及靶向闭环优化的操作部署。关键瓶颈是非侵入式内部感知；微针基电化学传感器、红移生物传感器和微型化根际阵列提供临时解决方案。

优先方向包括：（1）标准化环境型鉴定方案和全球数据库；（2）推进微探针传感器阵列；（3）阐明跨尺度信号整合；（4）建立跨纬度、海拔和土壤梯度的全球协作网络。成功取决于承认可扩展内部感知仍处于起步阶段，并逐步建立整合能力。

环境组学的终极愿景不是取代田间试验，而是将其从试错探索转变为假设驱动的精准干预。将分层环境型鉴定嵌入数字孪生可实现数百万基因型-环境组合的计算机预筛选，仅在真实田地部署最优策略。这是从头驯化从经验主义推进到机制科学的必由之路。