《Current Plant Biology》：Integrated Transcriptomics-Metabolomics Framework for Predictive and Translational Biostimulant Design: Insights into Smart Systems for Sustainable Agriculture
编辑推荐：
尽管生物刺激素已被广泛商业化应用，全球市场预计2030年将达到78.4亿美元，但这些产品调控植物生长、胁迫耐受性和作物性能的分子机制仍不清楚，特别是对于应用最广泛的类别如海藻提取物（SWEs）和植物根际促生细菌（PGPR）。本综述通过整合现有证据，论述了整合转
尽管生物刺激素已被广泛商业化应用，全球市场预计2030年将达到78.4亿美元，但这些产品调控植物生长、胁迫耐受性和作物性能的分子机制仍不清楚，特别是对于应用最广泛的类别如海藻提取物（SWEs）和植物根际促生细菌（PGPR）。本综述通过整合现有证据，论述了整合转录组学-代谢组学方法作为系统生物学框架用于解析生物刺激素作用模式，主要基于涉及SWEs和PGPR的植物特异性案例研究。研究人员提供了一个从化学表征、配对组学分析、计算整合到预测建模的端到端综合流程，需要实验验证以建立因果关系，同时通过组学信息质量控制、基于生物标志物的功效筛选、知识产权策略和监管合规框架解决商业化路径问题。关键局限性仍制约进展，包括代谢物注释存在重大缺口（约30%-50%的代谢组仍未表征）、转录丰度与蛋白质活性及下游代谢物生物合成之间的脱节、缺乏标准化实验和分析方案、温室来源生物标志物向田间条件转移的适用性有限，以及高昂成本限制了资源有限环境中整合组学方法的采用。从经验性生物刺激素筛选向预测性、机制引导的配方设计过渡仍是未来目标，需要简化的整合策略、多环境验证试验、标准化数据报告和可现场部署的组学平台的发展。
1. 引言：农业生物刺激素市场在过去十年迅速扩张，2025年全球市场价值达44.6亿美元，预计2030年达78.4亿美元，复合年增长率（CAGR）约11-13%。然而，生物刺激素调控植物代谢、重编程基因表达和增强作物性能的分子逻辑仍表征不足，限制了跨基因型和环境的效力预测、配方优化和精准递送系统设计。历史上，生物刺激素主要通过生物量积累、养分吸收和胁迫耐受等表型结果评估。高通量组学技术的最新进展使得与生物刺激素应用相关的转录、代谢和信号响应的表征成为可能。SWEs（特别是来自Laminaria和Ascophyllum物种）含有多糖、多酚、渗透物质和植物激素类化合物等化学复杂混合物，触发广泛的植物生理响应。PGPR则通过养分活化、植物激素调节和诱导系统抗性（ISR）等多种重叠机制引发可重复的生长促进和防御启动。近期研究表明，PGPR分泌的代谢输出物（包括挥发性有机酸VOCs、脂肽和特殊次生代谢物）作为生物间信号重编程宿主基因表达和代谢。当生物刺激素组合成多组分配方时，多种分子输入同时与植物调控网络非线性相互作用，产生协同、加性或拮抗效应，难以经验性预测。转录组学能够全基因组表征生物刺激素感知后的调控和适应性响应，而代谢组学则捕获直接介导胁迫耐受、恢复力和植物生长的下游生化重编程。整合这些方法提供了一个因果框架，连接刺激感知、调控控制和表型结果。
2. 通过系统生物学视角重新定义生物刺激素功能：传统上将生物刺激素定义为增强植物生长的输入物日益不足以解释其复杂、动态和依赖环境的生物学影响。组学证据表明，生物刺激素不仅是单一效应因子，还是植物信号和代谢网络的调控扰动因子。
2.1 从输入-输出到网络扰动：范式转变：从系统生物学角度，生物刺激素代表改变 interconnected 基因调控、信号和代谢网络拓扑结构和动力学的外源分子信号。例如，Ascophyllum nodosum来源的海藻酸寡糖可诱导纤维素合酶基因（OsCESA8）表达，并在盐胁迫水稻中激活脱落酸（ABA）和油菜素内酯（BR）信号。生物刺激素通过重新定向代谢通量、调节激素串扰和激活潜在防御或适应途径来触发性状。这种框架解释了为什么生物刺激素效力不仅取决于生物活性化合物，还取决于植物基因型、代谢状态、环境和现有微生物群落结构。
SWEs和PGPR在分子水平上汇聚于保守信号架构。SWE衍生化合物如laminarins、alginates、fucoidan以及酚类化合物和植物激素作为分子信号被模式识别受体（PRRs）感知，启动Ca2?内流、丝裂原活化蛋白激酶（MAPK）激活、活性氧（ROS）调节和植物激素串扰等信号级联。这些级联与植物对激发子、微生物相关分子模式（MAMPs）和病原菌感知激活的响应相似。PGPR来源的MAMPs、挥发性有机化合物和外代谢物通过受体介导的感知激活重叠的信号模块。这种汇聚的核心特征是MAPK级联和钙依赖性蛋白激酶的激活，其作为特定生物刺激素系统中的信号整合枢纽。这些激酶可能调节关键转录因子家族（WRKY、MYB和ERF蛋白）的活性。激素串扰进一步塑造早期生物刺激素响应，包括生长素、茉莉酸（JA）、水杨酸（SA）、乙烯（ET）和ABA信号的调节。响应的时间维度揭示转录激活在数小时内快速发生，随后是代谢物积累，部分联合处理表现出非加性协同效应超过各单独效应之和。这种时间模式可能定义了一个干预窗口，在此期间生物刺激素诱导的启动对组合应用最敏感。
2.2 多组分配方：协同、加性和拮抗：组合配方引入多输入扰动因子，产生建设性（协同）或竞争性（拮抗）干扰。协同可通过途径互补产生，SWEs增强早期防御信号和氧化还原平衡，而PGPR改善养分获取和激素调节。时间协同发生在一个输入启动调控网络增加对后续扰动的响应性时。网络放大也可能当联合处理激活正反馈环或控制多途径的调控枢纽时产生。拮抗可能源于竞争途径的激活（如SA-JA串扰）或代谢资源竞争。计算工具包括基于相关性的共表达网络、贝叶斯推断和预测模型，能够从多组学数据集重建此类网络和调控枢纽。
3. 机械组学：通过组学建模解码多层响应：转录组学提供对生物刺激素如何调节调控和信号网络的见解，而代谢组学捕获这些调控调整的功能生化后果。
3.1 转录组学：绘制生物刺激调控景观：Ulva多糖在Medicago truncatula中激活超过150个防御基因，包括PR-10和苯丙烷途径基因。ANE处理在盐胁迫下激活LEA、HVA22b和Di21基因（渗透调节和膜稳定标志物）。干旱胁迫下ANE处理的植物中，ERF53、ERF54、NF-YB3等转录因子基因高度受调控，同时泛素蛋白连接酶RGL1、RGL2和水通道蛋白基因PIP2B也受调控。细胞周期标志物基因HISTONE H4（HIS4）在ANE启动植物的茎尖分生组织中维持，揭示ANE处理后干旱期间活跃的细胞周期进程。CYCP2:1（促进分生组织细胞分裂）被干旱抑制但被ANE处理增强。同时，ABA和胁迫诱导的RESPONSIVE TO DESICCATION 26（RD26）基因（控制非生物和氧化胁迫期间降解过程）被海藻生物刺激素抑制。这些响应支持生物刺激素诱导系统性调控转变而非孤立基因水平效应的观点。
PGPR接种剂通过MAMP识别激活重叠的MAPK-WRKY模块，表明这种信号架构代表化学和微生物生物刺激素均利用的保守的、进化上保守的植物免疫和胁迫响应系统。转录组学的反复标志是激活防御和胁迫相关途径而不完全部署代价高昂的免疫响应，产生启动的防御状态和转录记忆。
3.2 代谢组学：生化指纹和功能读出：现代液相色谱和气相色谱耦合质谱检测（LC/GC-MS）及核磁共振（NMR）光谱能够定量数千种小分子，揭示代谢途径激活、渗透物质积累和氧化还原缓冲代谢物。数据非依赖性采集（DIA）和高分辨MS显著增加代谢组覆盖度和可重复性。
ANE处理在拟南芥中增加渗透物质如脯氨酸、麦芽糖和棉子糖水平，以及TCA代谢物柠檬酸、富马酸和苹果酸水平，稳定呼吸机制并保护免受干旱和氧化胁迫。棉子糖积累受半乳糖醇合酶（GOLS）诱导支持，该酶是合成RFOs的关键酶。Laminaria来源的laminarin诱导苯丙烷和萜类途径，富集木质素前体和挥发性防御化合物；fucoidan触发ROS解毒和MAPK连接代谢级联。商业SWEs的化学异质性直接影响可重复性和生物学响应解释，可通过常规代谢组学分析解决。分子网络与串联MS将未知特征分组为化学家族，实现跨研究比较。AI辅助注释和计算碎片增强代谢物识别，缓解非靶向代谢组学瓶颈。
4. 跨组学整合：迈向生物刺激素科学中的预测性机械模型：整合转录组学和代谢组学将生物刺激素研究从描述性生物学转变为预测性系统科学。
4.1 整合转录组学-代谢组学的进展、最佳实践和近期应用：Monterisi等将蛋白质水解物分级与RNA-seq、LC-MS代谢组学和DIABLO建模结合，推进了从整个产品经验主义到组分水平机械归因的领域发展。Cerruti等展示了番茄中laminarin处理将早期转录激活与下游代谢物积累相连接的时间连贯链。Yuan等和Ji等分别解析了PGPR系统中的处理特异性基因-代谢物关系和组织特异性转录特征。Mulaudzi等将DIA-MS代谢组学与AI辅助代谢物注释部署到玉米田间条件下的微生物群落中，证明了整合流程的可扩展性。
DIA避免了数据依赖性采集（DDA）固有的随机MS/MS采样，生成更丰富的碎片数据集。基于特征分子网络（FBMN via GNPS）对化学异质性生物刺激素输入物特别有价值。SIRIUS生态系统、CSI:FingerID、CANOPUS、MolNetEnhancer和MS2Query等工具分步 addressing 注释缺口。MR2MODS用于从转录组相关性结构推断生物合成途径关系。MEANtools扩展了这些概念以纳入代谢组学数据进行改进的代谢物-基因关联分析和途径预测。
4.2 生物刺激素研究中整合转录组学-代谢组学的最佳实践方法：需要区分四个推断层次：（1）生物标志物发现；（2）处理鉴别特征；（3）候选调控模块；（4）实验验证的因果机制。当前整合组学流程主要操作于层次一至三。
关键设计原则包括：严格分析生物刺激素输入物（qNMR和LC-MS指纹）；匹配采样（同一植物组织收集转录组学和代谢组学数据）；时间分辨采样框架；多组织取样（PGPR涉及时）；严格的单一组学质量控制；成熟的多块整合框架；以及靶向验证（qPCR和靶向LC-MS）。
4.3 机械生物刺激素发现的端到端整合流程：该流程详细表征生物刺激素输入（qNMR、LC/GC-MS、HPLC），与时间和组织分辨采样、多组学分析（RNA-seq、非靶向代谢组学、生物活性测定）以及计算整合（DIABLO、IntLIM、WGCNA、网络分析）相连接。输出包括处理特异性生物标志物、协同预测和SWE-PGPR配方的理性优化。迭代反馈循环实现表征、采样和预测模型的持续改进。
4.4 局限性和未解决的挑战："暗代谢组"（30-50% MS特征未识别）限制机械分辨率。转录丰度不能可靠预测蛋白质活性或代谢通量。粗时间采样无法捕获瞬态信号事件。缺乏标准化实验方案限制跨研究兼容性。组学衍生生物标志物从温室到田间设置的预测转移性差。多组学整合方法计算密集，需要专门的生物信息学专长。因果推断仍然难以实现，相关性网络不能建立因果关系。许多作物生物刺激素研究缺乏对直至植物发育末端的全部发育过程的彻底调查，很少关注生物刺激素处理植物的产量质量。
5. 微生物和非微生物生物刺激素研究中整合多组学的机械模型和未来方向：SWEs是早期防御相关信号途径的激活剂，PGPR常通过根际介导过程发挥作用。假设联合生物刺激素应用可激活重叠和互补途径。SWEs倾向于增强能量代谢、光合作用活性和氧化还原稳态，PGPR disproportionately 影响芳香族氨基酸代谢、养分同化和特殊次生代谢物生物合成，提示一种合理的代谢"分工"。
关键概念和技术缺口包括：生物刺激素协同在分子水平上定义不清；化学异质性限制跨研究可重复性；植物代谢组学注释缺口仍然巨大；蛋白质组学和磷酸化蛋白质组学数据集很少纳入生物刺激素研究；根际微生物组测序和代谢物分析有助于解析PGPR定殖动态。
6. 从机械理解到预测设计：预测系统生物学循环（机械发现→模型构建→模拟→迭代优化→智能设计）是关键桥梁。机器学习日益核心：监督学习方法可分类生物刺激素作用模式、识别特征转录-代谢物特征和预测处理结果；非监督方法可发现潜在模式和涌现模块；图神经网络和循环架构能够建模时间动力学和网络传播。实际应用包括：生物标志物panel用于快速筛选候选配方；网络模型评估新组合；时间序列模型优化应用时机。
7. 连接基础研究理解与商业化：将机械生物刺激素知识转化为商业可行、监管合规的产品。
7.1 监管框架和质量保证：欧盟通过法规（EU）2019/1009建立最全面框架，将生物刺激素归类为产品功能类别6。美国采取分散方法，《植物生物刺激素法案》（S.1907）于2025年重新引入。印度通过2021-2024年肥料控制令修正案正式承认。中国农业行业标准NY/T 3831-2021提供非强制性分类。高级分析平台qNMR和LC-MS实现批次间指纹分析。欧洲标准化委员会（CEN/TC 455）制定BS EN 17700系列涵盖生物刺激素声称的证实。
7.2 组学信息研发和知识产权：产品组成专利面临更高门槛，除非分离或纯化产生性质显著不同的组成。制造方法专利提供替代保护。配方专利保护特定活性成分组合。商业秘密保护为制造专有技术和专有菌株收集Qt提供替代。领先企业追求组合专利（组成、方法和配方）与商业秘密的分层IP保护。Monterisi等通过分级和整合RNA-seq与LC-MS代谢组学识别低分子量组分作为盐耐受效应的主要驱动因素，展示了从经验筛选到理性机制引导设计的转变。生物标志物功效预筛选提供战略优势。监管声称证实日益依赖组学数据。
7.3 技术转移和市场实现：行业-学术合作关系是关键翻译机制。技术转移办公室管理IP保护和 nationally 许可协议。系统验证遵循技术就绪水平框架（TRL）：概念验证研究（TRL 3-4）使用整合组学建立预期分子响应；温室试验（TRL 4-5）引入环境胁迫并验证生物标志物特征；小规模田间试验（TRL 5-6）生成监管提交的功效数据；多地点试验（TRL 6-7）跨地理验证性能。战略伙伴关系如BASF-Acadian Seaplants合作和FMC-Novonesis生物制品扩张是最终商业化路径。
8. 结论和未来展望：向适应性生物刺激素数字系统生物学迈进：当前整合转录组学-代谢组学流程已证明在受控条件下进行生物标志物发现、处理鉴别特征、候选调控模块识别和生物刺激素输入化学表征的可靠能力。长期愿景包括开发完全整合的数字系统生物学生态系统，其中实时传感、自主实验和持续更新的计算模型融合创建适应性农业系统。前沿技术包括：数字孪生技术（实时整合组学数据、环境传感器和生理测量的计算副本）；自动化知识系统（大规模AI策划的生物刺激素数据库）；闭环实验系统（整合机器人表型分析、自主温室管理和AI驱动实验设计）。实现这一愿景需要植物生物学、微生物学、计算机科学、传感器工程和农业技术的跨学科协作，以及开放数据共享、标准化元数据注释和协作模型开发的框架支持。
