Un ruolo critico di un microbiota eubiotico nel garantire la corretta immunocompetenza nell’Arabidopsis

Nature Plants (2023) Cita questo articolo

3302 Accessi

25 Altmetrico

Dettagli sulle metriche

Sebbene molti studi abbiano dimostrato che i microbi possono stimolare o sopprimere ectopicamente la risposta immunitaria delle piante, la questione fondamentale se l’intero microbiota preesistente sia effettivamente necessario per il corretto sviluppo della risposta immunitaria delle piante rimane senza risposta. Utilizzando un sistema di crescita delle piante gnotobiotiche a base di torba recentemente sviluppato, abbiamo scoperto che l’Arabidopsis coltivata in assenza di un microbiota naturale mancava di maturazione dipendente dall’età della risposta immunitaria delle piante ed era difettosa in diversi aspetti dell’immunità innescata dal modello. Le piante axeniche hanno mostrato ipersensibilità alle infezioni da parte del patogeno batterico Pseudomonas syringae pv. pomodoro DC3000 e il patogeno fungino Botrytis cinerea. L’immunocompetenza mediata dal microbiota è stata soppressa da condizioni ricche di nutrienti, indicando un’interazione tripartita tra ospite, microbiota e ambiente abiotico. Un microbiota sintetico composto da 48 ceppi batterici coltivabili provenienti dall’endosfera fogliare di piante sane di Arabidopsis è stato in grado di ripristinare sostanzialmente l’immunocompetenza simile alle piante inoculate con una comunità derivata dal suolo. Al contrario, un microbiota fogliare sintetico disbiotico composto da 52 membri ha sovrastimolato il trascrittoma immunitario. Insieme, questi risultati forniscono la prova di un ruolo causale del microbiota eubiotico nel garantire la corretta immunocompetenza e l’immunità dipendente dall’età nelle piante.

Le parti fuori terra e sotto terra delle piante terrestri ospitano una varietà di microrganismi, che collettivamente costituiscono il microbiota vegetale. I membri del microbiota possono risiedere sopra o all’interno delle piante e sembrano essere tassonomicamente conservati a livello di phylum1,2,3,4,5,6,7,8. L’ampia conservazione del microbiota vegetale suggerisce che le piante probabilmente hanno sviluppato meccanismi per selezionare e mantenere l’abbondanza, la composizione e la funzione del microbiota per raggiungere l’omeostasi9. Un microbiota correttamente assemblato (cioè microbiota eubiotico) è probabilmente essenziale per la salute e la sopravvivenza delle piante poiché studi recenti hanno iniziato a rivelare gli effetti deleteri dei microbioti disbiotici geneticamente indotti sulla salute delle piante10,11,12,13. Sebbene sia stato dimostrato che individui o gruppi di membri del microbiota migliorano l’assorbimento dei nutrienti, la crescita e la resistenza agli stress abiotici e biotici1,2,14,15,16, il contributo dell’intero microbiota indigeno di una pianta alle funzioni della pianta non è ben compreso. Ciò è in gran parte dovuto a interazioni microbo-microbo e microbi-pianta scarsamente sezionate a livello di comunità.

Diversi membri del microbiota vegetale possono formare interazioni mutualistiche, commensali o patogene con le piante. Per proteggersi dagli sfruttamenti potenzialmente dannosi da parte dei microrganismi, le piante hanno sviluppato recettori immunitari intracellulari e sulla superficie cellulare che riconoscono modelli molecolari associati ai microbi (PAMP) evolutivamente conservati o proteine effettrici derivate da agenti patogeni, risultando in un'immunità attivata da pattern (PTI) o innescata da un effettore. immunità (ETI), rispettivamente. Mentre l’ETI sembra essere specifico per i patogeni, il PTI rappresenta una linea basale di difesa della pianta contro i microbi patogeni e non patogeni ed è necessario per mantenere un microbiota eubiotico della fillosfera nell’Arabidopsis per prevenire la disbiosi10,11. La segnalazione PTI viene avviata alla percezione dei PAMP da parte dei recettori di riconoscimento del pattern localizzati sulla membrana plasmatica (PRR)17. Ad esempio, un epitopo di 22 aminoacidi derivato dalla flagellina batterica (flg22) è un elicitore ben caratterizzato di PTI ed è riconosciuto dal PRR FLAGELLIN-SENSITIVE 2 (FLS2) (rif. 18). FLS2 forma un complesso con il co-recettore BRASSINOSTEROID INSENSITIVE 1-ASSOCIATED RECEPTOR KINASE 1 (BAK1) (rif. 19). I relè fosforici tra FLS2, BAK1, la CHINASI 1 INDOTTA DA BOTRYTIS (BIK1) e una cascata MAPK avviano eventi di segnalazione PTI a valle, inclusa la produzione di specie reattive dell'ossigeno (ROS), flussi di calcio, espressione di un'ampia suite di geni correlati alla difesa, cellule rimodellamento della parete e chiusura stomatica20,21,22,23,24,25. Anche l'attivazione del PTI prima di un'infezione può comportare un aumento della resistenza ai patogeni26,27.

1 and FDR < 0.05 cut-off (Benjamini–Hochberg-corrected Wald test) with the number of genes corresponding to each group indicated in parentheses. c, Heat map of DEGs generated using hierarchical clustering with Euclidean distance and complete linkage. Label superscript indicates community used for inoculation of HO plants or mock inoculation of AX plants. A subset of the differentially regulated genes in HO and AX is shown on right. d, Venn diagram of upregulated DEGs showed 138 common genes in response to HOMSU and HOMalaka treatments. e, GO term enrichment (GO:BP biological process) analysis on ‘core’ depleted DEGs in AX plants. Top enriched GO terms displayed, ranked by significance (FDR < 0.05 cut-off). a–e, n = 3 biologically independent plant samples per condition./p> 1 and FDR < 0.05 (Benjamini–Hochberg-corrected Wald test), with the number of genes corresponding to each group indicated in parentheses. e, GO term enrichment for upregulated DEGs in SynCommfec-colonized plants compared to SynComCol-0-colonized plants, ranked by significance (FDR < 0.05 cut-off). f, Heat map for selected genes from hierarchical clustering of all DEGs. Gene descriptions are listed in Supplementary Data 4. d–f, n = 3 biologically independent plant samples per condition./p> 1 and FDR < 0.05) (Fig. 6d and Supplementary Data 4). GO term analysis of the 609 DEGs upregulated upon colonization with SynCommfec vs SynComCol-0 showed an over-representation of GO terms associated with biotic stress and immunity (Fig. 6e and Supplementary Data 5). In addition, several immunity pathways including the systemic acquired resistance, PTI signalling and glucosinolate biosynthetic processes were upregulated. Further analysis showed that several dysbiosis-associated genes were involved in pathogenesis-related processes during biotic stresses, which are associated with immunity, cell death and its regulation (Fig. 6f). Collectively, our results showed that dysbiotic SynCommfec overstimulates immune gene expression compared with eubiotic SynComCol-0./p>95% relative humidity). Bacterial populations were determined 3 d after infiltration. For B. cinerea inoculation, spores were diluted in 1% Sabouraud Maltose Broth (BD, 242910) to a final concentration of 1 × 105 spores per ml. Two 2 μl droplets were spotted per leaf on three leaves per plant. Infected plants were kept at high humidity (>95% relative humidity). Lesions were imaged 5 d after inoculation and quantified using ImageJ v.1.51./p> 1 and FDR < 0.05 (calculated using default DESeq2 settings based on Benjamini–Hochberg-corrected Wald test) as selection criteria, and GO analysis was performed using ShinyGO (v.0.76.2) (ref. 62) with an FDR cut-off of 0.05 and 4 genes per group selection criteria./p> 159.1), SA (m/z 137.0 > 93.0) and SAG (m/z 299.1 > 137.0) on a Quattro Premier tandem mass spectrometer (Waters Corporation) in negative ion mode. The capillary voltage, cone voltage and extractor voltage were 3,500 V, 25 V and 5 V, respectively. The flow rates were 50 l h−1 for the cone gas (N2) and 600 l h−1 for the desolvation gas (N2). ABA-2H6 served as the internal standard for hormone quantification. MassLynx v.4.1 (Waters) was used for data acquisition and processing. Collision energies and source cone potentials were optimized using the MassLynx v.4.1 QuanOptimize package (Waters). Peaks were integrated and the analytes quantified on the basis of standard curves normalized to the internal standard./p>

1 and FDR < 0.05 (Benjamini-Hochberg corrected Wald Test) criteria in a comparison of HO plants (colonized by microbial communities from two different locations/soil types ‘MSU’ and ‘Malaka’) and SynComCol-0-colonizedplants with their corresponding AX control. b, A subset of the differentially regulated genes in HO and SynComCol-0 plants, compared to corresponding AX plants, is shown. Heat map of the DEGs was generated using hierarchical clustering with Euclidean distance and complete linkage. c-e, Gene Ontology (GO) term enrichment (GO:BP biological process) analysis on 213 common enriched DEGs in both HO and SynComCol-0, only in HO or only in SynComCol-0 plants, compared to their respective AX control plants. Top enriched GO terms are displayed, ranked by significance (FDR < 0.05 cutoff). The 213 enriched DEGs common in both HO and SynComCol-0 (panel c) showed highest fold enrichment for immunity-associated GO terms. GNSR genes present in the subset of 213 DEGs common in both HO and SynComCol-0 are marked in red in panel b. a-e, n = 3 biologically independent plant samples per condition./p>