如何设计未知：推进对植物和土壤生物学的定量和预测性理解，以应对气候变化
抽象
我们对生物圈碳循环的基本理解仍然是定性的和不完整的，这排除了我们有效设计气候变化新解决方案的能力。我们如何尝试设计未知？这一挑战以前在植物生物学中已经面临，为指导未来的工作提供了路线图。我们使用一个多世纪光合作用研究的例子来说明将使未来的植物工程奠定坚实基础的关键原则，即努力确定关键控制变量，量化系统调整这些变量的影响，并使用理论来解释这些观察结果。植物合成生物学的主要贡献将不是来自提供所需的基因型，而是来自首先实现合理设计这些基因型所必需的预测性理解。只有这样，合成植物生物学才能实现其承诺。
数字
Fig 1Fig 2Fig 3Fig 1Fig 2Fig 3Fig 1Fig 2Fig 3
引文： 阿拉莫斯 S，Shih PM （2023） 如何设计未知：推进对植物和土壤生物学的定量和预测性理解以应对气候变化。公共科学图书馆生物学21（7）： e3002190. https://doi.org/10.1371/journal.pbio.3002190
学术编辑： Pamela C. Ronald，加州大学戴维斯分校，美国
发表： 17月 2023， <>
版权： ? 2023 阿拉莫斯，施。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。
资金： 我们感谢美国能源部联合生物能源研究所的资助，该资金得到了美国能源部生物与环境研究办公室科学办公室的支持，合同号为DE-AC02-05CH11231。这项工作得到了能源部的支持（DE-AC02-05CH11231至S.A.和P.M.S.）。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有任何作用。
竞争利益： 提交人声明不存在相互竞争的利益。
利用植物在土壤中封存碳的前景和工程挑战
大气中温室气体的积累及其对气候模式的影响威胁着我们目前的生活方式。与此同时，这些趋势背后的现象是如此复杂，以至于科学家们几乎无法完全理解它们，更不用说工程师了。需要和可能之间的这种差异激发了雄心勃勃的私人和公共“大胆创新计划”倡议，这些倡议承诺为通过光合作用固定的大气碳封存提供许多灵丹妙药。此类举措的一个引人注目的例子是植物工程设计，以将固定碳藏在土壤中。
土壤中的碳含量是大气的3倍，是大气和植被碳的总和的1倍[2，<>]。因此，原则上，即使土壤碳的适度增加也会吸收大量的一氧化碳。2走出大气层。土壤碳主要以死亡有机物的形式存在，在顶部30厘米处处于不同的分解状态，主要来自通过光合作用固定并从植物根部沉积的碳（如渗出物（框1），粘液或腐烂的生物质，由[2-5]审查）。从这个意义上说，人们可以争辩说，自第一批植物殖民土地以来，将大气碳泵入土壤的技术已经存在了数亿年。土壤中碳的释放是通过微生物呼吸对这些有机分子的氧化来控制的。土壤有机质通常被概念化为2个或更多具有不同腐烂率的水池：“短暂”池，其呼吸速率类似于生物量沉积的速度（大约数周到数月），以及“徘徊”池，持续更长的时间（几十年甚至几个世纪）。因此，正是这个长寿命池的存在允许碳在土壤中积累。由于过去几个世纪的农业实践导致大量土壤碳的损失，现代土壤在碳储存方面远未达到“容量”[1，2]。因此，合理化地认为，应该可以通过提高遗留池的生长速度来部分恢复上个世纪的土壤碳损失。这可以通过提高植物生物量进入持续土壤碳库的速度或降低该池降解速率的技术来实现[1，6，7]。
方框1.词汇表
根系分泌物
植物根部释放到周围介质中的物质。通常是可溶性有机化合物如蛋白质和糖的混合物。
合成生物学
工程学科，其基质是活细胞和生物体的基因组成。
C3固碳
在大多数陆地植物中发现的转化 3 个 CO 分子的代谢途径2利用光能变成3碳分子。
生长素
移动植物激素，其分布决定了根部的细胞扩张和分裂，以及植物生长和发育的多个其他方面。
收获指数
进入作物收获部分的总生物质能量的一部分。
这些技术在针对对科学好奇的公众的大众媒体文章中以及研究人员和政策制定者的技术报告中引起了极大的关注。因此，近年来出现了大量资金涌入，为致力于植物性土壤碳封存技术的新兴创业生态系统提供了肥沃。然而，批评者和坦率的倡导者都认识到，这一愿景基于关于土壤中碳循环机制和动力学的未经检验甚至错误的假设[2，7-12]。即使消除了这一关键的缺失理解，该计划的成功在很大程度上取决于我们合理设计复杂的多细胞生物（如植物）的能力，以及它们与自然界中最复杂的生态环境（即土壤生态系统）的相互作用。事实上，我们用于植物工程的生物基质已经按照我们才刚刚开始掌握的原则，在漫长的进化历史中已经功能化。因此，我们对细胞复杂性的完全天真阻碍了大多数理性的工程工作。在我们还没有时间开始学习有效地设计细胞之前，许多人就建议我们不仅要扩展整个生物体，还要扩展整个生态系统。我们怎么可能希望设计未知的东西呢？
我们希望表明，如果继续专注于建立对手头系统的定量和预测性理解，那么看似棘手的复杂工程目标可以逐步和有机地实现。任何工程领域都必须能够通过将经验主义与理论建模相结合来精确预测未来实验的结果。此外，一个成熟的工程学科将拥有测试这些预测的工具。持这种观点的人并不孤单。白宫最近推进生物技术的行政命令将“复杂生物系统的预测工程，包括整个活细胞、细胞成分或细胞系统的设计、构建、测试和建模;定量和理论驱动的多学科研究，以最大限度地与其他使能技术融合“ [13]。为了在气候变化工程工厂的背景下说明这一观点，我们围绕两个案例研究的比较来构建我们的讨论。首先，我们回顾了过去在工程光合作用方面取得成功的科学进步。利用这种历史视角，我们表明，这种工程成功可以归因于该领域早期追求的定量和预测性理解。对于第二个案例研究，我们将重点从过去转移到未来。我们批判性地评估了基因工程植物在土壤碳封存方面缺失的知识差距和前景，这是一种相当新的方法，结合了雄心勃勃的工程目标和潜在的大规模影响。具体来说，我们使用预测尚未看到的基因型表型的能力作为衡量该技术成熟度的标准。最后，我们提出了可用于实现这种预测基础的合成生物学（框2）应用。
案例研究1：工程光合作用
可以说，迄今为止植物中合理基因工程最成功的例子是工程光合作用的例子。我们特别关注最近通过实现提高光合作用效率（RIPE）项目追求的提高光捕获效率的工程工作。值得注意的是，这种努力可以归因于定量测量、理论和实验之间的持续对话，可以追溯到朱新光、史蒂夫·龙等人的一系列理论论文。通过整合所有已知的关于C3固碳（框1）和作物生理学的定量和理论知识，作者能够确定精确的工程目标，并预测它们对作物产量的影响。事实上，这只是光合作用光和碳反应合理工程中的多条有希望的线索之一[14，15]。这种预测性和合理的工程在植物生物学的其他领域并不容易找到。光合作用研究作为一个领域是如何得出这种理解的？这个问题今天值得问，因为事后看来，我们可以吸取教训，可以应用于植物生物学中的新问题，例如增加土壤碳含量的工程植物。我们认为，这些成功是该领域从一开始就追求的3个核心目标的结果，即：确定关键控制变量并表征其定量效应，使用机械启发的理论模型解释观察结果，以及使用遗传扰动测试模型预测。
识别关键控制变量并表征其定量效应
19世纪的早期研究表明，光合作用的速率取决于温度、光强度和一氧化碳。2浓度，我们可以称之为光合作用的“关键控制变量”。弗雷德里克·布莱克曼（Frederick Blackman）和加布里埃尔·马泰伊（Gabrielle Matthaei）定量地证明了这一点，后来奥托·沃伯格（Otto Warburg）通过逐渐增加每个变量同时保持其他2个变量不变来仔细检查[16]。通过这样做，可以获得“输入-输出”曲线，例如，光强度对应于x轴输入，碳固定速率是y轴输出（图1A）。接下来，可以通过同时改变控制变量来获得它们之间的相互作用。这些曲线被证明遵循今天每个植物生理学学生都知道的特征“非矩形双曲线”形状，在早期呈线性增长，然后趋于平稳。这个简单的观察表明，在正常的光照条件下，光合作用“饱和”，并且光强度的增加在增加光合作用方面越来越无效，这一事实是RIPE项目工程背后的大部分基本原理的基础。
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图1. 工程学的进步是努力实现预测理解的自然结果。
（A）预测理解的第一步是精确定位关键控制变量及其输入如何定量定义输出表型。在C3光合作用的情况下，Blackman和Matthaei在世纪之交的开创性工作描述了关键变量及其与光合作用速率的功能关系。（B）（A）中描述的观察结果逐渐使用数学模型与实验对话进行解释。（C）使用遗传摄动等实验来验证和完善理论预测。例如，设计线以不同的速度来回切换绿色曲线的斜率，预计这将增加波动光状态下的碳固定。这种预测性的理解使品种的工程设计能够改善光合作用。（D）左：巨大的不确定性揭示了控制土壤中有机碳积累的混杂或“隐藏”变量的存在。例如，作为分子同一性的函数，土壤中平均停留时间的较大差异表明化学结构本身是一个较差的预测因子，而其他隐藏变量具有更大的确定性作用。右：当针对完全解释的隐藏变量绘制时，平均停留时间的分布将坍塌到曲线上。（E）这些确定性定量关系的存在意味着存在一种潜在的机制，它可以形式化为一个理论模型，预测输出（例如，根生物量在土壤中的平均停留时间）作为输入的函数。这些模型定量预测尚未实现的基因型的表型。（F）然后可以创建定制的基因型，以系统地探索控制变量的动态范围，并验证和进一步完善理论预测。在此过程中，将遇到具有所需工程特征的基因型。
https://doi.org/10.1371/journal.pbio.3002190.g001
使用机械启发的理论模型计算观测值
在确定了光合作用速率及其定量效应的决定因素后，光合作用研究人员的主要目标之一是想出一种方法来解释这些定量关系。我们所说的“帐户”是指设计机械启发的数学公式来描述实验观察结果，并预测光合作用输出作为光或CO水平的函数。2输入（图 1B）。必须记住，光合作用的分子基础在当时充其量是推测性的，因此这些模型，特别是在开始时，几乎只不过是对数据的任意拟合。例如，为了解释Warburg的定量数据，Baly援引了光合作用速率r与叶绿素A分子A和碳酸氢盐b之间复合物形成之间的比例性，导致诸如[CO
2]自动取款机是大气中的一氧化碳2浓度和 K1和 k2是经验常数。在保持温度和光强度不变的情况下，完全有可能用这个公式拟合Warburg的经验非矩形双曲线[17]。像这样的模型在今天的我们看来可能是异想天开的错误，但它们说明了光合作用研究人员从一开始就如何参与理论和实验之间的对话，以磨练他们对问题的直觉。尽管这些模型富含任意经验推导的常数和未经测试（当时无法测试）的假设，但这些模型为实验证伪提供了明确的目标，并激发了对数据的更多机械解释的搜索，逐渐纳入了更多分子基础的细节。直到1970年代后期，Farquhar及其同事才开发出一个完整的，或多或少机械上准确的光合作用数学模型[18]。
有些人可能会争辩说，所有活动部件和部件的完整而详细的分子图像是预测理解的先决条件。数学模型逐渐演变以解释光合作用非矩形双曲线，这说明了这样一个事实，即模型不需要全面甚至真实才能有用。这项工作表明，早期的植物生理学家是如何植根于定量方法的，这些方法为我们对植物的大部分理解奠定了基础。这些努力构成了光合作用研究中长期且不间断的建模传统的一部分，该传统最终旨在根据实验测量的生化和物理常数从理论上预测叶片，植物和田间水平的气体交换速率。如今，这些方法已被吸收到复杂的作物性能计算机模拟（即计算机作物中），这些模拟整合了从DNA到田间水平的广泛尺度的机理知识[14，19]。
使用遗传扰动测试模型预测
光对固碳速率的饱和效应意味着光合设备吸收的多余光能必须安全消散。植物具有调节机制，可以在饱和光下打开“安全阀”，然后在光线再次受到限制时将其关闭[20，21]。如果这些安全阀机构关闭的速度比光从饱和到限制波动的速度慢得多，那么叶子可能会发现自己耗散了可以转移到光化学上的光能。反过来，这可能会限制作物产量。光合作用作为一个领域的理论复杂性使得用严格的数学术语来提出这个问题成为可能。Zhu及其同事的一个模型表明，在波动的光条件下，例如通常在现场遇到的那些，加快该安全阀的关闭速率将使产量提高20%，足以使其成为值得追求的工程目标[20]。作为进一步的证实，独立的理论研究也得出了类似的结论[22]。大约在建模者为合理设计光合作用奠定理论基础的时候，关键控制变量（如能量耗散的速度和程度）的遗传和分子基础已经开始阐明。相当粗糙的操作，例如过度表达单个基因，表明可以通过遗传扰动来调节能量弛豫的速度[23]（图1C）。后续工作表明，烟草植物可以被设计成在现实的田间条件下积累高达15%的生物量，非常接近理论上的20%[24]。最近，使用相同的蓝图设计了一种远亲作物物种大豆，并获得了可比的结果[25]。重要的是，另一组发现以同样方式改造的马铃薯植物产量降低，可能表明理论与实验之间的对话尚未完全得出结论[26]（图1B和1C）。
当然，光合作用研究的坚实理论和定量基础，加上新的合成生物学工具，有望保持这种对话的活力。当然，大气 - 主要由物理化学原理控制 - 是一个比土壤简单得多的环境，一个由固体，液体和气相组成的极其复杂的生态系统。鉴于这些差异，一个多世纪光合作用研究的经验教训能否应用于新兴的植物工程问题，如土壤碳封存？我们现在把注意力转向回答这个问题。
案例研究2：工程植物基土壤固碳
“封存”光合作用固定的碳的努力与光合生物一样多种多样，从微藻工程到树木。我们将不回顾这些众多策略，而是专注于针对如何将碳引入土壤的方法：根。在这里，广泛的目标是设计根系的结构和/或化学成分，最终使植物更有可能在土壤中沉积长寿命的有机碳。从概念上讲，这些策略可以分为以投入为中心或以产出为中心，这取决于它们是旨在增加碳进入土壤的速度还是降低碳流失的速度。
一个以投入为中心的策略是设计具有更大根系的植物。这样做的理由是，在所有条件相同的情况下，将较大比例的碳预算用于根系的作物在每个生长季节都会将更多的碳转移到土壤中[4，7，27]。显然，如果所有这些额外的碳只是喂养更多的微生物呼吸，那么净变化为零。因此，该策略基于碳输出的动态，即假设土壤碳的周转率不会随着有机质流入的增加而增加。为了解决这个问题，一个工程目标是改变植物根系的深度剖面，而不必改变碳在地上和地下组织之间的分配方式。该策略的支持者认为，由于微生物呼吸随着土壤深度而减少，来自更深根系的碳将更长的寿命，导致土壤碳随着时间的推移而净积累。例如，可以通过重新布线生长素（框1）信号来实现这样的目标，以实现次生根的更垂直生长角度。因此，就像上面提到的更大的根思想一样，该策略的有效性取决于关于土壤碳释放动态的关键假设。
这导致我们制定了以产出为中心的植物合成生物学策略，旨在降低土壤碳的释放速率。这些策略的目标是增加根源性有机碳的平均停留时间。其核心是假设不同的根衍生化合物在土壤中的氧化速率可能大不相同。这种方法的支持者将其中一些分子描述为“顽固分子”，这意味着它们的降解速率可以忽略不计[28]。蜡（例如，木栓素，孢子花粉素和角质）和复合连接的酚类物质（例如木质素）是这种提出的分子的例子，它们天然存在于植物细胞壁中。值得注意的是，植物中的绝大多数碳都是作为细胞壁材料发现的，这使得这种结构成为工程的一个有吸引力的目标。因此，植物合成生物学家追求这一策略的目标是增加分配给这些所谓的顽固分子的根碳比例[28]。最终，需要探索以投入为中心和以产出为中心的方法的有效性和设计空间，以优化植物的土壤碳固存。例如，这可以通过设计植物根系细胞壁的厚度和/或组成来实现。
尽管这些举措受到了关注，但目前还无法精确预测通过种植这些假设的基因型是否可以以及在土壤中积累多少有机碳。这是因为，与光合作用这样具有数百年历史的领域相比，土壤生态学及其根源在其中的作用的研究仍然是一个年轻的事业。使用光合作用工程的例子，我们可以问这个年轻的领域在多大程度上朝着预测定量理解的方向发展。
控制变量：我们测量的东西是否正确？
有充分的证据表明，微生物呼吸随着土壤深度而减少，主要是由于可用的氧气水平较低。因此，有人认为根生物质越深，其碳就越持久[29-31]。尽管深度与微生物呼吸之间的这种负相关关系已经确立，但植物来源碳的深度剖面变化是否以及如何影响这种相关性仍有待确定。此外，为了推进预测性理解，使复杂的工程成为可能，有必要用定量术语来表述这些关系（图1D-1F）。该领域肯定正在朝着这个方向发展。相比之下，根材化学成分的作用争议要大得多。
越来越多的研究表明，植物有机分子的分子结构并不构成决定土壤有机质寿命的真正“控制变量”，因为同一类型的分子在实验之间具有很大的衰减率（图1D）。例如，木质素在土壤中平均停留时间的测量范围可以从6个月到一个世纪不等[5，11]（图2）。其他所谓的“顽固”分子（如正烷烃）也存在类似的不确定性，其平均停留时间可以从10年到几个世纪不等[5，11]（图2）。这些不确定性引发了土壤科学的持续范式转变，颠覆了数十年来的直觉前提[10]。这种正在经历的范式转变背后的支持者认为，土壤中给定分子的降解速率如此可变这一事实意味着将这种速率视为分子结构的内在属性是不正确的，并且其他机制必须构成缺失的变量[11]。此外，他们认为长链顽固有机分子（也称为“腐殖质”或“腐殖质物质”）的存在只不过是一种实验性伪影[8，11，32]。这是相关的，因为腐殖质长期以来被认为是土壤中长效有机碳的形式。对于工厂工程的目的，确定真实控制变量的身份和大小以及它们如何以及是否与根生物分子的分子结构相互作用至关重要。例如，一些人认为，正是土壤团聚体的物理化学性质决定了微生物分解代谢的有机分子的可用性。如果是这样，哪些分子是植物工程的目标应该取决于它们如何与给定的土壤聚集体相互作用，而不是目标分子本身的结构。这只是活跃调查领域的一个例子。
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图2. 各种植物来源化合物在土壤中的停留时间存在很大的不确定性，这表明我们对土壤有机碳的理解存在重大的知识空白和隐藏变量。
显示了文献中报道的不同种类有机化合物的平均土壤停留时间的测量值（改编自[11]）。最重要的是总体积有机碳，与其来源无关。据报道，木质素、链烷酸和正烷烃等植物衍生化合物在土壤中翻转的时间尺度从几个月到一个多世纪不等。类似的不确定性也适用于其他生物分子，例如无法确定土壤中植物或微生物来源的蛋白质和糖。中央垂直线对应于中位数，细水平线表示第 10 个和第 90 个百分位数，水平条表示第 25 个和第 75 个百分位数，圆圈表示异常值。
https://doi.org/10.1371/journal.pbio.3002190.g002
理论模型：建立对系统的预测性理解
我们看到，在光合作用研究的情况下，确定正确的变量并定量测量其影响是必要的，但不足以实现预测性理解。需要某种理论脚手架来解释这些测量，以便能够预测未来的实验。实现这一飞跃将是指导工程植物在土壤中储存大气碳的关键。在纯粹的实际层面上，这种预测模型将使我们能够了解不同的植物基因型如何与土壤环境相互作用，而不必设计这些基因型或使它们受到不同的实验条件，类似于“在计算机作物中”如何预测假设的植物基因型与大气的相互作用。
在我们的第一个案例研究中，我们还认为理论模型不一定是完美的才有用。正如药理学家詹姆斯·布莱克（James Black）在他的诺贝尔奖演讲中所说，“分析药理学中的模型并不意味着是对自然的描述，可悲的描述;它们旨在准确描述我们对自然的可悲思考“ [33]。到目前为止，大多数土壤碳动力学模型都是第一种，试图准确解释所有可用的知识。因此，它们可能非常复杂，以至于在受控的实验室环境中几乎无法伪造，并且在加深我们对问题的理解方面几乎没有什么帮助。建立“对我们可悲思维的准确描述”的一种方法是将我们谈论问题的方式变成数学方程式。Janzen及其同事最近尝试了这一点，他们采用了我们上面描述的植物性土壤碳封存的普遍基本原理，并用数学术语重新表述[34]（图3A）。结果是一个方程，预测土壤中碳随时间积累的速度。该比率是输入速率的结果，该比率由隐藏在挥之不去的长寿命池中的净初级生产力的比例减去由该池中碳衰变率控制的产出率组成（图3A和3B）。类似的方法通常用于描述农艺相关性状，例如收获指数（框1）[35]，展示了如何形式化特定参数以估计其对作物的影响。例如，对植物根部分子组成的拟议变化将降低kR项（挥之不去的碳库的衰变速率），而工程更深的根系会增加FL项（进入留守池的植物残留物的比例）（图3C）。这个例子捕捉到了那种直观但可证伪的模型，让人联想到早期的光合作用方程，可以作为该领域的起点。此外，它们还可以对竞争工程解决方案的影响进行有根据的猜测，以便做出决策（图3D）。
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图3. 将心理图片转化为定量估计。
（A） 卡通片捕捉了受人类采掘活动（如农田）影响的生态系统中碳命运的共同观点。大气一氧化碳2通过光合作用进入系统，并作为植物生物质中的净初级生产力（P）储存。该生物量的一小部分对应于FH被收获，而其余的则作为植物残留物留在地下。这些残留物可以形成两个不同的土壤碳池，一个是腐烂速度快（数周到数月）的短暂池，另一个是停留时间更长（几十年到几个世纪）的挥之不去的池。FL对应于成为留存池一部分的非收获植物生物量的比例。这个池最终可以以k的速度降解回二氧化碳R（其中平均停留时间为 1/kR).（B）（A）中的漫画可以制作成描述留守池中碳量变化率的数学模型。（C）不同的根工程方法可以映射到（B）中模型中的特定参数上。例如，增加根的大小（同时保持净生产力不变）将意味着增加 1 ? FH术语。增加根系的深度剖面将增加FL由于深埋在土壤中的生物质可能会持续更长时间。改变根系细胞壁的化学组成以增加所谓的“顽固”聚合物的相对丰度将降低kR术语。（D）使用（B）中的模型，可以预测土壤碳随时间的变化率作为模型参数的函数。Janzen及其同事[34]使用该模型预测最大净封存率约为0.14 Pg C yr。?1.结合（B）和（C），我们可以估计工程方法的效果。如果平均停留时间（1/kR）的植物有机物被设计成增加2-3倍，同时增加进入残留部分的植物材料的比例（FL） 大约 30%，那么净封存率将增加约 4 倍，最高可达 0.5 Pg C 年?1，约占年度人为一氧化碳总量的 5%2排放（假设全球采用这些工程方法）。
https://doi.org/10.1371/journal.pbio.3002190.g003
识别控制变量和检验理论预测：合成生物学的作用
与光合作用的情况不同，在光合作用的情况下，控制变量可以很容易地被实验者操纵，被认为决定土壤中根碳命运的机制要容易得多。在许多情况下，甚至不清楚如何获得类似于我们在光合作用情况下描述的输入 - 输出曲线的东西。这些控制变量中的许多都包含了碳通过土壤微生物的命运，或者考虑到了土壤的物理化学特性，这表明我们在这里介绍的只是一个更复杂的故事的一部分。整个子领域都在这些问题中浮现，例如探索如何合理地设计土壤微生物组。尽管如此，许多控制变量是由植物基因组遗传编码的;然而，由于缺乏精确的扰动工具，对这些候选机制的研究仍停留在观测水平上。可以利用合成生物学方法对植物进行基因工程改造，以便在受控的实验室环境中系统地测试这些分子决定因素。为了说明这个概念，我们现在举了3个具体的例子，这些例子绝不是详尽无遗的。
第一个潜在的隐藏变量是根系分泌物的组成[36，37]。有人认为，在一些渗出物中发现的简单且高度还原的碳水化合物可以提供启动微生物代谢所需的能量。一旦以这种方式启动，微生物就能够以几乎任何生物分子为食，无论是“顽固的”还是其他的。使用植物代谢工程，可以特异性地改变这些渗出物的组成和轮廓，同时保持其数量和物理性质等效，并以这种方式回答土壤中简单富含能量的糖的可用性是否构成隐藏变量（图1D）。如果是这种情况，则可以使用相同的合成生物学工具来系统地探索该变量的动态范围，以测试将根系分泌物的数量和组成与土壤微生物的分解代谢活动联系起来的预测模型（图1D-1F）。
第二个可能的变量是细胞壁超微结构在控制微生物分解代谢进入细胞壁聚合物中的作用，而不是聚合物化学成分本身。例如，由纤维素形成的线状纤维使其成为微生物最难分解的植物材料之一，尽管它在化学上是最简单的植物多糖之一（β（1→4）连接的葡萄糖链）。因此，与其专注于设计根细胞壁的分子组成，就好像它们是一袋化学物质一样，操作的目标将是细胞壁超微结构，这意味着这些分子如何在细胞壁基质中相互结合、交联和排列。这是一个推动对新合成生物学工具需求的假设的例子，因为目前没有方法来调节植物细胞壁超微结构。
最后，可能最触手可及的隐藏变量是植物根系的深度剖面。使用合成生物学工具，可以将构建体引入单一遗传背景中，从而赋予不同程度的根深[38，39]。与此同时，在测量和预测微生物呼吸速率作为土壤剖面深度的函数方面也取得了进展。因此，应该可以将这两个区域结合起来，以推进根碳停留时间作为根深函数的理论预测。
然后可以使用定制的植物基因型对这些预测进行实验测试。
结论和未来展望
从光合作用速率决定因素的定量描述到当前基于计算机模拟的合理工程方法，花了大约一百年的时间。不幸的是，气候变化的迫在眉睫的后果要求我们有能力更快地提供解决方案，以减少人为温室气体排放。我们选择专注于光合作用的理性工程的历史，因为它对植物生物学家来说非常熟悉，但我们制定的蓝图可能对任何领域的工程专业学生来说都是可以识别的。事后看来，光合作用似乎是一个比土壤碳生态学相对简单的问题。对于几代研究人员来说，情况可能并非如此，他们的努力导致了现代植物光合作用模型，其中包含数百个精心获得的参数，从蛋白质浓度和酶常数到气体扩散速率。然而，设计通过植物将无机碳从大气中泵入土壤的压倒性目标无疑要大得多。这种认识令人羞愧，并强调了确定基本原则的重要性，不仅要指导工程工作，还要指导我们在未来几十年对这个相对年轻的领域的基本理解。
改善大气CO升高的最坏影响的紧迫性2意味着我们不能仓促“把想法扔到墙上，看看什么坚持”。正如我们在第二个案例研究中所强调的那样，迄今为止，对于促进土壤中有机物积累的分子决定因素是什么，还没有达成一致意见。如果不立即解决这些关键的知识差距，工程土壤碳封存注定要保持探索性。幸运的是，有大量可证伪的假设已经成熟，只要我们有合适的分子工具来测试它们。我们提供了一些如何利用新型植物合成生物学方法实现这一目标的例子。如果这些技术是可调的，那么就有可能获得定量的输入 - 输出关系，这是根据我们的第一个案例研究建立预测性理解的先决条件。
最后，我们希望强调，归根结底，我们为案例研究选择的例子是对一个更大原则的任意说明，即未来的工厂工程解决方案将是理论预测和旨在测试它们的合成基因型之间的推拉的自然副产品。
确认
我们感谢Christopher Eiben分享了关于植物碳封存的行业观点，并感谢Kasey Markel对手稿的透彻和批评性评论。
引用
1.Paustian K， Lehmann J， Ogle S， Reay D， Robertson GP， Smith P. 气候智能型土壤。自然界。2016;532(7597):49–57.密码：27078564
查看文章PubMed/NCBI谷歌学术搜索
2.Pett-Ridge J，Nuccio E，Mcfarlane K.根深蒂固：评估植物生根深度作为增强土壤碳封存的手段。在： LLNL-CONF-750320 二氧化碳负排放国际会议;2 年 2018 月 21 日至 24 日;瑞典哥德堡。劳伦斯利弗莫尔国家图书馆;2018;第1-13页。https://www.osti.gov/servlets/purl/1467801。
3.科格尔-纳布纳一世植物和微生物残留物的大分子有机组成作为土壤有机质的输入：十四年后。土壤生物学和生物化学。2002;34：A3–A8.
查看文章谷歌学术搜索
4.凯尔·培育深根作物：它们在可持续碳、养分和水封存中的作用。安博特。2011;108(3):407–418.pmid：21813565
查看文章PubMed/NCBI谷歌学术搜索
5.Amelung W，Brodowski S，Sandhage-Hofmann A，Bol R.将生物标志物与稳定同位素分析相结合以评估土壤有机质的转化和周转。在：Sparks DL，编辑。农学进展.第100卷.爱思唯尔公司;2008.
6.DeLisi C， Patrinos A， MacCracken M， Drell D， Annas G， Arkin A， et al.合成生物学在减少大气温室气体中的作用：前景和挑战。生物设计研究。2020;2020.
查看文章谷歌学术搜索
7.Schweitzer， Aalto NJ， Busch W， Chat Chan DT， Chiesa M， Elvevoll EO， et al.通过受生态系统启发的解决方案创新碳捕获生物技术。一个地球。2021;4(1):49–59.
查看文章谷歌学术搜索
8.莱曼 J， 克莱伯 M.土壤有机质的争议性。自然界。2015;528(7580):60–68.密码：26595271
查看文章PubMed/NCBI谷歌学术搜索
9.坦普尔·J·碳去除炒作正在成为一种危险的分心。麻省理工学院技术修订版[互联网]。2021 8月 2023 [引用日期7 2021月 07].https://www.technologyreview.com/08/1027908/<>/<>/carbon-removal-hype-is-a-dangerous-distraction-climate-change/。
10.波普金·一场土壤科学革命颠覆了应对气候变化的计划。广达杂志[互联网].2021 27月 2023 [引用日期7 20210727月 <>].https://www.quantamagazine.org/a-soil-science-revolution-upends-plans-to-fight-climate-change-<>/。
11.Schmidt MWI， Torn MS， Abiven S， Dittmar T， Guggenberger G， Janssens IA， et al.土壤有机质作为生态系统属性的持久性。自然界。2011;478(7367):49–56.密码：21979045
查看文章PubMed/NCBI谷歌学术搜索
12.德里恩 D， 巴雷 P， 巴西尔-多尔施 I， 塞西隆 L， 沙比 A， 克雷姆 A， 等.当前关于控制土壤碳储存机制的争议：对与从业者和政策制定者互动的影响。一个评论。阿格隆维持开发 2023;43（1）.密码：36777236
查看文章PubMed/NCBI谷歌学术搜索
13.拜登JR Jr.关于推进生物技术和生物制造创新的行政命令，以实现可持续，安全和有保障的美国生物经济。白宫[互联网]。2022 12月 2023 [引用日期7 2022月 09].https://www.whitehouse.gov/briefing-room/presidential-actions/12/<>/<>/executive-order-on-advancing-biotechnology-and-biomanufacturing-innovation-for-a-sustainable-safe。
14.电子光合作用：C3光合作用的综合动态机制模型：从光捕获到蔗糖合成.植物细胞环境。2013;36(9):1711–1727.pmid：23072293
查看文章PubMed/NCBI谷歌学术搜索
15.South PF， Cavanagh AP， Lopez-Calcagno PE， Raines CA， Ort DR. 优化光呼吸以提高作物生产力。植物生物学杂志， 2018;60（12）：1217–1230.密码：30126060
查看文章PubMed/NCBI谷歌学术搜索
16.尼克尔森·K·奥托·沃伯格（Nickelsen K. Otto Warburg）的第一种光合作用方法。光合作用研究 2007;92（1）：109–120.pmid：17605089
查看文章PubMed/NCBI谷歌学术搜索
17.巴利·光合作用的动力学。Proc R Soc Lond。1934;1905:218–239.
查看文章谷歌学术搜索
18.法夸尔GD，凯默勒S，贝里JA。光合CO的生化模型2C叶片的同化3物种。普兰塔。1980;149(1):78–90.
查看文章谷歌学术搜索
19.Marshall-Colon A， Long SP， Allen DK， Allen G， Beard DA， Benes B， et al.计算机作物：使用集成的多尺度建模平台生成虚拟作物。前植物科学 2017;8（五月）：1-7。密码：28555150
查看文章PubMed/NCBI谷歌学术搜索
20.朱晓刚， 奥特， 惠特马什， 龙SP.光系统II热能耗散在从高光到低光时缓慢的可逆性可能导致作物冠层碳增益的大量损失：理论分析。J Exp Bot.2004;55(400):1167–1175.pmid：15133059
查看文章PubMed/NCBI谷歌学术搜索
21.李孜， 若尾 S， 费舍尔 BB， 妮代木 KK.感应和响应多余的光。植物生物学年鉴， 2009;60：239–260.密码：19575582
查看文章PubMed/NCBI谷歌学术搜索
22.Werner C， Ryel RJ， Correia O， Beyschlag W. 用光合作用模型评估光抑制对全株碳增益的影响.植物细胞环境。2001;24(1):27–40.
查看文章谷歌学术搜索
23.莱昂内利 L， 埃里克森 E， 莱斯卡 D， 尼代吉 KK.本氏烟草中的瞬时表达，用于参与非光化学猝灭和类胡萝卜素生物合成的基因的快速功能分析。植物学报 2016;88（3）：375–386.密码：27407008
查看文章PubMed/NCBI谷歌学术搜索
24.Kromidjk J， Glowacka K， Leonelli L， Gabilly ST， Iwai M， Niyogi KK， et al.通过加速光保护恢复来改善光合作用和作物生产力。科学。2016;354(6314):857–861.pmid：27856901
查看文章PubMed/NCBI谷歌学术搜索
25.De Souza AP， Burgess SJ， Doran L， Manukyan L， Hansen J， Maryn N， et al.对“通过加速光保护恢复提高大豆光合作用和作物产量”的评论的回应。科学。2023;379（6634）：EADF2189.密码：36821655
查看文章PubMed/NCBI谷歌学术搜索
26.Lehretz GG， Schneider A， Leister D， Sonnewald U. VPZ转基因马铃薯植株的高非光化学猝灭限制了高光照条件下的CO2同化，并降低了波动光下的块茎产量。植物生物学杂志， 2022;64（9）：1821–1832.密码：35763422
查看文章PubMed/NCBI谷歌学术搜索
27.Lemus R， Lal R. 生物能源作物和碳封存。植物科学暴击修订版 2005;24（1）：1–21.
查看文章谷歌学术搜索
28.洛伦兹 K， 拉尔 R， 普雷斯顿 CM， 尼罗普 KGJ.通过增加顽固的脂肪族生物（大）分子的贡献来加强土壤有机碳库。地皮。2007;142(1–2):1–10.
查看文章谷歌学术搜索
29.保罗EA，福莱特RF，莱维特SW，哈尔沃森A，彼得森GA，里昂DJ。放射性碳测年法用于确定土壤有机质库的大小和动态。土壤科学学报 1997;61（4）：1058–1067.
查看文章谷歌学术搜索
30.特朗博尔 SE， 戴维森 EA， 巴博萨德卡马戈 P， 内普斯塔德 DC， 马丁内利洛杉矶.亚马逊东部森林和牧场的地下碳循环。全球生物地球化学循环。1995;9(4):515–528.
查看文章谷歌学术搜索
31.方炳， 蒙克里夫.土壤微生物呼吸随深度的变化与土壤碳组成的关系。种植土壤。2005;268(1):243–253.
查看文章谷歌学术搜索
32.克莱伯·什么是顽固的土壤有机质？环境化学 2010;7（4）：320–332.
查看文章谷歌学术搜索
33.Gunawardena J. 生物学模型：“对我们可悲思维的准确描述”。BMC 生物学. 2014;12：29.密码：24886484
查看文章PubMed/NCBI谷歌学术搜索
34.Janzen HH， van Groenigen KJ， Powlson DS， Schwinghamer T， van Groenigen JW.农田固碳的光合限制。地皮。2022;416（一月）：115810.
查看文章谷歌学术搜索
35.朱晓刚， 龙SP， 奥特博士. 提高光合效率，提高产量.植物生物学年鉴， 2010;61：235–261.密码：20192734
查看文章PubMed/NCBI谷歌学术搜索
36.Kuzyakov Y，Friedel JK，Stahr K.机制和启动效应的量化回顾。土壤生物化学。2000;32(11–12):1485–1498.
查看文章谷歌学术搜索
37.Keiluweit M， Bougoure JJ， Nico PS， Pett-Ridge J， Weber PK， Kleber M. 根系分泌物抵消土壤碳的矿物保护。纳特克里姆变化。2015;5(6):588–595.
查看文章谷歌学术搜索
38.布罗菲·扬。迈向合成工厂发展。植物生理学. 2022;188（2）：738–748.密码：34904660
查看文章PubMed/NCBI谷歌学术搜索
39.Ogura T， Goeschl C， Filiault D， Mirea M， Slovak R， Wolhrab B， et al. 拟南芥根系深度由EXOCYST70A3通过生长素转运的动态调节形成。细胞。2019;178（2）：400–412.e16.pmid：31299202
查看文章PubMed/NCBI谷歌学术搜索