点击蓝字 关注我们
合成菌群介导的除草剂降解进程激活了土壤中的微生物碳代谢
根据2026年1月公布的ESI高被引论文引用筛选阈值情况，本文超过2025年微生物学高被引入选阈值7，属于高被引论文 (Top 1%)。
iMeta主页：http://www.imeta.science
研究论文
● 期刊:iMeta(IF 33.2,中科院双一区Top)
● 文章被引（Dimensions截至2026年1月30日）：9
● 原文链接DOI: https://doi.org/10.1002/imt2.70058
● 2025年7月3日，中国科学院南京土壤研究所褚海燕等在iMeta在线发表了题为“SynCom mediated herbicide degradation activates microbial carbon metabolism in soils”的文章。
● 本研究使用机器学习、基因组、微生物组和宏基因组数据，构建了复合除草剂高效降解的合成菌群，并解析了合成菌群在黑土土壤中对土著微生物组成及碳代谢功能的调控机制，为微生物修复除草剂污染土壤提供了新的见解，为农业可持续发展提供了切实可行的解决方案。本研究构建的合成菌群已授权国家发明专利（ZL 202410141470.3）。
● 第一作者：张玉潇
● 通讯作者：褚海燕（hychu@issas.ac.cn）
● 合作作者：Jack A. Gilbert、刘轩、聂丽、徐希媛、高贵锋、吕丽慧、马玉颖、范坤坤、杨腾、张雨濛、张佳宝
● 主要单位：中国科学院南京土壤研究所、加州大学圣地亚哥分校医学院、加州大学圣地亚哥分校斯克里普斯海洋研究所、中国科学院大学
亮 点
● 通过随机森林模型与共现网络的交叉分析，筛选出了16种关键物种；
● 由4个成员组成的SynCom能降解多种除草剂、稳定定殖在土壤中并调控土壤酶活水平；
● 施用SynCom促进了土壤中碳水化合物活性酶CAZy的丰度和微生物残体碳的积累；
● SynCom促进了土壤中微生物的碳代谢功能，包括三羧酸循环、丙酮酸代谢和糖酵解等；
● SynCom成员占据了不同的生态位并实现“分工合作”。
摘 要
中国东北黑土区域存在复合除草剂残留问题，具有一定的环境风险，但目前针对这类复杂且持久的混合物进行有效的生物修复的研究仍十分有限。本研究中鉴定出了16种与除草剂残留物密切相关的细菌物种，其中9种可培养且在实验室条件下具有降解多种除草剂的功能。从这些菌株中，我们构建了一个由4个成员组成的合成菌群（SynCom），能降解多种复合除草剂、稳定定殖在土壤中、增加土壤细菌多样性并显著调节土壤酶活水平。在实验室条件下，SynCom能在48小时内以>60%的效率降解8种复合除草剂，并在菌群细胞表明积累大量的碳元素。在黑土土培试验中，SynCom能在35天内实现60%−99%的土壤内源性除草剂降解效率，并能在土壤中持续维持高于104cfu/g的生物量。此外，SynCom的施加能促进土壤中碳水化合物活性酶和微生物残体相关碳的显著积累，揭示了菌群对土壤微生物碳代谢功能的调控作用。宏基因组学分析进一步证实了这一结果，即加入SynCom后土壤中参与三羧酸循环、丙酮酸代谢、糖酵解等微生物碳代谢功能的基因丰度显著增加。综上，SynCom代表了一种新型的具有说服力的生物修复解决方案，能够同时改善和调控土壤中的除草剂污染及微生物碳代谢活性。
视频解读
Bilibili：https://www.bilibili.com/video/BV1h23jzLE4H/
Youtube：https://youtu.be/V0nW1Qtg-0Q
中文翻译、PPT、中/英文视频解读等扩展资料下载
请访问期刊官网：http://www.imeta.science/
全文解读
引 言
黑土，又称“黑钙土”，常见于温带草原地区，因其富含腐殖质而呈现深色，具有较高的有机质含量。这种高有机质特性使其成为农业生产的肥沃土壤。中国东北地区是全球重要的黑土分布区之一，其粮食产量约占全国总产量的25%。随着集约化农业的发展，除草剂的使用日益普遍。然而，60%−80%的除草剂未被植物吸收或化学降解，导致除草剂在土壤和生态系统中残留和积累。除草剂污染会导致土壤酸化、养分减少，从而造成生产力下降。此外，残留除草剂可能通过动植物进入人体，威胁食品安全和人类健康。尽管已有大量研究报道东北黑土中存在除草剂残留，但不同除草剂的分布及其降解动态仍不明确。因此，亟需评估除草剂污染的规模，并开发有效的解决方案以减少这一风险。
微生物修复技术为土壤除草剂残留问题提供了可行的解决方案。土壤微生物在调节生态系统功能（如养分循环和有机质分解）中发挥了重要作用。研究表明，土壤微生物、有机质和矿物质能直接影响除草剂的吸附、迁移、转化和降解。目前报道的除草剂降解微生物主要存在于芽孢杆菌属（Bacillus）、假单胞菌属（Pseudomonas）和鞘氨醇单胞菌属（Sphingobium），它们可通过脱烷基化、水解和开环反应三个步骤降解和转化除草剂（表S1）。近年来，细菌编码的除草剂降解基因的研究也取得重要进展，其中研究最深入的是氯羟化酶（atrA）、羟基脱氯阿特拉津乙氨基水解酶（atrB）和N-异丙基氨基水解酶（atrC）。尽管已鉴定出多种除草剂降解菌株并挖掘出关键降解蛋白，但大多数菌株仅能降解单一除草剂，且其活性仅在实验室分离研究中得到验证。
合成菌群（SynComs）是在特定受控环境条件下共培养的工程化微生物群落。SynComs的特点是具有种间通讯和分工协作能力，能够执行单一菌株无法完成的复杂功能。SynCom成员之间的相互协调有助于其在不同环境中为维持结构稳定性和功能适应性。SynCom的构建策略遵循“生境匹配、功能互补、稳定共存”的原则，主要构建方法分为“自上而下”和“自下而上”两种模式。“自上而下”方法是从生态系统层面出发，利用微生物培养获得结构简化但功能明确的微生物群落；“自下而上”方法则基于微生物群落的代谢网络，通过模型或网络分析明确微生物间的相互作用。大量研究表明，SynCom在提高土壤肥力、修复土壤污染、抑制土传病害和增强土壤抗性方面均具有重要作用。因此，采用多种策略构建能稳定修复复杂除草剂污染的SynCom，是恢复土壤健康的关键。
因此，本研究通过调查中国东北黑土区除草剂污染的地理分布并挖掘其关键物种，目标是构建一个稳定高效的SynCom以降解土壤中的内源复合除草剂，并评估该SynCom对黑土生态系统中碳代谢的影响。
结 果
东北黑土除草剂残留状况
我们对辽宁铁岭至黑龙江黑河地区的8种除草剂残留水平进行了检测（图S1和S2，表S2）。结果显示，乙草胺和莠去津的平均残留量最高，而磺酰脲类除草剂的残留量最低（图S3）。不同地区的除草剂残留峰值存在显著差异：三嗪类（莠去津和嗪草酮）和酰胺类除草剂（乙草胺、丁草胺和异丙甲草胺）在铁岭、四平和哈尔滨市样品中占主导地位；长春市样品中磺酰脲类（烟嘧磺隆和吡嘧磺隆）浓度较高；而黑河市土壤则以醚类除草剂（氟磺胺草醚）为主。
我们分析了土壤功能性状（理化性质和酶活性）与除草剂残留的关系（图S4）。溶解性有机氮（DON）、全氮（TN）、总碳（TC）和总磷（TP）与三嗪类、酰胺类和磺酰脲类除草剂残留水平呈显著负相关，而与氟磺胺草醚呈正相关；易氧化有机碳（ROOC）和颗粒有机碳（POC）则呈现相反的趋势（p< 0.05）。土壤碳、氮、磷相关酶、脱氢酶及氧化应激酶的活性与三嗪类、酰胺类和磺酰脲类除草剂残留水平呈正相关，与氟磺胺草醚呈负相关（p< 0.05）
除草剂降解关键物种的鉴定
随着三嗪类、酰胺类和磺酰脲类除草剂浓度的增加，微生物多样性呈现先升高后降低的趋势，而氟磺胺草醚则表现出相反的趋势（图S5）。通过随机森林模型，我们鉴定出24个绝对序列变异（ASVs），能够解释8种除草剂在不同采样点的浓度变化（图1A）。这些ASVs属于芽孢杆菌属（Bacillus）、假单胞菌属（Pseudomonas）、硝化螺旋菌属（Nitrospira）、黄单胞菌科（Xanthomonadaceae）和鞘氨醇单胞菌属（Sphingobium），其中鞘氨醇单胞菌属解释的变异程度最大（图S6）。ASV-4090（鞘氨醇单胞菌属）与ASV-15471（芽孢杆菌属）和ASV-3139（马赛菌属）组合能够最大程度地解释8种除草剂的残留水平变化。
基于8种除草剂的不同残留水平，我们将样品降序排列，并人工选取每组前10个样品构建针对不同除草剂残留的微生物共现网络，以筛选出8种除草剂的共有和特有关键物种（图S7A）。结果表示，酰胺类和嗪草酮残留水平高的网络中负/正凝聚力显著增加，这预示着网络的稳定性提高（图S7B）。网络的度、接近中心性、介数中心性和特征向量中心性分析表明，嗪草酮和酰胺类除草剂产生的网络复杂度最高（图S7B和表S3）。我们在共现网络中鉴定出29个关键物种（图1B-D），并将其与随机森林模型的结果进行交叉比较（图1E），最终确定了16个在除草剂残留中解释度最高的关键物种（表S4）。
图1. 通过随机森林模型与共现网络筛选潜在除草剂降解关键物种
（A）RF模型预测细菌物种对除草剂残留水平的解释结果，以及基于16S rRNA基因序列构建的核心ASVs系统发育树（NJ树）。柱状图右侧数字表示对应ASVs对除草剂的解释度（%IncMSE）。比例尺：0.02个核苷酸替换位点。（B）基于共现网络的关键物种筛选。根据拓扑特征用虚线将节点属性分为关键类群（橙色）与边缘类群（蓝色），关键类群包括模块中心、连接枢纽和网络枢纽。（C）共现网络中关键物种的门水平相对丰度。（D）8种除草剂构建的共现网络中关键物种的韦恩图。（E）共现网络关键物种与随机森林核心物种的韦恩图及门水平相对丰度。网络与随机森林的交集定义为潜在降解功能物种。ASV：扩增子序列变异；IncMSE：均方误差增量。
SynCom对多种复合除草剂的高效降解
在高通量纯培养库中对16个关键物种进行比对，检索到9个可培养物种，分别命名为S1-S9（表S4）。初步的功能验证后发现，所有菌株均具有一定的除草剂降解能力，但48小时内的降解效率大多低于40%。我们对9个菌株基于进化关系和代谢互补进行了随机组合分析，发现由S1、S2、S3和S4菌株组成的SynCom在48小时内的平均除草剂降解率最高且最稳定（>60%），其中对嗪草酮的降解率最高，达到90.1%（表S5）。同时，我们检测了单一菌株和SynCom在8种除草剂共存条件下的共降解能力，结果显示SynCom能够高效促进培养系统中复合除草剂的降解，降解水平超过60%（图2A）。
我们对SynCom各成员进行了基因组分析、菌落形态观察（图2B）、生理生化测试以及扫描电子显微镜-能谱分析（SEM-EDS）。菌株S1-S4能同步生长，表明其在共培养中形成了稳定的互作关系（图S8A,B）。除草剂的添加导致4个菌株细胞表面的碳元素含量显著增加（图2C），这与生物膜合成显著增加的结果一致（图S8C,D和S9）。此外，我们在S1-S4菌株中鉴定出多个编码除草剂降解蛋白的基因，这些基因在菌株间存在显著差异，如atrA、atrB和atrC（图S8E和S10）。通过KEGG数据库对菌株基因组进行注释，我们发现不同代谢功能基因的水平在菌株间也存在显著差异（图S11-S15）。总体而言，菌株S3编码除草剂降解蛋白的基因数量最多，而菌株S1和S4编码环境代谢功能的基因数量最多。
图2. 菌株S1-S4的形态特征及基因组功能注释
（A）功能菌株与SynCom对8种除草剂的共降解效率。数据为四次重复实验的整体降解效率，散点代表独立重复。（B）功能菌株的菌落形态与SEM图像。（C）添加除草剂前后SynCom的SEM电镜图与EDS图像。SEM：扫描电镜；EDS：能谱分析；SynCom：合成群落。
SynCom在黑土中高效降解内源性复合除草剂
我们通过土壤微宇宙培养实验评估了SynCom在自然黑土中的降解能力和应用潜力（图S16和表S6）。SynCom能够在35天内同时降解土壤中的8种内源性除草剂，且降解过程符合一级反应动力学（表S7和S8）。其中，磺酰脲类除草剂的降解效率最高，烟嘧磺隆和吡嘧磺隆的降解率分别为90.2%和88.4%（表S8）。荧光标记-平板计数和土壤样品的绝对定量表征证实，SynCom能够在土壤中稳定定殖，并在35天内稳定维持104cfu/g以上的生物量。同时，各菌株的生长始终同步，这可能是SynCom整体稳定定殖的基础（图3A）。施用14天后，土壤酶活性的差异显示，碳、氮、磷相关酶和脱氢酶的活性显著上调，其中β-半乳糖苷酶的上调程度最大（图3B）。此外，与土壤氧化应激相关的丙二醛和过氧化氢酶活性显著降低（图3B），表明除草剂残留的分解可能降低了土壤中的氧化应激水平。
与对照组相比，SynCom处理35天后检测到土壤碳库的增加（图3B）。具体而言，溶解性有机碳（DOC）和微生物量碳（MBC）在SynCom处理组中显著增加，表明土壤中有机碳的积累。同时，溶解性有机氮（DON）的浓度也显著增加，但有效磷（AP）含量无显著变化。
图3. SynCom对土壤除草剂降解、酶活性调控及养分提升的影响
（A）SynCom在土壤中的定殖能力。折线图表示RFP标记的总生物量，柱状图表示16S rRNA浓度测算的各功能菌株的生物量。菌落图显示35天后的SynCom荧光菌落。（B）第14天处理组与对照组的土壤酶活性（平均最大降解斜率），以及第35天土壤DOC、MBC、DON和AP浓度。图A-B数据为五次重复均值。*，**，***分别表示处理组与对照组在p值<0.05、<0.01和<0.001水平的显著差异。TL：铁岭市；CC：长春市；HEB：哈尔滨市；SH：绥化市；HH：黑河市；DOC：溶解性有机碳；MBC：微生物量碳；DON：溶解性有机氮；AP：有效磷。
SynCom激活土壤微生物碳代谢功能
宏基因组分析显示，SynCom处理显著提高了土壤细菌的α多样性（图S17A）。处理组（T1-T5）中假单胞菌属（Pseudomonas）、嗜冷杆菌属（Psychrobacter）、节杆菌属（Arthrobacter）和芽孢杆菌属（Bacillus）的相对丰度显著增加，这可能与SynCom的稳定定殖直接相关（图S17B）。此外，SynCom处理还导致土壤代谢功能多样性的显著增加，如主要代谢、环境信号传导、遗传信息和细胞生长过程等（图S17C）。
KEGG数据库注释表明，与对照组相比，SynCom处理增加了甲烷代谢、碳固定、丙酮酸代谢和一般碳代谢相关基因的比例（图4A）。酶水平的分析进一步证实了SynCom处理提高了土壤中碳代谢相关酶的丰度（图4A）。利用宏基因组数据，我们构建了物种（相对丰度前10）与功能（差异显著的KEGG通路前20和差异显著的酶前30）之间的相关性网络，发现SynCom中的假单胞菌属、链霉菌属和芽孢杆菌属与阿特拉津降解、碳代谢、离子转运和群体感应（quorum sensing）的增加相关，而土地杆菌属和诺卡氏菌属则与这些功能呈负相关（图4B）。SynCom还提高了土壤中TCA循环、碳固定、丙酮酸代谢、甲烷代谢和半胱氨酸代谢的功能潜力（图4C）。
图4. SynCom对KEGG通路与酶水平土壤代谢功能的影响
（A）处理组与对照组显著差异的KEGG通路及关键功能酶。柱状图旁数字表示对应通路/酶的差异水平（Reporter Score），绝对值≥2.5视为显著。（B）处理组物种与功能的关联网络。选取属水平相对丰度前10的物种与KEGG通路/功能酶水平总丰度前20/30进行相关性分析。节点大小表示丰度，连线粗细表示相关系数大小。（C）SynCom对土壤碳代谢主要通路的调控作用（红色箭头表示该功能显著上调）。
为进一步验证这些结果，我们利用宏基因组数据注释到了12种除草剂降解酶编码基因，发现SynCom处理显著提高了除草剂降解基因的相对丰度（图5A）。荧光定量技术也检测到处理组中显著上调的除草剂降解基因表达水平（图5B）。以上数据共同证实了SynCom处理后土壤中高效除草剂降解过程的发生。此外，碳水化合物活性酶（CAZy）注释表明，SynCom处理导致糖苷水解酶、糖基转移酶和碳水化合物酯酶相关基因的相对丰度显著增加（图5C）。通过检测不同样品中4种氨基糖和微生物残体碳含量的变化，我们发现SynCom处理后可导致微生物残体碳的显著积累，其中半乳糖胺（GalN）、葡萄糖胺（GlcN）和细菌残体碳的积累水平更为显著（图5D）。这与宏基因组中微生物碳代谢水平的提高高度一致。
为了探究土壤生态功能变化与细菌分类或功能性状之间的关系，我们进行了相关性分析（图5E,F）。活性碳组分和微生物残体碳的浓度与土壤中微生物的相对丰度密切相关，其中节杆菌属、嗜冷杆菌属、假单胞菌属和芽孢杆菌属与土壤碳组分含量呈显著正相关，表明SynCom的四个成员在土壤碳代谢中发挥重要作用。同时，土著微生物如放线菌属、链霉菌属及不动杆菌属的相对丰度也呈显著正相关，表明它们可能与SynCom存在协同和互利关系。然而，某些土著微生物类群（如诺卡氏菌属和慢生根瘤菌属）的相对丰度与土壤碳组分呈显著负相关，这可能表明存在竞争或拮抗作用。进一步分析土壤碳组分与土壤功能的相关性发现，土壤活性碳组分与微生物碳代谢、氨基酸代谢和群体感应呈显著正相关，表明功能代谢水平的提高可促进土壤碳组分的积累，且二者保持高度正相关。
图5. SynCom对土壤除草剂降解及微生物碳库功能的影响
（A）宏基因组注释下除草剂降解关键酶的表达水平。（B）qRT-PCR检测土壤中除草剂降解功能蛋白表达水平。（C）宏基因组注释下碳水化合物活性酶（CAZy）的相对丰度。数据为三次重复均值±标准差。（D）降解过程中土壤氨基糖与微生物残体碳的含量。（E）土壤活性组分、微生物残体与物种组成的Spearman相关性热图。（F）土壤活性组分、微生物残体与代谢功能水平的Spearman相关性热图。
SynCom在原位表现出分工协作
对SynCom处理组（T1-T5）的宏基因组数据进行分箱和组装，获得了45个宏基因组组装基因组（MAGs）（图6A和S18）。其中，假单胞菌属、节杆菌属和嗜冷杆菌属的MAGs比例与8种除草剂的降解效率呈正相关（图6B）。对4个与SynCom菌株S1-S4基因组相似度超过99%的MAGs（MAG9、MAG12、MAG13和MAG39；表S9）进行KEGG注释，发现不同菌株在土壤中占据不同的功能生态位（图6C和表S10）。MAG9（菌株S1）、MAG12（菌株S2）和MAG39（菌株S4）与碳代谢途径（如TCA循环、丙酮酸代谢、糖酵解和甘氨酸代谢）相关；MAG13（菌株S3）则主要参与阿特拉津降解和次生代谢途径。这表明四成员群落在原位表现出有效的分工和协作。
图6. 关键MAGs的代谢功能
（A）45个MAGs的门水平进化树。分支长度表示进化距离（物种差异程度），不同颜色代表不同门类。（B）处理组中MAGs在属水平与除草剂降解效率的Spearman相关性分析。（C）4个关键MAGs（菌株S1-S4）的KEGG代谢功能注释。柱状图右侧数字为注释基因数。MAG：宏基因组组装基因组。
讨 论
当前除草剂生物修复的研究主要集中于单一菌株，但其存在降解速率慢、作用靶标单一等固有局限性（表S1）。因此，现有技术难以应对真实土壤环境中复杂的除草剂残留污染。本研究证明，新型SynCom不仅在实验室和土壤微宇宙试验中能高效降解多种除草剂，还能维持生态稳定性。此外，SynCom显著提升了土壤细菌多样性，并在降解过程中激活土壤碳代谢水平，促进土壤有机碳库的积累。这些结果为未来开展复杂除草剂污染的生物修复研究奠定了基础。
我们揭示了东北黑土区域除草剂残留呈现显著的地理差异。东北黑土区以玉米为主要作物，大豆种植集中于黑河市，而水稻则主要分布在辽河和松花江流域的大型灌区及东部山区的河谷盆地，这导致不同作物系统施用不同类型的除草剂。例如，氟磺胺草醚适用于大豆和花生田的阔叶杂草防除，但玉米和高粱等作物对其敏感，从而造成该除草剂残留的地理差异。除草剂残留与土壤有机质含量、酶代谢及微生物群落结构和多样性密切相关。研究表明，土壤颗粒表面有机质和矿物质的积累直接影响除草剂的吸附、迁移、转化和降解。除草剂进入土壤后会被有机质吸附，直接导致土壤板结、养分流失等肥力退化问题。有研究报道污泥渗滤液修复可显著增加农田土壤中氯霉素的迁移性，而溶解性有机质（DOM）的增加则会降低疏水性多环芳烃（萘和菲）向地下水的迁移。草甘膦等除草剂会显著抑制土壤微生物的碳氮循环，低浓度氯酯磺草胺和双氯磺草胺则能抑制微生物硝化作用。因此，除草剂污染具有持久性且严重影响土壤健康，生物修复不仅要关注污染物去除，还需提升土壤有机碳、养分和肥力，这些都依赖于微生物代谢活动。
通过微生物共现网络分析，我们证实不同土壤类型和区域的除草剂降解潜力存在差异。不同细菌类群通过不同代谢途径（如三嗪类的水解、酰胺类的氧化还原、磺酰脲类的脱羧以及醚类的脱氟/脱氯）靶向降解特定除草剂。这种细菌类群间的生态位分化意味着每个位点可能不具备完整的微生物修复潜力（表S1）。通过大范围地理采样，我们鉴定出16个潜在的除草剂降解物种，属于芽孢杆菌属、鞘氨醇单胞菌属、马赛菌属、假单胞菌属和土地杆菌属，这支持了先前的研究发现。在9个可培养物种中，用于构建SynCom的4个菌株能高效降解8种除草剂，其效率显著高于以往报道。实验室条件下对8种混合除草剂的降解率达60%-90%，在黑土中35天内即可高效降解混合除草剂残留。菌株基因组注释鉴定出8个除草剂降解功能基因，包括atrABC和trzD（三嗪类）、damH、chlH、cndB1、cndC1（酰胺类）、carE和glcF（磺酰脲类）。此外，菌株的基因组分析还挖掘到与运动性、生物膜形成和调控相关的功能代谢基因。SynCom在接触除草剂后生物膜和胞外聚合物（EPS）的合成显著增强。一方面，这可能表明SynCom通过降解除草剂降低了其对微生物的抗菌效应；另一方面，这也进一步解释了SynCom成员间群体感应（QS）的增强。QS是一种通过细胞产生、释放和感知外源信号分子来调控群体行为和基因表达的通讯机制。QS系统在微生物中具有多种重要生理生态功能，包括协调生物群体行为、形成生物膜和EPS以实现细胞通讯，并协助细菌发挥功能。因此，SynCom中生物膜的形成与菌株间的通讯密切相关，可能是菌株建立稳定互利关系和行使降解功能的关键。这一模式在宏基因组数据中也得到证实。不过，我们仍需更多证据来确认细菌种群间具体的相互作用和信号因子。
除草剂施用通常会导致土壤微生物α多样性降低。SynCom的施加挽救了土著土壤微生物的α多样性，并降低了氧化应激水平，这可能是由于除草剂浓度降低和土壤生态调节所致。宏基因组注释表明，SynCom处理显著提高了土壤样品中关键除草剂降解酶的丰度，并伴随着土壤碳库和其他养分循环相关酶的增加，表明SynCom不仅行使了除草剂降解功能，还改善了土壤生态系统功能，尤其是碳代谢水平。土壤微生物通过丰富的碳循环过程积极参与有机质的分解和转化，从而对土壤碳储存和周转产生动态影响。SynCom还激活了复杂碳水化合物的分解，这可能与土壤有机质的转化相关。此外，SynCom促进了微生物残体碳的积累，而微生物残体碳是全球生态系统中土壤有机碳的主要来源，支撑着全球土壤肥力。
SynCom成员在土壤微宇宙实验中占据不同的生态位，表现出代谢功能上的“分工协作”。这是合成菌群相较于单一菌株的主要优势，使其能够适应不同环境和理化动态，维持生态稳定性和适应性。SynCom的四个成员在执行功能时始终保持同步的生长趋势和稳定状态，这可能有助于达到高效的除草剂降解效果。从我们的土壤微宇宙实验结果来看，与菌株S1-S4基因组相似度超过99%的MAGs展示了每个菌株在原位实现的不同代谢潜力。菌株S3主要介导除草剂和中间产物的降解，菌株S1和S2在碳代谢中起重要作用，而菌株S4则对系统的能量代谢至关重要，这进一步证实了除草剂降解与碳代谢之间的密切联系。同时，宏基因组分析显示SynCom并非在土壤中独立发挥作用，可能与Kitasatospora、Acinetobacter和Streptomyces等土著微生物协同调节土壤代谢功能。因此，SynCom成员可能以协同方式调控土壤代谢功能。此外，SynCom成员还保留了编码群体感应和信号转导等调控功能的基因，这可能促进了菌株间的化学“通讯”，进一步支持其协同作用和稳定性。虽然需要更多实验来验证这一结论，但由于SynCom已表现出优异的稳定性和定殖潜力，我们将开展大田试验和植物盆栽实验，以验证SynCom的长期降解效率及其多功能性（如有机质积累和植物促生）。
结 论
总之，我们证明新型SynCom能高效修复多达8种除草剂，激活土壤酶活性，积累土壤活性有机碳组分，增加土壤细菌多样性，并改善微生物碳代谢。因此，该SynCom未来可用于农业污染修复和土壤肥力恢复，并具有促进作物增产的潜力，为可持续粮食生产提供了实用解决方案。
方 法
研究地点与土壤采样
本研究于2022年6月在中国东北典型黑土区采用网格法进行标准化田间调查和土壤采样（图S1）。共设置52个采样点，每个样点面积100 m×100 m，采样深度20 cm。采用五点采样法在每个样点内设置5个样方（10 m×10 m），通过非根际土壤混合采样获得代表性样品。采样点覆盖北纬43 °至49 °的黑土带，从辽宁省铁岭市延伸至黑龙江省黑河市，涉及7个地级市。主要种植作物为玉米、大豆和水稻，年均温-5.5 ℃至13 ℃（随纬度升高递减），年均降水量约700 mm。
土壤除草剂及功能性状检测
基于使用广泛性和残留特性，选取8种除草剂：莠去津、乙草胺、丁草胺、异丙甲草胺、嗪草酮、烟嘧磺隆、吡嘧磺隆和氟磺胺草醚（表S2）。采用高效液相色谱-质谱联用技术（HPLC-MS）检测除草剂残留浓度。
所有样品均测定：pH值；氮相关指标（DON、TN、脲酶和蛋白酶）；碳相关指标（SOC、POC、MBC、DOC、ROOC、TC、β-半乳糖苷酶、α-葡萄糖苷酶和β-葡萄糖苷酶）；磷相关指标（AP、TP和磷酸酶）；钾相关指标（AK和TK）；脱氢酶（指示土壤微生物活性）；丙二醛（MDA）和过氧化氢酶（指示氧化压力）。
土壤细菌多样性扩增子测序
使用DNeasy PowerSoil Kit（12888-50，Qiagen，中国）提取52个土壤样品的总DNA，通过Illumina MiSeq平台进行16S rRNA扩增子测序。采用515F和907R引物（表S11）表征微生物群落。原始数据通过QIIME2（https://qiime2.org）流程进行ASV分析。低质量序列（读长<200bp或平均质量分数<25）被剔除，洁净序列通过DADA2流程（https://qiime2.org）去噪，并采用SILVA（v132）数据库（https://www.arbsilva.de/）进行分类。数据集统一抽平至每样本11,164条序列（最小值）进行下游分析。使用alpha_diversity.py命令计算Chao1指数（ASV丰富度）。
土壤功能性状与除草剂残留的关系
土壤功能性状概括了养分-物质循环和土壤生态系统提供多功能服务的能力。为直接比较各功能性状的相对重要性，首先对21项检测指标进行对数转换和标准化处理（生态系统分析中的通用方法）。
采用IBM SPSS 21软件计算多环境变量与除草剂的Spearman相关性，并通过热图展示相关性强弱。筛选与除草剂残留高相关的土壤性质指标（DON、TN、POC、TC、TP、脲酶、α-葡萄糖苷酶、β-葡萄糖苷酶、脱氢酶和MDA），使用ORIGIN 2019软件进行线性回归分析。
土壤关键类群与除草剂残留分布的关系
将土壤样本按除草剂残留量降序排列，选取前10个样本构建共现网络。基于R语言psych包的“corr.test”函数计算Spearman相关系数，设定FDR校正p值<0.05且PearsonP>0.8作为网络构建阈值。同时生成同等规模的Erdös-Réyni随机网络（1000次迭代）作为对照，使用GEPHI-0.9.1可视化网络。通过负-正凝聚比绝对值与自然连通度评估网络稳定性，并计算所有拓扑参数表征网络特征。
采用随机森林（RF）模型分析影响除草剂残留分布的关键物种。通过100次迭代确定8种除草剂水平上ASVs的相对重要性排序，采用交叉验证（重复5次），最终筛选解释度最高的ASVs作为除草剂残留相关关键类群。通过均方误差增加百分比（MSE%）表征功能类群重要性，较低MSE%值表示较低重要性。利用MEGA 6.0构建功能ASVs的邻接（NJ）系统发育树。
潜在除草剂降解功能菌株的筛选
本研究通过微生物高通量纯培养技术，从黑土样品中成功分离出556株可培养菌株，筛选培养基采用胰蛋白胨大豆肉汤（TSB）。将这些菌株与随机森林模型预测的功能性ASVs序列进行比对，筛选可培养的潜在功能性ASVs。设定序列覆盖度＞98%为成功匹配。
对于菌株鉴定，使用通用引物27F/1492R（表S11）扩增纯化菌株的16S rRNA基因序列，由北京擎科公司完成测序。获得的16S rRNA基因序列通过GenBank BLAST程序（http://www.ncbi.nlm.nih.gov/Blast.cgi）进行比对分析。
菌株形态观察与基因组功能分析
采用扫描电子显微镜（SEM）观察菌株形态。收集S1-S4菌株及SynCom对数生长期的培养基样品，12,000 g离心5分钟后沉淀用ddH₂O洗涤3次。样品经30%、50%、70%、85%、90%乙醇梯度脱水（各15分钟），100%乙醇脱水两次，每次15分钟。离心去除上清后，部分沉淀经冷冻干燥24小时用于SEM和能谱仪（EDS）分析。
提取菌株基因组DNA，由上海美吉生物医药科技有限公司完成基因组测序（GenBank编号：PRJNA1060913、PRJNA1060914、PRJNA1060908和PRJNA1060912）。通过CGView基因组圈图、除草剂降解基因注释和环境功能基因注释，进行基因本体论注释和KEGG基因组通路分析。
功能菌株生长特性与除草剂降解能力测定
将过夜培养的菌株（OD600=1.0）接种至含不同浓度/种类除草剂（100 mg/L）的100 mL基础培养基（BM），28 ℃、150 rpm振荡培养。每12小时取样检测菌株生长、除草剂降解能力和生物膜产量。除草剂降解效率计算公式如下：
除草剂降解效率（%）=（C₀-Cₜ）/C₀×100 公式(1)
其中C₀为初始除草剂浓度（mg/L），Cₜ为最终浓度。筛选高效降解体系用于后续实验。
功能菌株生长、除草剂抗性、降解及生物膜形成
将过夜培养菌液（OD600=1.0）接种至含不同浓度/种类除草剂的100 mL BM培养基，28 ℃、150 rpm振荡培养。每12小时取样检测菌株生长、除草剂降解能力及生物膜形成。采用最小抑制浓度（MICs）表征细菌抗性：将1%新鲜菌液接种至5 mL含除草剂的BM培养基，培养48小时后测定OD600值。通过qRT-PCR绝对荧光定量检测共培养条件下各菌株生长（表S11）。结晶紫染色法（OD595）检测生物膜产量，苯胺蓝染色检测胞外聚合物（EPS）生成。
土壤培养实验
红色荧光蛋白基因标记质粒pTn7-RFP用于本研究菌株的定殖能力检测（图S19）。在筛选S1::pTn7RFP、S2::pTn7RFP、S3::pTn7RFP和S4::pTn7RFP转化子时添加50 μg/mL氨苄青霉素。将各菌株用含50 μg/mL氨苄青霉素的LB琼脂培养基稀释至10-6，28 ℃培养2天后，通过ChemiDoc MP仪器观察荧光菌落。
选取辽宁铁岭至黑龙江黑河5个代表性样点开展除草剂降解实验，土壤含水量维持在田间持水量的60%。设未灭菌土壤C1-C5为对照组，SynCom处理组为T1-T5，实验温度20 ℃。每组设6个重复，共60个培养室，培养盖中央设置透气孔。以初始生物量105cfu/g土壤接种SynCom，每7天取10 g土壤检测：SynCom生物量（荧光菌落计数）、除草剂含量（qRT-PCR检测各功能菌株16S rRNA浓度）、土壤酶活性、除草剂降解关键酶表达量和微生物残体碳水平（详见支持信息）。
微生物残体碳通过4种氨基糖（GluN、MurN、GalN和ManN）含量表征。土壤样品经6 M HCl水解后，用100 μL异肌醇过滤，滤液旋转蒸发干燥后重悬于去离子水，冻干后用甲醇溶解。制备氨基糖乙腈乙酸酯衍生物，通过气相色谱检测。基于MurA和GlcN估算细菌/真菌残体碳：
细菌残体C = MurA × 45 公式(2)
真菌残体C = (GlcN/179.17 - 2×MurA/251.23) × 179.17 × 9 公式(3)
公式(2)中45为MurA换算为细菌残体碳的系数；公式(3)中179.17和251.23分别为GlcN和MurA分子量，GlcN换算为真菌残体碳的系数为9。
除草剂降解遵循一级反应动力学：
Cₜ=C₀e^(-kt) 公式(4)
降解半衰期t₁/₂=ln2/k 公式(5)
宏基因组分析
为探究SynCom对土壤微生物组成和代谢功能的影响，我们对10个样品的总土壤DNA进行全基因组鸟枪法测序（三重复）。原始数据通过FASTp（v0.24.2）和Megahit（v1.1.2）进行质控和组装。基因预测采用MetaGene，通过CD-HIT（v4.6.1）和SOAPaligner（soap2.21版）进行序列聚类和比对分析（表S12）。
使用metabat2、maxbin2和concoct1对宏基因组拼接组装的contigs进行单样本分箱，经bin纯化和质量评估后获得中等质量MAGs。通过Diamond（v2.0.13）比对非冗余基因集与NR数据库（https://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/）进行物种注释。将非冗余基因组序列与KEGG（https://www.genome.jp/kegg）、COG（http://eggnog5.embl.de/#/app/downloads）和CAZy（http://www.CAZy.org/）数据库比对，获得功能层级、KEGG Ortholog（KO）通路、EC编号和模块的注释及丰度分析。
代码和数据可用性：
本研究所有宏基因组原始测序数据和细菌16S测序数据已存入Sequence Read Archive（登录号PRJNA1135929和PRJNA1135778）。菌株S1-S4的16S rRNA基因序列存入GenBank（登录号PP077265、PP077266、PP077117和PP077118）。基因组数据编号为PRJNA1060913、PRJNA1060914、PRJNA1060908和PRJNA1060912。本研究使用代码已上传至Github网站（https://github.com/ZhangY306/code-for-herbicide-degradation），原始数据已整理在补充材料。补充材料（方法、图表、图文摘要、幻灯片、视频、中文翻译版和更新材料）可通过在线DOI或iMeta Science（http://www.imeta.science/）获取。
引文格式：
Yuxiao Zhang, Jack A. Gilbert, Xuan Liu, Li Nie, Xiyuan Xu, Guifeng Gao, Lihui Lyu, et al. 2025. SynCom Mediated Herbicide Degradation Activates Microbial Carbon Metabolism in Soils.iMeta4: e70058. https://doi.org/10.1002/imt2.70058.
作者简介
张玉潇（第一作者）
● 中国科学院南京土壤研究所特别研究助理。
● 研究方向为土壤功能合成菌群的构建及调控机制，主持国家自然科学青年基金项目、江苏省青年基金项目、国家博士后面上项目、江苏省卓越博士后等项目。以第一作者在iMeta、Soil Biology and Biochemistry、Bioresource Technology等期刊发表SCI论文7篇；主要参与授权国家发明专利6项。
褚海燕（通讯作者）
● 中国科学院南京土壤研究所二级研究员、土壤生物与生态研究部部长，中国科学院大学岗位教授（A类）、土壤生物学首席教授。
● 研究方向为土壤微生物学、微生物生态学、合研究方向为土壤微生物学、微生物生态学、合成生物学。主持国家重点研发计划项目、国家自然科学基金重点项目、第三次全国土壤普查土壤生物调查等项目。在Nature Ecology and Evolution、PNAS、The ISME Journal、Microbiome、Global Change Biology等期刊发表 SCI论文200余篇，引用2.1万次，H指数73。授权国家发明专利8项。主编《土壤生物学》教材、《微生物组实验手册》。担任中国土壤学会土壤生物和生化专业委员会主任，Soil Ecology Letters共同主编，Microbiome、iMeta副主编。2019-2024年连续入选科睿唯安全球高被引科学家。
更多推荐
（▼ 点击跳转）
高引文章 ▸▸▸▸
iMeta | 引用20000+，海普洛斯陈实富发布新版fastp，更快更好地处理FASTQ数据
高引文章 ▸▸▸▸
iMeta | 兰大张东组：使用PhyloSuite进行分子系统发育及系统发育树的统计分析
高引文章▸▸▸▸
iMeta | 唐海宝/张兴坦-用于比较基因组学分析的多功能分析套件JCVI
iMeta封面
1卷1期
1卷2期
1卷3期
1卷4期
2卷1期
2卷2期
2卷3期
2卷4期
3卷1期
3卷2期
3卷3期
3卷4期
3卷5期
3卷6期
4卷1期
4卷2期
4卷3期
4卷4期
4卷5期
4卷6期
iMetaOmics封面
1卷1期
1卷2期
2卷1期
2卷2期
2卷3期
2卷4期
iMetaMed封面
1卷1期
1卷2期
期刊简介
“iMeta” 是由威立、宏科学和本领域数千名华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述，重点关注微生物组、生物信息、大数据和多组学等前沿交叉学科。目标是发表前10%(IF > 20)的高影响力论文。期刊特色包括中英双语图文、双语视频、可重复分析、图片打磨、60万用户的社交媒体宣传等。2022年2月正式创刊！相继被Google Scholar、PubMed、SCIE、ESI、DOAJ、Scopus等数据库收录！2025年6月影响因子33.2，中科院分区生物学1区Top，位列全球SCI期刊前千分之三(65/22249)，微生物学科2/163，仅低于Nature Reviews，学科研究类期刊全球第一，中国大陆5/585！
“iMetaOmics” 是“iMeta” 子刊，主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任，目标是成为影响因子大于10的高水平综合期刊，欢迎投稿！
"iMetaMed" 是“iMeta” 子刊，专注于医学、健康和生物技术领域，目标是成为影响因子大于15的医学综合类期刊，欢迎投稿！
iMeta主页：
http://www.imeta.science
姊妹刊iMetaOmics主页：
http://www.imeta.science/imetaomics/
出版社iMeta主页：
https://onlinelibrary.wiley.com/journal/2770596x
出版社iMetaOmics主页：
https://onlinelibrary.wiley.com/journal/29969514
出版社iMetaMed主页：
https://onlinelibrary.wiley.com/journal/3066988x
iMeta投稿：
https://wiley.atyponrex.com/journal/IMT2
iMetaOmics投稿：
https://wiley.atyponrex.com/journal/IMO2
iMetaMed投稿：
https://wiley.atyponrex.com/submission/dashboard?siteName=IMM3
邮箱：
office@imeta.science
