快递查询
测试调用测试设计Survival生存曲线绘制软件环境微生物多样性软件转录组分析软件转录组软件购买重测序软件环境微生物多样性软件(1)桌面软件中药空间代谢组学检测中药非靶代谢组检测中药入血/入靶成分分析中药成分鉴定检测中药组学ATAC-seqCHIP-seqHi-C测序基因调控OmicsBeanMicrobe Trakr(微生物基因组鉴定分析工具)网页分析系统WEB分析系统澳洲血清 BovineBD科研管KAPAQIAGENThermoFisherMVE液氮罐4titude® 样品管标记系统Hi-C建库试剂盒及基因组组装软件无血清细胞冻存液Cell Freezing Medium纳米流式检测仪lexogen支原体检测试剂盒仪器试剂耗材数据库开发数据中心TCGA生存数据包功能医学报告系统开发PlantArray植物生理组平台特色服务单细胞测序空间代谢组DSP空间蛋白质组Visium空间转录组测序空间多组学类器官基因芯片染色体级别基因组组装Hi-C建库叶绿体、线粒体基因组测序一代测序动植物基因组de novo测序细菌基因组测序真菌基因组测序病毒基因组测序简化基因组遗传图谱测序简化基因组GWAS测序基因组重测序表观组基因分型外显子捕获目标区域捕获简化基因组遗传图谱性状定位扫描图DNA中5-hmC图谱测定全基因组甲基化测序真菌基因组扫描图测序epiGBS-简化甲基化BSA混池测序基因组SSR开发基因组(DNA)UMI-RNAseq转录组测序真核有参转录组测序真核无参转录组测序原核链特异性转录组测序全转录组测序 降解组表达谱芯片circRNA芯片circRNA测序Small RNA测序Lnc RNA测序m6A甲基化测序互作转录组测序UMI-RNAseq转录组(RNA)16S扩增子全长测序Meta-Barcoding(eDNA)技术研究微生物多样性测序宏基因组测序宏基因组Binning分析宏基因组抗性基因测序HiC-Meta宏基因组宏转录组差异表达测序宏病毒组测序环境DNAHiFi-Meta宏基因组肠道菌群临床检测基于肠道菌群检测和移植的肠道微生态学科建设宏基因组元素循环测序微生物组蛋白组代谢组抗体芯片Raybiotech芯片蛋白芯片蛋白芯片4D蛋白质组Raybiotech芯片OLINK精准蛋白质组学解决方案常规定量蛋白质组蛋白质组定性分析靶向蛋白质组学修饰蛋白质组学非靶向代谢组学靶向代谢组学脂质组学蛋白和代谢组GC-MS全代谢组LC-MS全代谢组靶向代谢组脂质组学代谢组学分子生物学CRISPR基因编辑细胞定制细胞株构建iPS构建CRISPR/Cas9DNA甲基化修饰细胞FAQ基因编辑切片图像扫描组织芯片免疫组化微量基因组建库专家病理切片数字存档多色免疫荧光病理形态学数据陪护扩增子时序分析基因突变体克隆动物中心小动物疾病模型构建和检测服务基因编辑小鼠动物实验支原体污染检测服务细胞系遗传背景鉴定细胞系鉴定外泌体全转录组测序外泌体分离与鉴定单外泌体蛋白质组学分析服务外泌体专题甲基化焦磷酸测序cfDNA甲基化测序DNA甲基化测序850K甲基化芯片935K甲基化芯片全基因组甲基化测序(WGBS)简化基因组甲基化测序 (RRBS)目标区域甲基化测序 (Targeted Bisulfite Sequencing)甲基化DNA免疫沉淀测序 (MeDIP-seq)氧化-重亚硫酸盐测序 (oxBS-seq)TET-重亚硫酸盐测序(TAB-seq)5hmC-Seal,超高灵敏度的羟甲基化检测羟甲基化免疫共沉淀测序 (hMeDIP-seq)DNA 6mA免疫沉淀测序 (6mA-IP Seq)甲基化专题RNA修饰研究专题免疫印迹(Western-blot)技术服务定量Western检测Simoa单分子免疫分析qPCRCNVSNPPGM测序PCR array数字PCR精准检测ATAC-SeqChIP-SeqRIP-Seq基因调控Ribo-seq核糖体印迹测序技术Active Ribo-seq活跃翻译组测序技术翻译组10x官方发布样本准备样本要求样本取材以及样本编号技巧精简版细胞库组织库动物模型蛋白组代谢组Hi-C单细胞与空间转录组单细胞悬液外泌体Raybiotech蛋白芯片Simoa样本准备样本准备要求表单留言板SaaS 帮助搜索Mac谷歌浏览器2019国自然基金查询生信相关工具集合数据分析项目信息单提交资料分享核酸抽提产品资料转录组软件教学视频微生物多样性软件教学视频Lexogen产品培训视频Olink精准蛋白组学专题项目进度个人中心会员登录会员注册购物车联系我们公众号手机商城公司愿景知识分享
当前位置

ISME| 南农大沈其荣院士团队最新揭示根际微生物组成变化可更早预测番茄青枯病

转自凌恩生物

期刊:ISME             

影响因子:11.217             

发表时间:2022

样本类型:番茄根际土壤

客户单位:南京农业大学

一、研究背景

大多农田土壤都不同程度地被植物病原体侵染。土壤传播的病原体可以在感染新宿主之前在土壤中潜伏数年。了解病害动态对于防止病原体传播至关重要。即使在同质条件下,面对土壤传播病原体的植物也往往表现出二元结果,个体要么保持完全健康,要么发展出严重到致命的疾病症状。由于根际微生物组是植物健康的主要决定因素,因此假设这种二元结果可能是由于根际微生物组组装的早期分化导致的,这可能进一步级联成不同的疾病抑制能力。

二、实验设计

本研究对自然均质土壤中生长的番茄植株进行了纵向研究,即番茄植株生长在被土传细菌病原体Ralstonia solanacearum侵袭的天然但均匀的土壤中。通过使用无损采样系统早在青枯病症状出现之前,定期评估每个植物的微生物组组成(图1D)。记录植物健康状况,取样根际土壤,测量了土壤理化性质,定量了土壤病原体丰度,细菌群落组成,并确定了与疾病结果相关的鉴别类群(图1E)。
图片

图1科学假设和实验设计

三、实验结果

1、番茄青枯病普遍存在二元发病结果

根据2010年至2020年发表的132项观测数据,发现番茄青枯病的发病率在0~100%之间,在温室试验中平均为71.4%(图2)。最早的青枯病症状倾向于出现在RS1(生殖阶段初期),疾病发病率在接下来的几周内急剧增加。在温室实验结束时,根据枯萎症状和茎冠中的病原体密度,将植株分为患病(n = 27)、潜伏感染(n = 14)和健康(n = 13)三类。
与潜伏感染的植株相比,在患病植株的根茎组织中检测到R. solanacearum的数量显著增加(高4.8倍,p < 0.001)。
图片

图2比较番茄个体在病原菌胁迫下的病害发展结果。

2、微生物组组成的差异预示着疾病的结果

与疾病发病率相似,在健康和患病的植株中,R. solanacearum的丰度仍然较低,但在繁殖阶段突然增加(图3)。在RS1之前,土壤中与疾病结果相关的R. solanacearum的丰度没有显著差异,与健康植株相比,在患病植株的根际中检测到的R. solanacearum数量更高(1.3倍, p = 0.016)(图3A)。
根际土壤的理化性质在植物发育阶段表现出演替模式,但这些模式与疾病结果无关。
在VS2(营养生长阶段)时,健康和患病番茄植株的细菌群落组成最初存在显著差异(图3D),比任何可检测到的病原体密度变化提前2周(图3E)。尽管如此,在健康番茄和患病番茄之间的群落alpha多样性的显著差异仅在RS2中观察到(p<0.001)。
图片

图3均质土壤微生物群落迅速分异并影响病害发生

3、鉴别与疾病发展相关的分类群

鉴定了与每个植株发育阶段的疾病结果相关的类群,结果表明,这些鉴别到的OTUs个数(占总OTU个数的0.1-4.5%)和属的个数(占总属个数的0-16.8%)随着植株发育的增加而增加(图4A,B)。在VS2中,大部分(80.2%)健康植株中富集的OTUs是假单胞菌(图4C),而大多数疾病植株中富集的OTUs是拟杆菌门(20.4%)、疣微菌门(18.5%)和未分类的细菌(29.6%)。
为了测试VS2健康植株中富集的根际细菌是否有助于疾病抑制,从VS2(27 dap)的根际土壤中分离出细菌。所有137个分离株均与31个OTUs匹配,其中5个OTUs与后来的健康植株相关。通过用分离的菌株接种植物进一步进行了温室实验,以测试它们对青枯菌的抑制作用。与对照组相比,5株鉴别OTUs/菌株显著降低了青枯病指数(p < 0.01)。同时随机选取10个非鉴别的OTUs/菌株,用来随机探讨菌株的疾病抑制能力。结果表明,5株可鉴别的OTUs/菌株比随机选择的10株非鉴别的OTUs/菌株具有更高的疾病抑制能力(p < 0.001)。
具体来说,这五种菌株将疾病指数降低了30.4-100%。OTU_168(P. defluvii)、OTU_554(B. petrii)和OTU_660(B. nealsonii)的效果显著大于对照(p < 0.05)(图4G)。这些数据验证了一些健康植株丰富的OTUs在VS2时的疾病抑制能力。
图片

图4在不同群落状态形成时,健康植物中富集的类群具有潜在的疾病抑制能力

四、研究结论

本研究结果表明,最初均质的土壤微生物群落可形成不同的根际微生物群落,根际微生物群落分异继而对植物健康产生影响。众所周知,病原体丰度被广泛用作病害发展的预测指标。然而,当检测到高病原体密度时,病情控制通常为时已晚。因此,需要在病原体爆发之前进行病害诊断,而早期预测因子对控制病害至关重要。
在这项研究中,作者发现根际微生物组在幼苗期就具备了潜在的抑病能力。在这种情况下,群落组成的变化能够比病原体密度变化更早地预测病害的发生。微生物组装过程中的这种快速分异为研究疾病动力学提供了新的思路,并为微生物组诊断和调控微生物组以驱动植物抗病性提供了新途径。


参考文献

Small changes in rhizosphere microbiome composition predict disease outcomes earlier than pathogen density variations. ISME, 2022.


文章分类: 公众号