|
网络作图揭示拟南芥与叶际微生物组互作机制 Disentangling leaf-microbiome interactions in Arabidopsis thaliana by network mapping  Article, 2022-10-06, Frontiers in Plant Science, [IF 6.627] 第一作者：李凯航 通讯作者：何晓青、邬荣领 主要单位：北京林业大学生物科学与技术学院 DOI:10.3389/fpls.2022.996121 原文链接： https://www./articles/10.3389/fpls.2022.996121/full 摘 要 植物叶际微生物组对植物的生长和健康发挥重要作用，这些微生物编码了比宿主植物更多的基因，通过协作和竞争等形成稳定的群落结构, 在促进植物养分吸收、调控生长发育和适应环境胁迫等的过程中具有重要功能。近年来，植物微生物组研究取得了巨大进展，但植物-微生物组互作的遗传机制及其在植物优良性状形成中的作用还未阐明，尤其是植物如何调控微生物组之间的互作仍需研究。全基因组关联分析（GWAS）成为研究植物微生物组互作的重要手段。本研究团队整合行为生态学与基因作图理论，利用数学模型将微生物的竞争与合作系统分解为共生、拮抗、攻击和利他网络，将网络嵌入到基因定位的框架，构建了网络作图模型 (network mapping)。利用network mapping挖掘了植物影响微生物组网络结构的关键基因。结果发现即使在不同环境下，微生物之间的互作也符合生态学中的一些理论，包括“黄金分割比”假说、斐波那契回溯标记假说及投降-抵抗假说。宿主调控微生物组受时间和空间影响，编码生长、非生物胁迫反应、抗病和营养吸收的基因在调控微生物组中发挥作用，同时了解到微生物组在连接宿主基因调控性状方面起到桥梁作用。 引 言 叶际微生物组在植物发育过程中起着重要作用，植物的健康与高度多样化和动态的微生物组有关，微生物组对其宿主具有重要的功能，在促进植物矿质元素吸收、提高植物抗病性、协助植物抵抗非生物胁迫、直接调节植物生长发育等方面有重要影响，但微生物组与植物关系的具体机制仍不清楚。许多GWAS已经开始研究植物微生物组互作机制，GWAS是利用全基因组范围内群体中高密度的分子标记，鉴定与复杂性状表型变异相关联的分子标记，进而挖掘与表型相关基因的方法。宿主由于基因型的差异直接影响了表型的变化，但很少有系统地描述植物与微生物组内互作的遗传学特征。在此之前，我们提出了关于生物之间互作行为的新理论，并根据该理论发展了一个简单的定量决策模型来指导生物体之间的互作关系。根据行为生态学和博弈论定义了微生物组中四种类型的相互作用:互惠、拮抗、攻击和利他。我们整合行为生态学与基因作图理论，将网络嵌入到基因定位的框架，构建了network mapping。利用数学模型计算了不同互作关系下的六种微生物互作网络特征值（Connectivity、Closeness、Betweenness、Eccentricity、Eigenvector、PageRank），并以网络特征值来表征不同样品之间微生物互作网络的差异。分别对四个采样点两年的数据进行了分析。 主要内容 1.叶际微生物组的生态网络 群落中微生物以各种方式相互作用，形成复杂的行为关系。因为对抗或合作需要能量，所以每一种生物的互动行为都可能付出高昂的代价。为了获得最大的收益，每一个生物体都努力选择一个最优的交互策略，使其对资源的占用最大化，但对能量的消耗最小化。为此，我们引入四个假设，即一个参与者对另一个参与者的策略做出反应时，如何选择最优的行为策略。（1）“黄金分割比”假说（golden threshold hypothesis）认为，62%是决定一个较大的参与者（鹰式）对其较小的伙伴（鸽式）的策略转变的关键阈值。在这个阈值之下，大的利用小的，而在阈值之上，大的选择与小的合作。（2）从竞争到合作的转变假说（competition-to-cooperation shift hypothesis）认为，一个较大的玩家永远不会与一个较小的鹰型玩家合作，除非前者在规模上被后者反超75%。（3）斐波那契回溯标记假说（Fibonacci retracement mark hypothesis）提出，面对一个更大的鸽形玩家，一个较小的玩家选择合作还是欺骗，这取决于它相对于较大玩家的规模是小于还是大于38%。（4）投降抵抗假说（surrender-resistance hypothesis）认为，对于一个更大的鹰型玩家，一个较小的玩家可以从抵抗中获得一些好处，或者选择投降而牺牲。 在互惠共生网络中，较大参与者相比较小参与者丰度比值都大于0.618(图1中绿色部分)，符合“黄金分割比”假说，说明当丰度较少的微生物相对于前者的相对丰度超过0.618时，丰度较高的微生物倾向于与较少的微生物合作。在攻击网络中我们发现鹰-鸽派与鹰的派比值在0.373 - 0.798(上层)之间，鸽派与鹰-鸽派的比值在0.557 - 0.765(下层)之间(图1黄色部分)。这些比值很多都高于0.618，这与“黄金分割比”假说的第二方面是一致的，即当丰度较低微生物相对于丰度较高微生物的相对丰度低于0.618时，丰度高微生物倾向于利用丰度较低微生物。在利他网络中，上下两层利己主义者相对于利他主义者的相对丰度都明显大于0.382(图1紫色区域)。这与斐波那契回缩标记假说一致，即当的微生物相对于丰度高的微生物的比值超过0.382时，丰度较低的微生物为了自身利益可能欺骗丰度较高的微生物。在对抗网络中，小拮抗相对于大拮抗的相对丰度为0.668 - 0.903(图1红色部分)，这与投降-抵抗假说一致。  图1 拟南芥叶片中微生物群落的社交网络。 (A) 2012年四次实验结果，(B)2013年四次实验的结果。每幅图中，左：由代表微生物合作的双箭头边构成的互惠网络；右：由双T形边组成的对抗网络，表示微生物的相互冲突；顶部：由单个 T 形边缘表示的攻击网络，指定微生物（如鹰）如何攻击其他微生物（鸽子；颜色指标表示三个攻击层次）；底部：以单箭头边缘为特征的利他主义网络，说明了微生物（利他主义者）如何自费使其他微生物（利己主义者）受益（颜色指标表示利他主义的三个层次）。 2.中心节点微生物和OTU遗传力 根据各环境的生成的微生物互作网络，我们计算各网络中细菌和真菌的度、中心性（degree、closeness centrality）参数，确定各网络中细菌和真菌的相对重要性。我们共鉴定出96个hub OTUs，其中细菌hub 57个，真菌hub 39个。这些中心微生物来自细菌门:变形菌门(46个OTUs)、拟杆菌门(5个OTUs)、放线菌门(4个OTUs)和厚壁菌门(2个OTUs)，真菌门:担子菌门(19个OTUs)、子囊菌门(18个OTUs)和未分类真菌(2个OTUs)。我们结合韦恩图和Upset图来展示不同环境下hub微生物结果，从图中可以得出如下结果:7次实验中检测到OTU2 (变形菌门)和OTU 213 (子囊菌门)， 6次实验中检测到真菌OTU 201 (担子菌门)。在5次实验中检测到OTU 11(变形菌纲)，OTU 5(变形菌纲)， OTU 202(子囊菌门)和OTU 206(担子菌门)。OTU1 (变形菌门, 鞘氨醇单胞菌. TSBY-34)在8个实验中均为hub OTU。  图2 共现网络的生态枢纽 OTU。 (A) 2012 年四次实验的结果，(B) 2013 年四次实验的结果。在每个网络中，中心微生物以边框颜色突出显示。“中心微生物”在四种不同微生物网络中的分布基于程度和接近中心值。每个网络中每个 OTU 的这两个值在右侧给出。红色虚线代表每个网络对应的“枢纽微生物”的筛选截止值。用 Gephi 对四个微生物网络进行了可视化。  图3 枢纽 OTU 的维恩图。 (A)花图显示了八个实验中常见和独特的集线器 OTU 的数量，(B)八个实验的 UpSet 图。左侧的水平条表示每个实验中集线器 OTU 的总数。深粉色条表示由连接点指示的每个交叉点的枢纽 OTU 数量。 通过8次实验计算OTUs个体丰度的广义遗传力(H2)。我们发现OTUs的H2值从0到0.2287不等，并确定了15个既可遗传又是中心节点微生物的OTU。 3.调控微生物组互作的植物枢纽基因 我们计算了6个网络特性指标来展示不同样品微生物组互作差异，并将其作为表型数据，引入到GWAS中并筛选到了影响每个网络特征值的显著SNP。为了减少由于群体结构和亲缘关系带来的假阳性，我们分别利用Admixture和EMMAX来计算样品的亲缘关系（K）矩阵和群体结构（Q）矩阵，并分别引入LM、GLM以及MLM三种模型，根据膨胀因子（λ）指数选择合适模型筛选显著SNP位点。我们还通过PLINK软件研究了相关SNP两侧约10 kb内的候选基因，保留了R2>0.8的基因。我们发现了139-727个与微生物网络特性相关的显著SNP。考虑到基因之间的上位效应，并通过构建贝叶斯网络(Bayesian network)，挖掘出28 - 66个枢纽QTL。基因注释分析表明，检测到的许多中心基因具有生物学相关性，在叶片生长、非生物胁迫响应、抗病和营养吸收中发挥作用。  图4 来自微生物网络的重要 SNP 的贝叶斯网络。 (A) 2012 年四次实验的结果，(B) 2013 年四次实验的结果。每个节点报告一个 SNP，中心 QTL (SNP) 用黄色着色。网络特征指标由连通性 (Con)、接近度 [C(u)]、介数 [B(u)]、偏心率 [E(u)]、特征中心度 [G(u)] 和 PageRank [P(u )]。 4.通径分析 我们进一步通过通径分析，以剖析微生物网络在将宿主基因型（显著SNP）与植物性状（结实率）联系起来中的作用。我们先通过关联分析找到影响植物结实率的显著SNP位点，考虑到植物基因和微生物组会直接影响植物性状，植物基因也会间接调节微生物组来影响性状，我们利用通径分析进行研究，利用以下方程进行计算，设g表示基因型，y表示网络特征值，z表示结实率，利用以下方程计算各变量之间相关性。从方程中发现虽然所有的SNP都对结实率有相当大的直接影响，但它们也通过微生物网络间接影响结实率。例如，SNP7位于基因AT1G12570的基因组区域，是玉米IPE1基因的直系同源物，该基因参与花粉外壁发育。IPE1突变体表现出有缺陷的花粉外壁，并且雄性不育。在SR_2013的实验中，AT1G12570以直接方式影响结实率，但也通过攻击和利他网络中的betweenness和eigenvector的间接效应影响结实率。 rgz =Pz←g + Pz←yrgy, with Pz←y = ryz Pzg是从g到z和y到z的直接路径之和，rgy是通过微生物网络的间接路径。  图5 路径分析揭示了 QTL（外部）如何通过微生物网络作为“内表型”（中间；由六个新兴特性指数的差异描述）影响作为最终表型（内部）的繁殖力。 (A) 2012 年四次实验的结果，(B) 2013 年四次实验的结果。路径系数用从 SNP 到生殖力（蓝色）和从网络到生殖力（棕色）的有向线表示。箭头线和 T 形线分别代表路径的正面和负面影响。SNP 和网络之间的相关系数用蓝线表示。厚度代表路径和相关系数的大小。 讨 论 植物与自身微生物组作为一个整体，对于植物如何调控微生物组组装已经有了初步理解，微生物组在植物抗逆、抗病等方面的作用也得到了广泛证实，植物微生物组对植物生长发育的影响及其与植物的互作机制是国际前沿研究领域和重点研究方向。但是对微生物组的利用仍然有待加强。在这项研究中，我们应用网络作图理论来解析拟南芥叶际微生物组中微生物相互作用网络的遗传结构，从这一分析中，我们获得了植物基因如何影响植物性状的新见解。我们利用拟南芥叶微生物组的网络图显示，门水平上的细菌，包括放线菌、拟杆菌和厚壁菌是优势类群。作为枢纽物种的变形菌门（鞘氨醇单胞菌、根瘤菌）和放线菌（微杆菌、红球菌）的个体菌株在影响群落结构方面发挥着重要作用。这两个门在本研究中也被认为是生态枢纽；特别是鞘氨醇单胞菌TSBY-34在所有8个实验中都作为中枢物种。在最近的一项研究中，鞘氨醇单胞菌显示出通过其铁竞争能力保护柑橘叶层免受病原体入侵的巨大潜力。合成群落（SynComs）的发展剖析一个或几个群落成员如何影响拟南芥以及宿主基因如何影响微生物组组成，在未来植物-微生物相互作用的研究中，可遗传的枢纽微生物可能作为SynComs系统的组成部分。本文为培养新型植物品种，将微生物组与分子设计育种相结合提供理论依据，将植物微生物组改良纳入分子设计育种战略，充分发挥植物与微生物组之间原始的有益协作关系提供理论依据。微生物组将在可持续农业中发挥更积极的作用，未来可以通过改造植物中的这些基因来调控微生物组的稳态或者优化微生物组，以改善植物的健康生长和抵抗胁迫环境的能力。 参考文献 Li K., Cheng K., Wang H., Zhang Q., Yang Y., Jin Y., He X., Wu R. Disentangling leaf-microbiome interactions in Arabidopsis thaliana by network mapping. Front. Plant Sci. 2022, 13. https:///10.3389/fpls.2022.996121 通讯作者简介  何晓青：毕业于中国科学院生态与环境研究中心，现任北京林业大学生物与科技学院教授。在Nature communications、Science of the total environment、npj biofilms and microbiomes、Frontier in microbiology等期刊上发表论文30余篇。担任微生物组与生物信息交叉学科高起点期刊iMeta青年编委及期刊International Journal of Environmental Research and Public Health的客座编辑，为New phytologist、Chemosphere等学术期刊担任审稿人。主持国家自然科学基金面上项目等。为CCTV10《解码科技史》录制节目。研究方向：植物与微生物组互作机制、微生物群落构建机制及功能调控。  邬荣领：博士生导师，宾夕法尼亚州立大学杰出教授、统计遗传学中心主任；北京林业大学教授、计算生物学中心主任。发表SCI论文450余篇，其中影响因子10左右或以上30余篇，总影响因子超过1500。研究方向：发展统计遗传与表观遗传的研究方法、开展生物多领域的跨学科交叉研究。研究方向：博弈作图理论推导、图论（graphic theory）在复杂性状定位中的开发应用、基因型-表型图谱构建方法。 |
|
|
