Nouvelles

Dec 02, 2023

L'infection à Xanthomonas et le stress d'ozone influencent distinctement la structure de la communauté microbienne et les interactions dans la phyllosphère du poivre

ISME Communications volume 3,

ISME Communications volume 3, Numéro d'article : 24 (2023) Citer cet article

1985 Accès

12 Altmétrique

Détails des métriques

Alors que la réponse physiologique et transcriptionnelle de l'hôte aux stress biotiques et abiotiques a été intensément étudiée, on sait peu de choses sur la résilience des microbiomes associés et leur contribution à la tolérance ou à la réponse à ces stress. Nous avons évalué l'impact de l'ozone troposphérique (O3) élevé, individuellement et en combinaison avec l'infection à Xanthomonas perforans, dans des conditions de champ à chambre ouverte sur l'évolution globale de la maladie sur les cultivars de poivrons résistants et sensibles, ainsi que sur la structure, la fonction et le réseau d'interaction de leur microbiome associé tout au long de la saison de croissance. L'infection pathogène a entraîné une structure et des fonctions distinctes de la communauté microbienne sur le cultivar sensible, tandis que le stress O3 simultané n'a pas modifié davantage la structure et la fonction de la communauté. Cependant, le stress O3 a exacerbé la sévérité de la maladie sur les cultivars résistants. Cette gravité altérée de la maladie s'est accompagnée d'une hétérogénéité accrue dans les dénombrements de population de Xanthomonas associés, bien qu'aucun changement significatif dans la densité globale du microbiote, la structure de la communauté microbienne et la fonction n'ait été évident. Les réseaux de cooccurrence microbienne sous stress O3 et défi pathogène simultanés ont indiqué un changement dans les taxons les plus influents et un réseau moins connecté, ce qui peut refléter la stabilité altérée des interactions entre les membres de la communauté. L'augmentation de la gravité de la maladie sur le cultivar résistant peut s'expliquer par un tel réseau de cooccurrence microbienne altéré, indiquant le bouclier prophylactique associé au microbiome altéré contre les agents pathogènes sous O3 élevé. Nos résultats démontrent que les communautés microbiennes réagissent distinctement aux facteurs de stress individuels et simultanés, dans ce cas, le stress O3 et l'infection par des agents pathogènes, et peuvent jouer un rôle important dans la prédiction de l'évolution des interactions plantes-agents pathogènes face au changement climatique.

La phyllosphère (parties aériennes) des plantes est un habitat unique et pauvre en nutriments et est habitée par divers micro-organismes procaryotes et eucaryotes [1] qui colonisent soit la surface des feuilles (épiphytes) soit l'intérieur du tissu foliaire (endophytes) [2, 3]. L'assemblage et la succession de la communauté microbienne des feuilles sont influencés par des processus déterministes et stochastiques. Bien que la dispersion à partir des plantes voisines et d'autres facteurs démographiques tels que l'identité et l'âge des voisins contribuent à la diversité du microbiome de la phyllosphère [4], les facteurs hôtes de la plante tels que le génotype de l'hôte, le stade de développement [5] et la résistance de l'hôte [6] façonnent l'assemblage du microbiome. Ce filtrage du microbiome par l'hôte est observé en raison de la disponibilité différente des ressources à la surface des feuilles [7], des propriétés physiques différentes [8] et de la signalisation de défense de l'hôte [9, 10].

Les membres du microbiome de la phyllosphère sont connus pour jouer un rôle dans l'acquisition des nutriments [11], la croissance et la productivité des plantes [12] et la tolérance à divers stress biotiques et abiotiques [13,14,15,16,17]. L'invasion d'agents pathogènes est l'un des stress biotiques les plus influents affectant l'assemblage microbien des plantes dans la phyllosphère [18]. Les agents pathogènes peuvent modifier l'habitat en sécrétant des facteurs de virulence, des biosurfactants ou des hormones, augmentant ainsi la disponibilité des ressources pour que les autres colonisateurs résidents, y compris les opportunistes, puissent s'épanouir [19, 20]. Les agents pathogènes peuvent également influencer la microflore résidente par le biais d'une compétition de niche ou de ressources [1, 18, 19, 21]. La signalisation de défense des plantes activée en réponse à une attaque pathogène a également été indiquée comme source d'altération de la communauté de la phyllosphère [16, 22]. Quelle que soit la source de changement de la communauté de la phyllosphère, on pense que les membres dominants rétablissent la stabilité de cette communauté perturbée [23]. En outre, de plus en plus de preuves suggèrent que les plantes peuvent recruter des microbes dans la phyllosphère qui offrent une protection contre les agents pathogènes [24,25,26], indiquant un assemblage de microbiome suppresseur de maladie dans la phyllosphère en réponse à un agent pathogène similaire à ce qui a été observé dans la rhizosphère [27, 28]. La structure et la composition de la communauté microbienne de la phyllosphère sont également façonnées par la réponse de la plante hôte aux stress abiotiques, tels que la sécheresse [29, 30], l'augmentation de la température de surface ou le réchauffement [31,32,33], le CO2 élevé [34] et le rayonnement ultraviolet [35].

Les facteurs de stress abiotiques peuvent altérer la sensibilité de l'hôte aux agents pathogènes en interférant avec la signalisation des hormones de défense [36] et ainsi influencer l'incidence de la maladie. L'exposition des plantes à des facteurs de stress biotiques et abiotiques simultanés peut avoir des effets positifs ou négatifs sur les réponses des plantes en fonction du moment, de la nature et de la gravité de chaque stress, car différentes voies de signalisation de défense peuvent interagir ou s'inhiber [37, 38]. De plus, des travaux récents ont démontré que le changement climatique peut entraîner une augmentation de l'incidence des épidémies en raison de la propagation d'agents pathogènes en dehors de leur aire de répartition géographique [39]. Pris ensemble, de nombreux facteurs internes et externes peuvent façonner le microbiome de la phyllosphère, et des travaux sont nécessaires pour bien comprendre le rôle que joue le microbiome de la phyllosphère dans la réponse de la plante aux facteurs de stress biotiques et abiotiques simultanés.

Les niveaux élevés d'ozone troposphérique (O3) sont l'un de ces facteurs de stress abiotiques que subissent les plantes. Le réchauffement climatique causé par les gaz à effet de serre a entraîné une augmentation de l'O3 troposphérique en raison de l'augmentation des précurseurs tels que l'oxyde d'azote (NOx), le CO, le méthane et d'autres composés organiques volatils [40, 41]. Une étude menée aux États-Unis a prédit que le 5 à 95e centile pour l'O3 maximal quotidien sur 8 heures passera de 31 à 79 parties par milliard (ppb) en 2012 à 30 à 87 ppb en 2050 [42]. Cette augmentation du niveau d'O3 est significative car les concentrations d'O3 supérieures à 40 ppb sont hautement phytotoxiques [43]. Une concentration élevée d'O3 peut avoir un impact négatif sur les plantes et à de nombreux niveaux, y compris les blessures visibles et la réduction de la photosynthèse, qui à son tour affecte la croissance des plantes, la valeur nutritionnelle, le rendement des cultures et les altérations de l'allocation du carbone [43,44,45]. Au fur et à mesure que nous en apprenons davantage sur la façon dont les facteurs de stress abiotiques et biotiques associés au changement climatique influencent la réponse des plantes au niveau moléculaire, cellulaire ou transcriptomique, les questions importantes à aborder sont de savoir comment le microbiome associé réagirait ou contribuerait à la réponse de la plante en présence de facteurs de stress individuels ou simultanés et si les fonctions écologiques critiques des communautés microbiennes de la phyllosphère seraient altérées en présence de facteurs de stress.

Pour répondre à ces questions, nous nous sommes explicitement concentrés sur la réponse du microbiome de la phyllosphère de deux cultivars de poivrons différant par leur résistance à un pathogène foliaire, Xanthomonas perforans, en présence de niveaux ambiants et élevés d'O3. Nous avons utilisé une configuration expérimentale sur le terrain impliquant des chambres à ciel ouvert (OTC) qui nous ont permis de manipuler les niveaux d'O3 et de disséquer l'influence des interactions génotype x environnement (G x E) sur le résultat global de la maladie des plantes ainsi que sur la structure et la fonction du microbiome. Les deux cultivars de poivrons utilisés dans cette étude différaient par leur résistance à X. perforans, un pathogène émergent du poivron dans le sud-est des États-Unis : l'un étant le cultivar sensible Early Cal Wonder et l'autre étant le cultivar commercial PS 09979325, largement déployé dans le sud-est des États-Unis et connu pour avoir une résistance quantitative polygénique contre les onze races de l'agent pathogène ponctuel bactérien [46]. Ce pathosystème hôte spécifique nous a permis non seulement d'étudier la réponse de la variété résistante à des facteurs de stress combinés, évaluant ainsi sa durabilité dans des conditions climatiques modifiées, mais également de tester la réponse de l'espèce pathogène émergente du poivron, X. perforans [47], sur les variétés résistantes sensibles et commerciales dans un environnement modifié. Nous avons émis l'hypothèse que les communautés microbiennes de la phyllosphère montreront des altérations dans les profils taxonomiques et fonctionnels et une dynamique saisonnière altérée en réponse aux niveaux modifiés d'O3, quels que soient les cultivars. Fait intéressant, l'influence de l'O3 élevé sur la sensibilité des plantes dépend du mode de vie de l'agent pathogène. Ces effets différentiels pourraient provenir de différences physiologiques, de la biologie des agents pathogènes ou de différences dans les voies de signalisation de défense [48,49,50]. Nous avons émis l'hypothèse que la présence d'O3 élevé augmentera la sensibilité globale du poivron aux xanthomonades bactériennes, même sur le cultivar résistant. Nous avons également émis l'hypothèse que l'établissement de la maladie perturberait la dynamique saisonnière du microbiome de la phyllosphère, et cet effet sera plus fort dans les environnements qui supportent une forte pression de la maladie. Notre conception expérimentale nous a permis d'aborder l'influence d'une concentration élevée d'O3 sur l'issue globale de la maladie sur des cultivars différant par leur résistance aux agents pathogènes, ainsi que de faciliter l'évaluation des profils taxonomiques et fonctionnels du microbiome de la phyllosphère sous des facteurs de stress simultanés. Enfin, comme des études ont indiqué l'importance des fonctions plutôt que des espèces dans la structure et l'assemblage de la communauté [51], nous avons comparé les profils fonctionnels des microbiomes pour voir si les fonctions écologiques de la communauté sont plutôt conservées quels que soient les facteurs de stress biotiques ou abiotiques.

L'expérience a été menée sur le site de dépôt atmosphérique (AtDep) de l'Université d'Auburn (Fig. S1A) au cours de la saison de croissance 2021 (mai-juillet), où nous avons exploité les OTC (Fig. S1B) qui nous ont permis de tester l'effet du stress O3 sur les interactions plante-pathogène-microbiome et d'aborder la complexité du compromis défense-développement des plantes. Nous avons utilisé 12 chambres pour la fumigation, où six chambres avaient un environnement ambiant et six avaient un O3 élevé (Fig. S1A). Chaque chambre d'O3 surélevée contient quatre générateurs d'O3 (générateur d'ozone HVAC-1100, Ozone Technologies, Hull, IA, États-Unis), équipés de deux ampoules ultraviolettes (modèle GPH380T5VH/HO/4 P, Ozone Technologies, Hull, IA, États-Unis) pour générer l'O3. Les générateurs et les ampoules sont situés dans les boîtiers de ventilation de la chambre O3 surélevés. Pour atteindre le point de consigne souhaité d'O3 (~ 100 ppb), les générateurs d'O3 ont été contrôlés par des fils de commande 0-10 V, qui sont contrôlés via un module de sortie analogique. Pour fumiger les plantes, l'air ozonisé a été soufflé du boîtier du ventilateur dans le revêtement en plastique de la chambre à toit ouvert (Fig. S1B). Le panneau en plastique sur la partie inférieure de la chambre est à double paroi avec des trous sur le panneau intérieur, permettant à l'O3 d'être libéré sur les plantes à l'intérieur de la chambre. Chaque chambre est reliée via un tube en plastique à un collecteur de gaz central auquel chaque chambre est ouverte séquentiellement par des électrovannes à 3 voies. Un microcontrôleur parcourt les 12 électrovannes toutes les 24 min (échantillonnant chacune des 12 chambres pendant 2 min) pour surveiller l'O3 de chaque chambre (Moniteur d'ozone à double faisceau modèle 205, 2B Technologies, Boulder, CO, USA) pendant la fenêtre de fumigation (10 h à 18 h). Au cours de cette expérience, le [O3] moyen dans les chambres de contrôle était d'environ 30,6 ppb, tandis que les chambres fumigées avaient un [O3] moyen d'environ 90,3 ppb (Fig. S1C). Les niveaux d'O3 dans les chambres surélevées étaient significativement plus élevés pendant la saison de croissance par rapport aux chambres ambiantes (Kruskal-Wallis, p = 0,04) tandis que les niveaux d'O3 entre les chambres surélevées étaient similaires (p = 0,62).

L'inoculation a été réalisée sur des plantules âgées de 5 à 6 semaines des deux cultivars. Les plantes ont été inoculées avec une suspension de X. perforans ajustée à 106 UFC/ml dans un tampon MgSO4 amendé avec 0,0045 % (vol/vol) de Silwet L-77 (PhytoTechnology Laboratories, Shawnee Mission, KS, USA). Les plantes témoins ont été inoculées par trempage dans du tampon MgSO4 modifié avec 0, 0045% (vol / vol) Silwet L-77 (Fig S1D). Les plantes inoculées par trempage ont été transplantées dans des pots en plastique stériles de 10 pouces (The HC Companies, OH) avec un milieu de rempotage sans sol (Premier Tech Horticulture, PA). Les pots ont ensuite été transférés dans les OTC susmentionnés et conservés à l'intérieur des OTC tout au long de la saison de croissance jusqu'à la récolte. Dans chacune des chambres, nous avions six plantes, chacune de Early Cal Wonder (ci-après dénommé cultivar sensible) et PS 09979325 (ci-après dénommé cultivar résistant) (Fig. S1E). Parmi les 12 chambres, les plantes de 6 chambres (trois ambiantes et trois élevées O3) ont été inoculées avec l'agent pathogène X. perforans tandis que 6 chambres (trois ambiantes et trois élevées O3) avaient des plantes témoins inoculées avec du tampon MgSO4 (Fig. S1A).

Le développement global de la maladie a été évalué en estimant le pourcentage de symptômes de la maladie causés par la tache bactérienne après avoir transformé les cotes Horsfall-Barratt [52] au point médian de la plage de cotes au milieu et à la fin de la saison [53].

Des échantillons de feuilles de poivron ont été prélevés à la fois sur des échantillons inoculés et témoins de chaque cultivar séparément après l'inoculation avec Xanthomonas ou un tampon MgSO4 et avant de garder les plantes dans les chambres (échantillons de base), suivis de deux autres moments pendant la saison de croissance (milieu et fin de la saison). Pour chaque point de temps, les feuilles de 6 plantes de chaque cultivar cultivées dans une chambre ont été regroupées, nous avons donc un échantillon par cultivar. Lors de l'échantillonnage, les feuilles ont été prélevées au hasard pour éviter un biais vers les feuilles malades et avec au moins une feuille par plante pour chaque cultivar. 40 grammes d'échantillons de feuilles ont été soniqués pendant 15 min dans une solution saline tamponnée au phosphate (50 mM) amendée avec 0, 02% de Tween 20 et les cellules délogées ont été sédimentées et traitées pour l'extraction d'ADN. En bref, l'ADN total a été extrait à l'aide du kit de purification d'ADN génomique Wizard® (Promega, Madison, WI) conformément aux instructions du fabricant avec l'ajout d'un phénol:chloroforme:alcool isoamylique (25:24:1) suivi d'une précipitation à l'éthanol. L'ADN a été quantifié à l'aide d'un fluorimètre Qubit 3.0 (Thermo Fischer, Waltham, MA) et les échantillons d'ADN ont été soumis au noyau de séquençage du Duke Center for Genomic and Computational Biology (Duke University, Durham, NC) pour la préparation de la bibliothèque, et les lectures appariées (2 × 150 bp) ont été séquencées sur le système de Flow Cell NovaSeq 6000 S1. Les lectures brutes ont ensuite été coupées pour la qualité à l'aide de BBDuk (http://jgi.doe.gov/data-and-tools/bb-tools/) suivi de l'élimination de la contamination de l'hôte avec KneadData (https://bitbucket.org/biobakery/kneaddata/) en utilisant du poivre cv. 59 (GCA_021292125.1) génome comme référence.

Les lectures de qualité contrôlée et décontaminées par l'hôte ont été assignées taxonomiquement à l'aide de Kraken2 (v2.1.2) [54] par rapport à une base de données Kraken2 standard contenant des bibliothèques RefSeq [55] de séquences archéennes, bactériennes, humaines et virales (au 1er mars 2022). Kraken2 est un système de classification à lecture courte basé sur kmer qui attribue une identification taxonomique à chaque lecture de séquençage en utilisant l'ancêtre commun le plus bas (LCA) des génomes correspondants dans la base de données et a été utilisé pour une classification de haute précision des lectures métagénomiques [56, 57]. Les fichiers de rapport Kraken2 ont été utilisés comme entrées pour exécuter une réestimation bayésienne de l'abondance avec le Kraken (Bracken) (v2.6.2) [58] afin de réestimer l'abondance à chaque rang taxonomique pour tous les échantillons. Bracken utilise les étiquettes de taxonomie attribuées par Kraken pour estimer l'abondance de chaque espèce. La base de données pour Bracken a ensuite été construite avec la base de données Kraken2 en utilisant la longueur par défaut de 35 k-mer et les longueurs de lecture de 100 pb basées sur la longueur de lecture moyenne dans notre échantillon avec la longueur de lecture la plus faible pour réestimer l'abondance relative des communautés microbiennes au niveau de l'espèce. Les sorties de Bracken ont été combinées à l'aide de la fonction combine_bracken_outputs.py pour une analyse en aval. L'outil kraken-biom (https://github.com/smdabdoub/kraken-biom) a été utilisé pour convertir la sortie de Bracken en tableaux au format BIOM pour les analyses de diversité dans R [59].

En plus de l'abondance relative pour chaque taxon, nous avons calculé une estimation de l'abondance absolue basée sur l'abondance relative des différents taxons bactériens et l'ADN total récupéré de chaque échantillon. La densité du microbiote décrite comme l'ADN total (ng) par mg d'échantillon frais a été calculée pour chaque échantillon, qui a ensuite été utilisée pour calculer l'abondance absolue de différents taxons microbiens tels que définis par les ng d'ADN par mg d'échantillon multipliés par l'abondance relative [60].

La composition taxonomique et la diversité des eucaryotes dans les échantillons ont été consultées à l'aide d'EukDetect (v1.3) [61]. EukDetect aligne les lectures métagénomiques sur les gènes marqueurs universels de familles de gènes conservées provenant de champignons, de protistes, de métazoaires non vertébrés et de génomes et transcriptomes d'archaeplastida non streptophytes, suivis d'un filtrage des lectures de faible qualité et en double. L'abondance finale des eucaryotes est calculée en filtrant les taxons avec moins de quatre lectures et en s'alignant sur moins de deux gènes marqueurs. L'abondance absolue résultante (lectures par kilobase de séquence) a été utilisée pour comparer la diversité entre les échantillons. La valeur RPKS a été normalisée en la multipliant par un facteur d'échelle calculé en divisant la taille médiane de la bibliothèque par la taille de la bibliothèque d'échantillons, qui a ensuite été utilisée pour comparer les échantillons.

Pour déterminer l'effet du cultivar et de l'environnement sur l'abondance de X. perforans, une méthode dépendante de la culture a été utilisée pour suivre la population in planta de Xanthomonas. Les plantes (6 de chaque cultivar/chambre) ont été inoculées par trempage comme décrit précédemment et conservées à l'intérieur des chambres avec de l'O3 ambiant et élevé. Des échantillons de feuilles ont été prélevés aux jours 0, 7 et 14 après l'inoculation pour déterminer la population bactérienne in planta. A chaque moment d'échantillonnage, environ 4 cm2 de surface foliaire ont été prélevés à l'aide d'un perce-bouchon stérile et ont été macérés à l'aide d'un Dremel® stérile dans des tubes de microcentrifugeuse avec 1 ml de tampon MgSO4 0,01 M stérile. La suspension homogénéisée a ensuite été diluée d'un facteur dix, puis étalée sur une plaque de gélose nutritive à l'aide d'une plaque en spirale (Neu-tecGroup Inc., NY). Les plaques ont ensuite été incubées à 28 ° C pendant 3 jours et la population bactérienne a été déterminée en tant qu'unités formant des colonies par centimètre carré de surface foliaire.

Toutes les analyses statistiques et de diversité ont été effectuées en utilisant R (v4.1.3) [59] et Rstudio [62] avec les packages Phyloseq (v1.38.0) [63], vegan (v2.5–7) [64] et ggplot2 (v3.3.5) [65]. Avant l'analyse des données, la taille de la bibliothèque a été normalisée à l'aide d'une mise à l'échelle avec un sous-échantillonnage classé avec la fonction 'SRS' dans le package SRS R (v0.2.2) [66]. Les mesures de diversité alpha Chao1 et l'indice de Shannon ont été utilisées pour identifier la richesse et la diversité de la communauté, respectivement. Le test de somme des rangs de Wilcoxon a testé des différences significatives dans les indices de diversité alpha pour les données non paramétriques et le test T pour les données normalement distribuées. La pertinence de ces méthodes a été vérifiée en vérifiant la distribution normale des résidus basée sur le test de normalité de Shapiro-Wilk.

Les différences dans les profils microbiens globaux entre les cultivars et les différentes conditions environnementales (diversité β) ont été estimées à l'aide de la distance Bray-Curtis. Pour comprendre les facteurs contribuant à la structure de la communauté microbienne, nous avons effectué une analyse de variance multivariée par permutation (PERMANOVA) [67] telle qu'implémentée dans l'adonis2 (analyse de variance à l'aide de matrices de distance, ADONIS) avec l'argument « par » défini sur « marges » et l'analyse des similitudes (ANOSIM) avec 1 000 permutations (p = 0,05) en utilisant la dissemblance de Bray-Curtis dans le package R végétalien (v 2,5-7 ). De plus, un test d'homogénéité multivariée de dispersion de groupe (BETADISPER) [68] a été réalisé pour déterminer la dispersion homogène entre les facteurs par rapport à leurs taxons microbiens. La mise à l'échelle multidimensionnelle non métrique (NMDS) parmi les groupes d'échantillons a été calculée à l'aide de la dissemblance de Bray-Curtis et visualisée à l'aide du package ggplot2 dans R.

Pour notre analyse de réseau, les données taxonomiques ont été sous-ensembles à au moins 0,5 % d'abondance relative dans plus de 20 % des échantillons (prévalence) pour garantir que tous les échantillons avaient une profondeur de séquençage suffisante pour récupérer la majeure partie de la diversité. L'analyse du réseau de corrélation a été réalisée à l'aide de l'approche SPRING [69] implémentée dans le package R NetCoMi (v1.1.0) [70]. Les structures communautaires à travers le traitement ont été estimées à l'aide de l'algorithme "cluster_fast_greedy" [71], et les taxons centraux ont été déterminés à l'aide du seuil de 0,95. Un indice de Jaccard a été utilisé pour tester les similitudes (Jacc = 0, similarité la plus faible et Jacc = 1, similarité la plus élevée) dans certaines mesures de centralité du réseau local (degré, centralité d'intermédiarité, centralité de proximité et centralité de vecteur propre) pour déterminer le hub ou les taxons clés. Une évaluation quantitative du réseau a été réalisée avec une approche de permutation (1000 bootstraps) avec une correction Benjamini-Hochberg adaptative pour les tests multiples.

Le profilage fonctionnel des communautés microbiennes a été réalisé sur des séquences appariées concaténées avec HUMAnN3 (v3.0) [72] pour quantifier l'abondance des gènes (familles de gènes UniRef90) [73] et les voies MetaCyc [74]. La base de données de nucléotides ChocoPhlAn v30 a été utilisée pour l'estimation de l'abondance et de la couverture des voies fonctionnelles. Les tables d'abondance des familles de gènes et des voies ont été normalisées par somme en copies par million de lectures (CPM) pour faciliter les comparaisons entre les échantillons avec différentes profondeurs de séquençage. La sortie de HUManN3 a ensuite été importée dans QIIME2 (v2021.11) [75] pour générer des ordinations de mise à l'échelle multidimensionnelle non métrique (NMDS) à l'aide d'une matrice différente de Bray-Curtis. Pour comprendre les facteurs déterminant les profils fonctionnels, nous avons effectué une analyse de variance multivariée par permutation (PERMANOVA) [67] telle qu'implémentée dans l'adonis2 (analyse de variance utilisant des matrices de distance, ADONIS) et une analyse de similarités (ANOSIM) avec 1000 permutations (p = 0,05) avec différents facteurs (cultivars, environnement, statut d'inoculation et moment de l'échantillonnage), comme décrit ci-dessus. Des voies différentiellement abondantes à travers le traitement ont été identifiées à l'aide du LEfSe (Linear discriminant analysis Effect Size) (v1.1.2) [76]. Les voies avec une valeur p corrigée de 0,05 ou moins et un score d'analyse discriminante linéaire (LDA) de log> 2,5 ont été classées comme significativement augmentées dans l'un des deux groupes.

Un indice global de gravité de la maladie plus élevé a été enregistré sur le cultivar sensible par rapport au cultivar résistant. Dans des conditions ambiantes, le cultivar sensible supportait un indice moyen de gravité de la maladie de 53,01 % à la mi-saison, qui diminuait à 15,11 % à la fin de la saison de croissance. Le cultivar résistant a supporté une maladie minimale avec un indice de gravité de la maladie de 0,37 % à la mi-saison et de 0,29 % à la fin de la saison. Une teneur élevée en O3 n'a pas eu d'impact sur la gravité de la maladie chez le cultivar sensible. Cependant, un indice de gravité de la maladie significativement plus élevé a été observé sur le cultivar résistant dans des conditions élevées d'O3, à la mi-saison (12,61 %) (p < 0,001) et à la fin de la saison (2,01 %) (p = 0,01) par rapport à l'environnement ambiant (mi-saison = 0,37 %, fin de saison = 0,29 %) (Fig. 1, Tableau S1).

Diagrammes en boîte et à moustaches montrant l'indice de gravité de la maladie (représenté en % de valeur) dans des conditions environnementales élevées en O3 et ambiantes pour les cultivars sensibles et résistants. Les niveaux de signification pour chacune des combinaisons de traitement sont indiqués par *p < 0,05 ; **p < 0,01 ; ***p < 0,001 ; ****p < 0,0001.

Les échantillons collectés au début de l'expérience (échantillons de base) et deux fois au cours de la saison de croissance (mi-saison et fin de saison) ont été soumis à un séquençage du métagénome shotgun, qui a produit 2,83 à 17,16 Gbps de lectures brutes par échantillon. Le découpage des adaptateurs et la suppression des lectures de mauvaise qualité ont entraîné la perte de 4,3 à 11,3 % du total des lectures parmi différents échantillons. Parmi les lectures ajustées de qualité, 5,78 à 39,09 % des lectures ont été identifiées comme des lectures hôtes et supprimées de l'analyse ultérieure. Les échantillons au stade précoce des semis ont donné très peu de lectures lors du filtrage en raison d'une contamination plus élevée de l'hôte (23 à 39 %), indiquant une colonisation microbienne minimale dans les semis cultivés en serre avant le repiquage. Environ 50,61 % à 84,56 % des lectures totales d'origine ont été conservées pour l'analyse en aval (tableau S2).

Nous avons ensuite étudié l'effet de l'inoculation et de l'augmentation de l'O3 et leur interaction sur la diversité microbienne globale et la richesse des communautés de la phyllosphère. Les valeurs globales de richesse et de diversité bactériennes dans les échantillons de milieu et de fin de saison étaient plus élevées dans les plantes témoins que dans les échantillons de base. Cela pourrait être attribué aux faibles niveaux de colonisation microbienne sur les échantillons de base cultivés en serre qui ont augmenté en diversité et en richesse lors de l'exposition aux conditions naturelles du terrain. La diversité eucaryote dans les échantillons de base n'a pas été calculée car ces échantillons avaient un nombre de lectures inférieur au seuil (moins de 4 lectures qui s'alignent sur moins de 2 gènes marqueurs) pour être considérées comme présentes dans l'échantillon. Le stress O3 seul n'a pas influencé la richesse et la diversité bactérienne (tableau S3) et eucaryote (tableau S4) chez les deux cultivars. Cependant, l'infection par l'agent pathogène a entraîné une richesse bactérienne significativement plus faible (p <0,001) (Fig. 2A) et une diversité (Kruskal-Wallis, p = 0,01) (Fig. 2B) ainsi qu'une richesse eucaryote inférieure (Kruskal-Wallis, p = 0,01) (Fig. 2C) et une diversité (Kruskal-Wallis, p = 0,02) (Fig. 2D) sur le cultivar sensible ar dans des conditions ambiantes tout au long de la saison de croissance par rapport à celle des plantes témoins. Sous le stress combiné du pathogène et de l'O3 élevé, il y avait un effet significatif sur la richesse (p = 0,01) et la diversité (p = 0,04) uniquement en fin de saison sur le cultivar sensible. L'inoculation et l'élévation de l'O3 n'ont pas influencé la richesse bactérienne (pinoc = 0,81, penv = 0,07) (Fig. 2A) et la diversité (pinoc = 0,27, penv = 0,62) (Fig. 2B), ou la richesse eucaryote (Kruskal – Wallis, pinoc = 0,08, penv = 0,31) (Fig. 2C) et la diversité (Kruskal – Wallis, pinoc = 0,23, penv = 0,82) (Fig. 2D) sur le cultivar résistant. Le moment de l'échantillonnage a eu une influence significative sur la richesse et la diversité bactériennes (p < 0,01) chez les deux cultivars.

Cependant, l'infection par un pathogène sur un cultivar sensible réduit la richesse et la diversité de la communauté microbienne. Richesse bactérienne A en Chao1 et indice de diversité bactérienne B de Shannon dans différents environnements. C Diversité de la communauté eucaryote et richesse D à travers différents traitements. Les échantillons inoculés et témoins sont indiqués par des barres jaunes et vertes en haut, tandis que les traitements O3 ambiants et élevés sont indiqués par des barres de couleur bleu clair et rouge en bas, respectivement.

Pour visualiser les différences de structure des communautés bactériennes et eucaryotes entre les échantillons de deux cultivars de poivrons et de deux conditions environnementales, les profils d'abondance taxonomique ont été utilisés pour calculer la matrice de distance Bray-Curtis et tracés en deux dimensions à l'aide d'une mise à l'échelle multidimensionnelle non métrique (NMDS). Pour comprendre l'influence relative de chaque facteur et leur interaction sur la structure globale de la communauté microbienne de la phyllosphère, nous avons effectué une PERMANOVA sur les dissemblances Bray-Curtis en utilisant le cultivar, le moment de l'échantillonnage, l'environnement et l'inoculation comme variables indépendantes. Dans l'ensemble, l'effet du cultivar, du moment de l'échantillonnage et de l'inoculation était hautement significatif dans la formation des communautés bactériennes (p <0, 001) en plus des interactions entre le cultivar, le temps et l'inoculation (p = 0, 03) (tableau S5A), avec séparation des plantes sensibles inoculées des plantes témoins sensibles, inoculées et résistantes au contrôle (Fig. 3A). Nous avons en outre évalué l'influence et les interactions des facteurs individuels sur deux points d'échantillonnage. L'effet du cultivar est significatif mais diminue au cours de la saison de croissance (mi-saison : R2 = 0,23, p < 0,001 ; fin de saison : R2 = 0,06, p = 0,03). En revanche, l'effet de l'inoculation a augmenté au cours de la saison de croissance (mi-saison : R2 = 0,20, p < 0,001 ; fin de saison : R2 = 0,55, p < 0,001) (tableau S5B, C). L'effet de l'interaction entre le cultivar et l'inoculation sur les communautés bactériennes est resté statistiquement significatif au fil du temps, bien que l'effet ait diminué en taille à la fin de la saison de croissance (mi-saison : R2 = 0,15, p < 0,01 ; fin de la saison : R2 = 0,05, p = 0,04). L'effet de l'augmentation de l'O3 était minime, n'étant pas statistiquement significatif à la fin de la saison de croissance (mi-saison : R2 = 0,05 p = 0,04 ; fin de saison : R2 = 0,02, p = 0,15) (tableau S5B, C). L'interaction entre l'environnement et les autres variables n'était pas statistiquement significative tout au long de la saison de croissance. Une augmentation des niveaux d'O3 n'a pas modifié la structure de la communauté bactérienne sur le cultivar sensible. Cependant, il a influencé les communautés bactériennes sur le cultivar résistant (R2 = 0,14, p = 0,02) (tableau S5D) en l'absence de Xanthomonas. Il n'y avait aucune différence dans les communautés microbiennes entre les chambres avec O3 élevé (p = 0,69) ou l'environnement ambiant (p = 0,85), ce qui suggère qu'il n'y a aucun effet de la chambre sur la diversité bactérienne globale (tableau S5E, F).

Une ordination NMDS (Nonmetric Multidimensional Scaling) comparant la diversité de la communauté bactérienne à travers deux cultivars, les conditions environnementales et le moment de l'échantillonnage. B Ordination NMDS comparant la diversité de la communauté eucaryote entre deux cultivars, les conditions environnementales et le moment de l'échantillonnage.

Comme les communautés bactériennes, la diversité des communautés eucaryotes était également influencée de manière significative par l'environnement, le cultivar, le moment de l'échantillonnage et l'inoculation (p <0, 01) (tableau S6A, B). Le cultivar a eu un effet significatif sur la diversité eucaryote avec plus d'influence en fin de saison (mi-saison : R2 = 0,12 (tableau S6C), p = 0,007 ; fin de saison : R2 = 0,37, p = 0,001 (tableau S6D, E)). Une augmentation des teneurs en O3 affecte significativement les communautés eucaryotes en mi-saison, alors qu'elle n'est pas significative en fin de saison (mi-saison : R2 = 0,22, p = 0,001 (Tableau S6C) ; fin de saison : R2 = 0,06, p = 0,19 (Tableau S6D, E). L'effet de l'inoculation sur les communautés eucaryotes est plus important en mi-saison, et diminue en fin de saison (Fig. 3 B) (mi-saison : R2 = 0,15, p = 0,003 (tableau S6C) ; fin de saison : R2 = 0,11 p = 0,03 (tableau S6D, E)). L'influence du moment de l'échantillonnage sur le regroupement était évidente dans la formation des communautés bactériennes et eucaryotes (Fig. 3A, B).

Ces résultats indiquent que les communautés microbiennes sur les cultivars résistants et sensibles étaient similaires en l'absence de tout stress, pathogène ou O3 élevé, et l'influence de la succession saisonnière était évidente sur les communautés bactériennes et eucaryotes. L'infection pathogène a entraîné un changement dans la composition de la communauté bactérienne sur le cultivar sensible au fur et à mesure que la saison de croissance avançait. Cependant, malgré la présence de la population de Xanthomonas sur le cultivar résistant, la structure de la communauté microbienne était similaire à celle observée sur les plantes non inoculées. Malgré l'augmentation de la gravité de la maladie sur le cultivar résistant sous O3 élevé, les communautés bactériennes et eucaryotes étaient similaires dans leur composition à celle dans l'environnement ambiant.

La présence de Xanthomonas sur des plantes témoins de cultivars sensibles et résistants suggère de faibles niveaux d'inoculum naturel au champ. Cependant, l'abondance relative de Xanthomonas sur les plantes témoins n'a pas augmenté significativement au fil du temps (< 5 % en fin de saison). L'abondance relative et absolue de Xanthomonas a augmenté de la mi-saison à la fin de la saison sur les cultivars sensibles et résistants inoculés (Fig. S2A, B). Il convient de noter une variation significative de l'abondance relative (~ 33–87%) et absolue (~ 13–37%) de Xanthomonas sur des plantes inoculées résistantes dans des conditions élevées d'O3. Cependant, la présence d'O3 élevé n'a pas entraîné de différence significative dans l'abondance relative (Kruskal – Wallis: pECW = 0, 12, pX10R = 0, 78) ou absolue (Kruskal – Wallis: pECW = 0, 15, pX10R = 0, 54) de Xanthomonas dans l'un ou l'autre cultivar (Fig. S2A, B). Cette observation était surprenante étant donné que les niveaux de gravité de la maladie dans des conditions élevées d'O3 sur des plantes inoculées résistantes étaient significativement plus élevés que dans l'environnement ambiant.

Pour confirmer davantage l'influence de l'O3 élevé et des cultivars sur la population de Xanthomonas, nous avons analysé la population in planta de X. perforans déterminée à l'aide d'une méthode dépendante de la culture pour les jours 7 et 14 après l'inoculation. Bien que cette expérience de courte durée ne reflète peut-être pas le résultat de toute la saison de croissance, elle nous a permis d'évaluer l'effet d'une concentration élevée d'O3 sur la population de Xanthomonas. Semblable aux observations ci-dessus, il n'y avait aucun effet significatif de l'environnement (c.-à-d. O3 ambiant vs élevé) sur la population de X. perforans dans ces cultivars (pECW = 0, 31, pX10R = 0, 34) (Fig. S2C).

Comme l'augmentation de la gravité de la maladie sur le cultivar résistant sous O3 élevé n'était pas le résultat de changements dans la population de Xanthomonas, nous avons émis l'hypothèse que cette augmentation était associée à une réduction significative de la densité microbienne globale associée au cultivar résistant sous O3 élevé par rapport à l'environnement ambiant, se référant à un bouclier prophylactique altéré du microbiote sous O3 élevé. Les estimations de la densité du microbiote ont été obtenues sur la base de la teneur en ADN microbien par mg d'échantillon, similaires à celles calculées dans les études sur le microbiome intestinal [77]. Il y avait un effet significatif de l'inoculation sur la densité du microbiote (p <0, 001), tandis que ni le cultivar (p = 0, 15) ni l'O3 élevé (p = 0, 19) n'avaient d'effet significatif sur la densité du microbiote (Fig. 4A). Il y avait une densité de microbiote significativement plus faible dans les échantillons de mi-saison sur le cultivar résistant inoculé sous O3 élevé par rapport au cultivar sensible (p = 0,01), mais pas pour les échantillons de fin de saison (p = 0,13) (tableau S7A – D). Nous avons en outre estimé l'abondance absolue de chaque genre bactérien en multipliant son abondance relative (Fig. 4B) par l'ADN total par mg d'échantillon. L'abondance absolue globale du microbiote était inférieure sur le cultivar résistant inoculé par rapport au cultivar sensible inoculé, dans les deux environnements, bien que cette différence ne soit pas statistiquement significative, ce qui explique une grande variation entre les échantillons (Fig. 4C, Tableau S7E, F). L'abondance totale absolue du microbiote associé au cultivar résistant inoculé dans l'environnement ambiant n'était pas significativement différente par rapport à celle dans un environnement à O3 élevé.

Une boîte à moustaches montrant la densité du microbiote estimée par quantification de l'ADN microbien (concentration d'ADN extrait par mg d'échantillons de feuilles) pour divers traitements chez deux cultivars. B Abondance relative (gauche) et absolue (droite) des espèces des 15 principaux taxons bactériens dans les échantillons. L'abondance absolue est obtenue en mettant à l'échelle les mesures d'abondance relative par les mesures de densité du microbiote. C Diagrammes à barres montrant l'abondance relative des 15 principaux genres eucaryotes dans les échantillons. Les échantillons inoculés et témoins sont indiqués par des barres jaunes et vertes en haut, tandis que les traitements O3 ambiants et élevés sont indiqués par des barres de couleur bleu clair et rouge en bas, respectivement. Le moment de l'échantillonnage est indiqué par Base (échantillons initiaux), Mid (mi-saison) et End (fin de saison).

Ensuite, nous avons étudié la dynamique temporelle de l'assemblage et de la succession des communautés dans la phyllosphère, et les schémas ont été comparés entre les plantes inoculées et les plantes témoins. Une description taxonomique détaillée des bactéries et des eucaryotes à travers différents traitements est donnée dans des informations supplémentaires. L'analyse de la diversité taxonomique a montré que plusieurs genres bactériens (Fig. 4B, Tableau S8) et eucaryotes (Fig. 4C, Tableau S9) monopolisent l'environnement de la phyllosphère. Ces genres microbiens sont différemment affectés par la présence d'un agent pathogène, le stress environnemental et leur interaction.

Ensuite, nous avons identifié les genres qui montraient des changements dans l'abondance relative en réponse aux cultivars, ou à l'augmentation de l'O3. Les genres bactériens Pseudomonas, Pantoea, Methylobacterium, Sphingomonas, Methylobrum, etc., ont été négativement affectés, tandis que Microbacterium a été positivement influencé en présence de Xanthomonas sur le cultivar sensible (Fig. S3A – F). Contrairement au cultivar sensible, l'abondance relative de Pseudomonas et de Sphingomonas a augmenté en présence de Xanthomonas sur le cultivar résistant. Le genre bactérien Methylobacterium a été influencé négativement par une élévation de l'O3, tandis que les genres Pseudomonas et Sphingomonas ont été positivement impactés dans le cultivar résistant (Fig. S3G – L). En ce qui concerne les eucaryotes, le genre Bullera était positivement affecté par l'élévation de l'O3, tandis que les genres Epicoccum et Protomyces présentaient une variation temporelle quel que soit le traitement (Fig. 4C).

Comme la composition microbienne était significativement affectée par le cultivar, l'inoculation et le temps, nous avons cherché à déterminer si les différences taxonomiques observées reflétaient des fonctions microbiennes spécifiques à une niche. Les fonctions communautaires globales basées sur l'abondance relative des voies métaboliques (Fig. 5A) ainsi que les familles de gènes associées qui ont été cartographiées sur les voies (Fig. 5B) n'ont pas été affectées par ces facteurs individuels (p > 0,05) (Tableau S10A, B). Cependant, l'interaction entre l'inoculation, le cultivar et le moment de l'échantillonnage a eu un effet significatif sur les fonctions microbiennes et les familles de gènes (p <0, 01) (tableau S10A, B), comme l'indiquent les dissemblances dans la composition fonctionnelle des deux familles de gènes et les voies associées aux communautés récupérées du cultivar sensible inoculé par rapport au cultivar résistant inoculé. Nous avons observé un effet significatif du cultivar en fin de saison (p = 0,01) (tableau S10C). L'O3 élevé n'a pas modifié l'assemblage fonctionnel du microbiome de la phyllosphère, que ce soit sur les cultivars résistants ou sensibles et quel que soit le statut d'inoculation. Nous avons observé des profils fonctionnels similaires à la fois en termes de gènes et de voies à travers les moments de la saison de croissance sur les cultivars respectifs malgré les différences dans la composition des espèces entre les échantillons de milieu et de fin de saison. Cela est probablement dû à une redondance fonctionnelle substantielle dans les voies métaboliques associées aux communautés microbiennes au cours de la saison de croissance malgré la succession saisonnière de taxons dans la phyllosphère.

Ordination de l'échelle multidimensionnelle non métrique (NMDS) affichant la diversité des voies métaboliques A dans différentes conditions de traitement chez les cultivars sensibles et résistants, les gènes B cartographiés sur les voies métaboliques dans diverses conditions de traitement chez les cultivars sensibles et résistants.

Pour trouver des voies différentiellement abondantes qui expliquent les différences entre les traitements en réponse à une infection par un agent pathogène, à une élévation de l'O3 et à leur interaction, nous avons effectué une analyse discriminante linéaire de la taille de l'effet (LEfSe). Lors d'une infection par un agent pathogène et d'une élévation de l'O3, les voies métaboliques liées au piégeage de l'hème (source de fer biodisponible) ont été enrichies dans les communautés microbiennes récupérées du cultivar résistant, tandis que les voies associées au métabolisme des glucides (voie des pentoses phosphates, dégradation du gallate, cycle du glyoxylate), à ​​la protection (biosynthèse des lipides IVA), à la croissance et au maintien (biosynthèse du phosphatidylglycérol, biosynthèse du CDP-diacylglycérol, biosynthèse du GDP-mannose) et au métabolisme des acides gras insaturés (biosynthèse des gondoates) ont été enrichies. ed dans les communautés microbiennes récupérées du cultivar résistant dans des conditions ambiantes (Fig. S4A). Les voies métaboliques qui se sont enrichies dans les communautés microbiennes associées aux deux cultivars soumis au stress O3 comprenaient des voies impliquées dans la production d'énergie primaire et la dégradation des acides gras insaturés (bêta-oxydation, pentose phosphate), diverses voies liées à la défense contre le stress oxygéné et la réparation de l'ADN (ubiquinol 7, pyrimidine (désoxy)nucléotides) et des voies liées à la respiration indépendante de l'oxygène (biosynthèse de l'hème b indépendante de l'oxygène) (Fig. S4B). En présence à la fois de l'agent pathogène et d'une concentration élevée d'O3, la voie liée à la production et à la dégradation des nucléotides puriques était enrichie (Fig. S4C).

Pour évaluer si l'infection pathogène et le stress O3 seuls ou en combinaison affectaient l'association microbienne globale dans la phyllosphère, les réseaux de cooccurrence bactérienne et leurs caractéristiques topologiques à travers les traitements ont été comparés. Nous avons évalué les mesures de centralité du réseau local en utilisant le degré, l'intermédiarité, la proximité et la centralité des vecteurs propres utilisés pour déterminer les taxons centraux pour les réseaux de cooccurrence bactérienne sous O3 élevé (Fig. 6A), inoculation (Fig. 6B) et stress combiné d'O3 élevé et d'agent pathogène (Fig. 6C), et par rapport à l'environnement ambiant, à la condition de contrôle ou à la condition de contrôle et à l'environnement ambiant, respectivement. Nous avons observé que toutes les comparaisons de traitement mentionnées ci-dessus montraient des différences significatives pour toutes les mesures de centralité du réseau local (tableau S11A). Un taxon hub est un taxon hautement connecté et est connu pour avoir un fort impact sur le réseau. Il y avait une différence significative dans les taxons centraux entre les groupes de traitement lors de la comparaison du contrôle avec des échantillons inoculés ou du contrôle et de l'environnement ambiant avec un agent pathogène et un stress O3 (tableau S11A, B). Cependant, il n'y a pas eu de changement dans les taxons centraux des plantes exposées à une concentration élevée d'O3 par rapport à l'environnement ambiant.

Comparaison du réseau d'association bactérienne dans différents environnements. Un réseau d'association bactérienne pour l'ensemble de données combiné d'O3 ambiant (en haut) et élevé (en bas) dans les deux cultivars dans des conditions de contrôle. B Réseau d'association bactérienne pour l'ensemble de données combiné des échantillons témoins (en haut) et inoculés (en bas) des deux cultivars dans un environnement ambiant. C Réseau d'association bactérienne pour l'ensemble de données combiné de l'environnement témoin et ambiant (en haut) et des échantillons inoculés et élevés d'O3 (en bas) des deux cultivars. Les taxons centraux sont mis en évidence par un texte en gras. La couleur du nœud représente le cluster déterminé par l'optimisation gloutonne de la modularité. Les bords rouges correspondent à des corrélations négatives, tandis que les bords verts correspondent à des corrélations positives.

La comparaison des similitudes globales des deux réseaux entre le stress ambiant et le stress individuel ou le stress combiné d'O3 élevé et d'agent pathogène basé sur l'indice Rand ajusté (ARI) a indiqué des valeurs proches de 0 (ARI = 0,02, p = 0,07) pour le stress O3 ambiant vs élevé ; contrôle vs inoculé (ARI = 0,03, p = 0,02) et contrôle et environnement ambiant vs stress combiné (ARI = 0,10, p < 0,001) (tableau S11C). Ces observations indiquent que les partitions des espèces en communautés montrent un faible degré de similitude dans ces comparaisons. Ces résultats, avec des différences de topologie entre ces réseaux et une dissemblance dans les mesures de centralité du réseau local, indiquent que la combinaison de l'infection pathogène et du stress O3 entraîne des changements dans les interactions de la communauté bactérienne dans la phyllosphère.

Ensuite, nous avons évalué les propriétés globales du réseau microbien telles que le nombre d'arêtes en tant que mesure de la complexité, de la modularité, de la longueur moyenne du chemin et du coefficient de regroupement, qui comparent les topologies de réseau entre les traitements [78, 79]. La version actuelle de NetCoMi ne peut effectuer que 1000 permutations en raison du temps d'exécution élevé d'une construction de réseau unique. Étant donné que la valeur p minimale possible pour 1000 permutations est de 1/1000, la puissance est assez faible, ce qui se traduit par de grandes valeurs p après ajustement pour plusieurs tests. L'augmentation du nombre de permutations peut permettre d'évaluer les propriétés du réseau global avec une puissance statistique suffisante. Ainsi, dans cette étude, nous nous sommes concentrés sur les différences absolues pour chaque paramètre comparé, plutôt que sur les valeurs p associées. Les réseaux microbiens dans l'environnement ambiant ont montré un pourcentage de bords positifs plus élevé, un coefficient de regroupement plus élevé et une longueur de trajet moyenne inférieure par rapport à l'O3 élevé (tableau S11D). Cela suggère des interactions plus positives dans les environnements ambiants et que le stress O3 peut favoriser des associations moins complexes et négatives entre les membres de la communauté. Au contraire, la présence d'une infection par un agent pathogène a entraîné un pourcentage de bord plus positif, une longueur de chemin plus faible, une modularité plus élevée et un coefficient de regroupement plus élevé, ce qui suggère que tous les nœuds étaient fortement interconnectés au sein des réseaux pour former un réseau plus complexe et stable sous infection par un agent pathogène (tableau S11D). Cependant, en présence d'infection par un agent pathogène et de stress O3, des interactions plus positives ont été trouvées dans l'environnement ambiant et dans des conditions de contrôle avec une longueur de trajet plus faible et un coefficient de regroupement plus élevé, ce qui suggère que le stress combiné crée peut-être des associations moins complexes et moins stables entre les membres de la communauté (tableau S11D).

Le changement climatique et les pratiques agricoles modernes ont prédisposé les agro-écosystèmes à une menace accrue de ravageurs, nous laissant ainsi avec l'imprévisibilité quant à la façon dont les plantes s'adapteront aux facteurs de stress biotiques et abiotiques simultanés. De nombreuses études ont proposé le rôle des microbiomes associés aux plantes dans la contribution à la résilience des plantes face au changement climatique et dans l'extension de l'immunité des plantes contre les agents pathogènes [24, 30, 80, 81]. Cependant, nous n'avons pas encore pleinement compris comment les communautés microbiennes, à la fois réagissent et contribuent à l'adaptation des plantes, en présence de facteurs de stress biotiques et abiotiques simultanés. Dans cette étude, nous avons testé les effets individuels et simultanés d'un stress élevé en O3 et pathogène sur la structure, la fonction et la stabilité des communautés bactériennes et eucaryotes de la phyllosphère, et sur les résultats globaux des maladies des plantes sur les cultivars de poivrons sensibles et résistants. Le cultivar de poivron résistant utilisé dans cette étude possède des gènes de résistance qui fournissent un niveau intermédiaire de résistance contre toutes les races de poivrons actuellement connues de la tache bactérienne Xanthomonas [82]. Notre raison d'inclure ce cultivar dans cette conception d'étude était de comprendre la durabilité de ce cultivar résistant qui est actuellement largement déployé dans le sud-est des États-Unis en réponse aux espèces pathogènes émergentes et sous O3 élevé, représentant le climat futur.

Bien que l'influence apparente d'un O3 élevé n'ait pas été observée sur les niveaux de gravité de la maladie sur le cultivar sensible, le cultivar résistant présentait une gravité de la maladie plus élevée sous un O3 élevé tout au long de la saison de croissance par rapport à l'environnement ambiant (Fig. 1). Ce changement dans la gravité de la maladie peut également indiquer une érosion de la résistance dans des conditions élevées d'O3. Malheureusement, le choix des cultivars utilisés dans cette étude n'étant pas quasi-isogéniques nous empêche d'évaluer l'influence des loci de résistance sur le microbiome comme cela a été fait dans les études précédentes [83]. La sévérité accrue de la maladie observée sur le cultivar résistant sous O3 élevé, cependant, n'était pas associée à l'augmentation de la population de Xanthomonas telle qu'estimée par les données d'abondance absolue par rapport à l'environnement ambiant. Une telle méthode de séquençage de l'ADN indépendante de la culture peut ne pas indiquer avec précision le nombre de cellules pathogènes vivantes et peut justifier la confirmation de ces résultats avec une estimation de la population pathogène dépendante de la culture ou avec des méthodes telles que la PCR quantitative (qPCR) [84, 85], la PCR numérique en gouttelettes [86, 87]. Bien que pas pour toute la saison de croissance, nous avons surveillé la dynamique de la population de Xanthomonas au cours d'une expérience à court terme de 2 semaines et les résultats ont corroboré les conclusions précédentes selon lesquelles la population de Xanthomonas n'était pas affectée malgré une gravité plus élevée de la maladie sous O3 élevé sur le cultivar résistant. Il est intéressant de noter qu'il convient de noter la grande variabilité des dénombrements de la population de Xanthomonas sur le cultivar résistant sous O3 élevé. Cela peut indiquer une réponse plastique du pathogène lors de l'adaptation au cultivar résistant dans un environnement altéré.

Un grand nombre de travaux ont indiqué que les fluctuations climatiques peuvent avoir un effet profond sur le résultat des interactions plante-pathogène [88,89,90], qui peuvent résulter de l'altération de l'environnement de l'hôte via la modification des voies de défense de l'hôte, l'augmentation de l'efficacité de l'infection par l'agent pathogène dans des environnements modifiés ou une altération de l'immunité étendue fournie par le microbiome. Ces trois explications plausibles sont décrites ci-dessous qui pourraient conduire de manière synergique les interactions plante-pathogène-microbiome et aider à expliquer l'observation de cette étude de l'érosion potentielle de la résistance dans des conditions élevées d'O3.

Des études sur la réponse des plantes à une combinaison de stress abiotiques et biotiques ont montré une réponse unique et plus complexe que celle des stress individuels [38, 91, 92, 93]. L'effet du stress combiné est régi par divers facteurs tels que le temps, le degré de stress, le génotype de la plante et d'autres facteurs climatiques ou environnementaux, donc pas nécessairement de nature additive [94]. Les plantes réagissent aux stress biotiques et abiotiques via des voies de signalisation de défense complexes mais qui se chevauchent [95, 96], avec l'induction de la voie de l'acide abscissique (ABA) observée lors d'un stress abiotique, qui antagonise la voie de l'acide salicylique (SA) impliquée dans la défense contre les agents pathogènes [97, 98]. Des stress simultanés d'infection pathogène et d'O3 élevé peuvent entraîner une réponse immunitaire altérée de l'hôte sur le cultivar résistant. Les dommages oxydatifs de la cuticule de la plante causés par une [O3] élevée peuvent augmenter l'exposition aux agents pathogènes, ce qui a un impact sur la gravité de la maladie [99]. Compléter cette étude actuelle avec la transcriptomique de l'hôte expliquera si une telle altération de la défense de l'hôte peut être ce qui explique la sensibilité accrue du cultivar résistant en présence d'O3 élevé. Deuxièmement, l'augmentation de la virulence des agents pathogènes via une augmentation de la production d'effecteurs [89] dans un environnement altéré peut expliquer l'augmentation de la gravité de la maladie en l'absence d'augmentation significative de la population d'agents pathogènes. La variation accrue de la population d'agents pathogènes pourrait être due soit à la réponse plastique de l'hôte, soit à la plasticité de la population d'agents pathogènes.

Troisièmement et l'explication la plus importante des observations de cette étude est l'altération de la protection médiée par le microbiome sur le cultivar résistant en réponse à une infection élevée en O3 et pathogène. Les communautés microbiennes recrutées par le cultivar résistant dans la phyllosphère pourraient avoir un rôle protecteur contre l'agent pathogène comme cela a été démontré dans des études antérieures [13, 100] et ce rôle protecteur peut avoir été altéré sous O3 élevé, ce qui peut avoir conduit à une gravité accrue de la maladie. La composition, la structure et la fonction de la communauté bactérienne et eucaryote sur le cultivar sensible ne différaient pas en l'absence d'infection pathogène ou d'O3 élevé. Cependant, la structure de la communauté bactérienne sur le cultivar résistant était influencée par la présence d'O3 élevé, mais en l'absence du pathogène. Il reste à déterminer si une telle influence différentielle sur la structure de la communauté microbienne est due à des loci de résistance spécifiques puisque les cultivars que nous avons étudiés n'étaient pas des lignées quasi-isogéniques pour les loci de résistance. Sur le cultivar sensible, la présence d'une infection pathogène a provoqué un changement important dans la structure et la fonction de la communauté bactérienne, même si le stress O3 simultané n'a pas modifié davantage la structure et la fonction du microbiome. Bien qu'aucun changement significatif dans la structure et la fonction du microbiome n'ait été observé sur le cultivar résistant lors de l'infection, la densité globale du microbiote associée au cultivar résistant infecté était inférieure à celle du cultivar sensible infecté. De plus, le stress O3 simultané a entraîné une densité totale inférieure du microbiote lors de l'échantillonnage de mi-saison sur le cultivar résistant infecté. Il reste à déterminer si une telle réduction reflète le potentiel prophylactique altéré du microbiome associé à un cultivar résistant sous l'impact combiné d'une infection élevée en O3 et pathogène. D'autres expériences pour évaluer la protection médiée par le microbiome contre les agents pathogènes peuvent être conçues en utilisant des communautés synthétiques associées au cultivar résistant, similaires aux études précédentes [101]. Ces expériences peuvent fournir des opportunités pour disséquer l'influence de l'environnement modifié sur l'abondance absolue des membres individuels de la communauté et leurs interactions, et les traits fonctionnels associés. Fait intéressant, nos données n'ont révélé aucune influence des facteurs de stress simultanés sur les fonctions des communautés microbiennes associées au cultivar résistant. Cela était surprenant étant donné que les études précédentes indiquaient un enrichissement de voies métaboliques spécifiques sous des facteurs de stress abiotiques ou biotiques [102, 103, 104].

La fonction microbienne dans l'écosystème est déterminée non seulement en raison du nombre et de la composition des taxons, mais aussi des diverses associations positives, négatives, directes ou indirectes entre les membres de la communauté [105]. En réponse au défi des agents pathogènes, nous avons observé des paramètres de réseau indicatifs d'un réseau densément connecté. Ces résultats d'association positive et complexe accrue entre les communautés microbiennes lors de l'infection par des agents pathogènes ont été observés à la fois dans la phyllosphère et l'endosphère [106, 107, 108]. Un tel réseau densément connecté indique une association coopérative telle que la facilitation, le mutualisme ou le commensalisme, et l'alimentation croisée [79, 109]. Ces réseaux connectés, appelés réseaux du petit monde [110], sont supposés abriter une résistance aux perturbations. En revanche, les réseaux de cooccurrence microbienne à travers le stress O3 et le stress simultané pathogène et O3 ont montré une tendance similaire d'un réseau aléatoire relativement instable par rapport à l'environnement de contrôle. Cette découverte concorde avec l'idée que divers degrés de stress environnemental perturbent la stabilité des communautés microbiennes [79]. L'observation de la similitude du nœud le plus central suggère que les communautés microbiennes sont considérablement différentes selon les différents traitements. La présence d'un agent pathogène et d'un agent pathogène et d'un stress O3 simultanés a considérablement affecté les taxons centraux. Cependant, les facteurs de stress simultanés, mais pas les stress individuels, ont eu une influence considérable sur les taxons les plus influents, ce qui suggère que les plantes réagissent aux stress simultanés en modifiant le membre microbien le plus influent du réseau aléatoire. Il serait intéressant de disséquer davantage l'influence du cultivar individuel et donc l'influence des réponses de défense de l'hôte sur les réseaux de la communauté microbienne, car nous avons observé un fort effet du cultivar sur la composition de la communauté. Cependant, la présente étude est limitée dans la taille de l'échantillon, ce qui ne permet pas une puissance suffisante pour comparer la structure du réseau entre les cultivars individuels. Comme nous avons observé qu'un O3 élevé avait un impact plus important sur les communautés eucaryotes que les communautés bactériennes et que l'infection par un agent pathogène avait un impact sur les communautés bactériennes, l'influence sur les interactions entre les royaumes ne peut être exclue dans ce cas. Néanmoins, la présente étude a des limites pour déterminer comment les facteurs de stress spécifiques et simultanés affectent les interactions entre les royaumes en raison de l'absence de méthodes appropriées pour évaluer l'abondance relative des communautés eucaryotes à l'aide de données de métagénome de fusil de chasse. Il est possible qu'un taux élevé d'O3 ait un impact sur les interactions inter-royaumes, comme cela a été démontré avec d'autres facteurs de stress abiotiques [30].

Dans l'ensemble, notre étude a démontré que les communautés microbiennes réagissent à un changement en modifiant non seulement la composition de la communauté, mais également les interactions entre les membres et la fonction globale de la communauté. Ce travail fournit une base pour notre compréhension de la réponse complexe des communautés microbiennes et de leurs interactions avec le génotype de l'hôte en réponse à un changement climatique. Comme les plantes ont évolué en association avec les membres de leur microbiome phyllosphère, les membres de la communauté identifiés dans cette étude se sont révélés particulièrement sensibles à un changement en réponse au stress abiotique ou au stress combiné. Les résultats de cette étude sont cruciaux à évaluer pour les travaux futurs sur l'exploitation du microbiome pour les plantes tolérantes au stress.

Les données de séquence générées à partir de ce travail ont été déposées dans la base de données SRA (Sequencing Read Achieve) sous les accessions BioProject PRJNA889178. Toutes les autres données et codes utilisés dans cette étude sont disponibles dans le référentiel GitHub suivant (https://github.com/Potnislab/AtDep_2021_metagenome).

Lindow SE, Brandl MT. Microbiologie de la phyllosphère. Appl Environ Microbiol. 2003;69:1875–83.

Article CAS PubMed PubMed Central Google Scholar

Leveau JH. Un résumé de la feuille : les dernières recherches pour éclairer notre compréhension du microbiome de la phyllosphère. Curr Opin Microbiol. 2019;49:41–9.

Article PubMed Google Scholar

Remus-Emsermann MNP, Schlechter RO. Microbiologie de la phyllosphère : à l'interface entre les individus microbiens et la plante hôte. Nouveau phytol. 2018;218:1327–33.

Article PubMed Google Scholar

Meyer KM, Porch R, Muscettola IE, Vasconcelos ALS, Sherman JK, Metcalf CJE, et al. Le voisinage des plantes façonne la diversité et réduit la variation interspécifique du microbiome de la phyllosphère. ISME J. 2022;16:1376–87.

Article PubMed Google Scholar

Wagner MR, Lundberg DS, del Rio TG, Tringe SG, Dangl JL, Mitchell-Olds T. Le génotype et l'âge de l'hôte façonnent les microbiomes des feuilles et des racines d'une plante vivace sauvage. Nat Commun. 2016;7:12151.

Article CAS PubMed PubMed Central Google Scholar

Karasov TL, Lundberg DS. L'influence changeante de la génétique de l'hôte sur le microbiome fongique des feuilles tout au long du développement de la plante. PLOS Biol. 2022;20:e3001748.

Article CAS PubMed PubMed Central Google Scholar

van der Wal A, Leveau JHJ. Modélisation de la diffusion du sucre à travers les cuticules des feuilles des plantes : l'effet de l'eau libre sur la disponibilité du substrat pour les bactéries de la phyllosphère. Environ Microbiol. 2011;13:792–7.

Article PubMed Google Scholar

Hunter PJ, Pink DAC, Bending GD. Les différences de génotype au niveau des cultivars influencent la diversité et la composition des communautés fongiques de la phyllosphère de la laitue (Lactuca sp.). Ecol. 2015;17:183–6.

Article Google Scholar

Mendes LW, Raaijmakers JM, de Hollander M, Mendes R, Tsai SM. Influence de la sélection de résistance chez le haricot commun sur la composition et la fonction du microbiome de la rhizosphère. ISME J. 2018;12:212–24.

Article PubMed Google Scholar

Lebeis SL, Paredes SH, Lundberg DS, Breakfield N, Gehring J, McDonald M, et al. L'acide salicylique module la colonisation du microbiome racinaire par des taxons bactériens spécifiques. Science. 2015;349:860–4.

Article CAS PubMed Google Scholar

Fürnkranz M, Wanek W, Richter A, Abell G, Rasche F, Sessitsch A. Fixation de l'azote par les bactéries de la phyllosphère associées aux plantes supérieures et leurs épiphytes colonisateurs d'une forêt tropicale de basse altitude du Costa Rica. ISME J. 2008;2:561–70.

Article PubMed Google Scholar

Abadi VAJM, Sepehri M, Rahmani HA, Zarei M, Ronaghi A, Taghavi SM, et al. Rôle des bactéries dominantes de la phyllosphère avec des caractéristiques favorisant la croissance des plantes sur la croissance et la nutrition du maïs (Zea mays L.). J Soil Sci Usine Nutr. 2020;20:2348–63.

Article CAS Google Scholar

Li PD, Zhu ZR, Zhang Y, Xu J, Wang H, Wang Z, et al. Le microbiome de la phyllosphère évolue vers la lutte contre l'agent pathogène de la mélanose. Microbiome. 2022;10:56.

Article CAS PubMed PubMed Central Google Scholar

Lindow SE, Arny DC, Upper CD. La nucléation bactérienne de la glace : un facteur d'endommagement des plantes par le gel 1. Plant Physiol. 1982;70:1084–9.

Article CAS PubMed PubMed Central Google Scholar

Rico L, Ogaya R, Terradas J, Peñuelas J. Structures communautaires de bactéries fixatrices de N2 associées à la phyllosphère d'une forêt de chênes verts et leur réponse à la sécheresse. Végétal Biol. 2014;16:586–93.

Article CAS PubMed Google Scholar

Chen T, Nomura K, Wang X, Sohrabi R, Xu J, Yao L, et al. Un réseau génétique végétal pour prévenir la dysbiose dans la phyllosphère. Nature. 2020;580:653–7.

Article CAS PubMed PubMed Central Google Scholar

Les bactéries Yoshida S, Hiradate S, Koitabashi M, Kamo T, Tsushima S. Phyllosphere Methylobacterium contiennent des composés absorbant les UVA. J Photochem Photobiol B. 2017;167:168–75.

Article CAS PubMed Google Scholar

Gao M, Xiong C, Gao C, Tsui CKM, Wang MM, Zhou X, et al. Changements induits par la maladie dans l'assemblage du microbiome végétal et l'adaptation fonctionnelle. Microbiome. 2021;9:187.

Article CAS PubMed PubMed Central Google Scholar

Abdullah AS, Moffat CS, Lopez-Ruiz FJ, Gibberd MR, Hamblin J, Zerihun A. Guerre hôte-multi-pathogène : interactions pathogènes dans les plantes co-infectées. Usine avant Sci. 2017;8:1806.

Article PubMed PubMed Central Google Scholar

Hoek TA, Axelrod K, Biancalani T, Yurtsev EA, Liu J, Gore J. La disponibilité des ressources module la nature coopérative et compétitive d'un mutualisme microbien à alimentation croisée. PLOS Biol. 2016;14:e1002540.

Article PubMed PubMed Central Google Scholar

Chaudhry V, Runge P, Sengupta P, Doehlemann G, Parker JE, Kemen E. Façonner le microbiote foliaire : interactions plante-microbe-microbe. J Exp Bot. 2021;72:36–56.

Article CAS PubMed Google Scholar

Xin XF, Nomura K, Aung K, Velásquez AC, Yao J, Boutrot F, et al. Les bactéries établissent un espace de vie aqueux dans les plantes crucial pour la virulence. Nature. 2016;539:524–9.

Article CAS PubMed PubMed Central Google Scholar

Vincent SA, Ebertz A, Spanu PD, Devlin PF. La perturbation médiée par l'acide salicylique augmente la diversité bactérienne dans la phyllosphère mais est surmontée par une communauté centrale dominante. Microbiol avant. 2022;13:809940.

Article PubMed PubMed Central Google Scholar

Ehau-Taumaunu H, Hockett K. Les communautés microbiennes de la phyllosphère de passage développent une suppression de la maladie des taches bactériennes chez la tomate. Phytobiomes J. 2022:PBIOMES-05.1-11.

Vogel CM, Potthoff DB, Schäfer M, Barandun N, Vorholt JA. Rôle protecteur du microbiote foliaire d'Arabidopsis contre une bactérie pathogène. Nat Microbiol. 2021;6:1537–48.

Article CAS PubMed PubMed Central Google Scholar

Ritpitakphong U, Falquet L, Vimoltust A, Berger A, Métraux JP, L'Haridon F. Le microbiome de la surface des feuilles d'Arabidopsis protège contre un pathogène fongique. Nouveau phytol. 2016;210:1033–43.

Article CAS PubMed Google Scholar

Berendsen RL, Pieterse CMJ, Bakker PAHM. Le microbiome de la rhizosphère et la santé des plantes. Tendances Plant Sci. 2012;17:478–86.

Article CAS PubMed Google Scholar

Mendes R, Kruijt M, de Bruijn I, Dekkers E, van der Voort M, Schneider JHM, et al.. Déchiffrer le microbiome de la rhizosphère pour les bactéries suppressives de maladies. Science. 2011;332:1097–100.

Article CAS PubMed Google Scholar

Bechtold EK, Ryan S, Moughan SE, Ranjan R, Nüsslein K. Assemblage communautaire de la phyllosphère et réponse au stress hydrique sur les graminées fourragères tropicales et tempérées communes. Appl Environ Microbiol. 2021;87:e00895–21.

Article CAS PubMed PubMed Central Google Scholar

Debray R, Socolar Y, Kaulbach G, Guzman A, Hernandez CA, Curley R, et al. Le stress hydrique et la perturbation des mycorhizes induisent des changements parallèles dans la composition du microbiome de la phyllosphère. Nouveau phytol. 2022;234:2018–31.

Article CAS PubMed Google Scholar

Aydogan EL, Moser G, Müller C, Kämpfer P, Glaeser SP. Le réchauffement à long terme modifie la composition des communautés bactériennes dans la phyllosphère de Galium album dans une expérience permanente sur le terrain dans les prairies. Microbiol avant. 2018;9:144.

Article PubMed PubMed Central Google Scholar

Manching HC, Balint-Kurti PJ, Stapleton AE. La gravité de la maladie de la brûlure des feuilles du sud est corrélée à une diminution de la richesse en espèces bactériennes épiphytes des feuilles de maïs et le déclin de la diversité bactérienne de la phyllosphère est renforcé par la fertilisation azotée. Usine avant Sci. 2014;5:403.

Article PubMed PubMed Central Google Scholar

Faticov M, Abdelfattah A, Roslin T, Vacher C, Hambäck P, Blanchet FG, et al. Le réchauffement climatique domine le génotype végétal dans la formation de la trajectoire saisonnière des communautés fongiques foliaires sur le chêne. Nouveau phytol. 2021;231:1770–83.

Article CAS PubMed Google Scholar

Ren G, Zhang H, Lin X, Zhu J, Jia Z. Réponse de la communauté bactérienne endophyte des feuilles au CO2 élevé à différents stades de croissance du plant de riz. Microbiol avant. 2015;6:855.

Article PubMed PubMed Central Google Scholar

Kadivar H, Stapleton AE. Le rayonnement ultraviolet altère la diversité bactérienne de la phyllosphère du maïs. Microbe Écol. 2003;45:353–61.

Article CAS PubMed Google Scholar

Velásquez AC, Castroverde CDM, He SY. La guerre phytopathogène dans des conditions climatiques changeantes. Curr Biol CB. 2018;28:R619–34.

Article PubMed Google Scholar

Suzuki N, Rivero RM, Shulaev V, Blumwald E, Mittler R. Combinaisons de stress abiotiques et biotiques. Nouveau phytol. 2014;203:32–43.

Article PubMed Google Scholar

Leisner CP, Potnis N, Sanz-Saez A. Diaphonie et compromis : réponses des plantes aux stress abiotiques et biotiques associés au changement climatique. Cellule végétale et environnement. 2022 : 1–18.

Dudney J, Willing CE, Das AJ, Latimer AM, Nesmith JCB, Battles JJ. Changements non linéaires de la rouille infectieuse dus au changement climatique. Nat Commun. 2021;12:5102.

Article CAS PubMed PubMed Central Google Scholar

Lefohn AS, Malley CS, Smith L, Wells B, Hazucha M, Simon H, et al. Rapport d'évaluation de l'ozone troposphérique : mesures de l'ozone mondial pour la recherche sur le changement climatique, la santé humaine et les cultures/écosystèmes. Elementa: Science de l'Anthropocène. 2018;6.

Vingarzan R. Un examen des niveaux de fond et des tendances de l'ozone de surface. Atmos Environ. 2004;38:3431–42.

Article CAS Google Scholar

Pfister GG, Walters S, Lamarque JF, Fast J, Barth MC, Wong J, et al. Projections de l'ozone futur en été au-dessus des États-Unis J Geophys Res Atmospheres. 2014;119:5559–82.

Article CAS Google Scholar

Ainsworth EA. Comprendre et améliorer la réponse globale des cultures à la pollution par l'ozone. Plant J. 2017;90:886–97.

Article CAS PubMed Google Scholar

Ashmore M. Évaluer les futurs impacts mondiaux de l'ozone sur la végétation. Cellule végétale Environ. 2005;28:949–64.

Article CAS Google Scholar

Burkart S, Bender J, Tarkotta B, Faust S, Castagna A, Ranieri A, et al. Effets de l'ozone sur la sénescence des feuilles, l'efficacité photochimique et le rendement en grain chez deux cultivars de blé d'hiver. J Agron Crop Sci. 2013;199:275–85.

Article CAS Google Scholar

Kemble JM, Bertucci MB, Jennings KM, Meadows IM, Rodrigues C, Walgenbach JF, et al. Manuel des cultures maraîchères du sud-est des États-Unis, 2022. Groupe Sevew ; 2022.

Newberry EA, Bhandari R, Minsavage GV, Timilsina S, Jibrin MO, Kemble J, et al. L'évolution indépendante avec le flux de gènes provenant de plusieurs espèces de Xanthomonas explique l'hétérogénéité génomique chez Xanthomonas perforans. Appl Environ Microbiol. 2019;85 :885–904.

Article Google Scholar

Pellegrini E, Trivellini A, Campanella A, Francini A, Lorenzini G, Nali C, et al. Molécules de signalisation et mort cellulaire chez les plantes Melissa officinalis exposées à l'ozone. Plant Cell Rep. 2013;32:1965–80.

Article CAS PubMed Google Scholar

Tao S, Yin H, Fang Y, Zhang Y, Zhang N, Qu L. Des concentrations élevées d'O3 modifient les communautés microbiennes spécifiques au compartiment habitant les peupliers infectés par la rouille. Environ Microbiol. 2022 : 1–17.

Temple PJ, Bisessar S. Réponse du haricot blanc à la brûlure bactérienne, à l'ozone et à la protection antioxydante dans le champ. Phytopathologie. 1979;69:101–3.

Article CAS Google Scholar

Burke C, Steinberg P, Rusch D, Kjelleberg S, Thomas T. Assemblage de la communauté bactérienne basé sur des gènes fonctionnels plutôt que sur des espèces. Proc Natl Acad Sci. 2011;108:14288–93.

Article CAS PubMed PubMed Central Google Scholar

Horsfall JG, Barratt RW. L'invention concerne un système de classement amélioré pour mesurer les maladies des plantes. Phytopathologie. 1945;35:655.

Google Scholar

Chiang KS, Liu HI, Chen YL, El Jarroudi M, Bock CH. Estimations quantitatives à l'échelle ordinale de la gravité des maladies des plantes : comparaison des traitements à l'aide d'un modèle de cotes proportionnelles. Phytopathologie®. 2020;110:734–43.

Article CAS PubMed Google Scholar

Wood DE, Lu J, Langmead B. Analyse métagénomique améliorée avec Kraken 2. Genome Biol. 2019;20:257.

Article CAS PubMed PubMed Central Google Scholar

O'Leary NA, Wright MW, Brister JR, Ciufo S, Haddad D, McVeigh R, et al. La base de données de séquences de référence (RefSeq) au NCBI : état actuel, expansion taxonomique et annotation fonctionnelle. Nucleic Acids Res. 2016;44:D733–745.

Article PubMed Google Scholar

Su P, Wicaksono WA, Li C, Michl K, Berg G, Wang D, et al. Récupération de génomes assemblés par métagénome à partir de la phyllosphère de 110 génotypes de riz. Données scientifiques. 2022;9:254.

Article CAS PubMed PubMed Central Google Scholar

Ye SH, Siddle KJ, Park DJ, Sabeti PC. Outils de métagénomique de benchmarking pour la classification taxonomique. Cellule. 2019;178:779–94.

Article CAS PubMed PubMed Central Google Scholar

Lu J, Breitwieser FP, Thielen P, Salzberg SL. Bracken : estimation de l'abondance des espèces dans les données de métagénomique. PeerJ Comput Sci. 2017;3:e104.

Article Google Scholar

L'équipe RC. R : Un langage et un environnement pour le calcul statistique. 2022.

Contijoch EJ, Britton GJ, Yang C, Mogno I, Li Z, Ng R, et al. La densité du microbiote intestinal influence la physiologie de l'hôte et est façonnée par l'hôte et les facteurs microbiens. eLife. 2019;8:e40553.

Lind AL, Pollard KS. Détection précise et sensible des eucaryotes microbiens à partir du séquençage du fusil de chasse du métagénome entier. Microbiome. 2021;9:1–18.

Rstudio T. RStudio : Développement intégré pour l'équipe R. Rstudio, PBC, Boston, MA. http://www.rstudio.com. 2020.

McMurdie PJ, Holmes S. phyloseq : un package R pour une analyse interactive reproductible et des graphiques des données de recensement du microbiome. PLoS One. 2013;8:e61217.

Dixon P. VEGAN, un ensemble de fonctions R pour l'écologie communautaire. J Veg Sci. 2003;14:927–30.

Article Google Scholar

Wickham, H. ggplot2 : Graphiques élégants pour l'analyse des données. New York, NY : Springer ; 2016. VII, 213.

Beule L, Karlovsky P. Amélioration de la normalisation des données de comptage des espèces en écologie par mise à l'échelle avec sous-échantillonnage classé (SRS) : application aux communautés microbiennes. Peer J. 2020;8:e9593.

Article PubMed PubMed Central Google Scholar

Anderson MJ, Walsh DCI. PERMANOVA, ANOSIM, et le test de Mantel face aux dispersions hétérogènes : Quelle hypothèse nulle testez-vous ? Ecol Monogr. 2013;83 :557–74.

Article Google Scholar

Anderson MJ, Ellingsen KE, McArdle BH. Dispersion multivariée comme mesure de la diversité bêta. Écol Lett. 2006;9:683–93.

Article PubMed Google Scholar

Yoon G, Gaynanova I, Müller CL. Réseaux microbiens dans SPRING-Corrélation semi-paramétrique basée sur les rangs et estimation de corrélation partielle pour les données quantitatives sur le microbiome. Avant Genet. 2019;10:516.

Article PubMed PubMed Central Google Scholar

Peschel S, Müller CL, von Mutius E, Boulesteix AL, Depner M. NetCoMi : construction du réseau et comparaison des données sur le microbiome dans R. Brief Bioinform. 2021;22:bbaa290.

Article PubMed Google Scholar

Clauset A, Newman MEJ, Moore C. Trouver la structure communautaire dans les très grands réseaux. Phys Rev E. 2004;70:066111.

Article Google Scholar

Beghini F, McIver LJ, Blanco-Míguez A, Dubois L, Asnicar F, Maharjan S, et al. Intégration du profilage taxonomique, fonctionnel et au niveau de la souche de diverses communautés microbiennes avec bioBakery 3. eLife. 2021;10:e65088.

Suzek BE, Wang Y, Huang H, McGarvey PB, Wu CH. le consortium UniProt. Clusters UniRef : une alternative complète et évolutive pour améliorer les recherches de similarité de séquence. Bioinformatique. 2015;31:926–32.

Article CAS PubMed Google Scholar

Caspi R, Billington R, Keseler IM, Kothari A, Krummenacker M, Midford PE, et al. La base de données MetaCyc des voies métaboliques et des enzymes - une mise à jour 2019. Nucleic Acids Res. 2020;48:D445–53.

Article CAS PubMed Google Scholar

Hall M, Beiko RG. Analyse du gène de l'ARNr 16S avec QIIME2. Dans : Analyse du microbiome. Springer ; 2018. p. 113–29.

Segata N, Izard J, Waldron L, Gevers D, Miropolsky L, Garrett WS, et al. Découverte et explication de biomarqueurs métagénomiques. Génome Biol. 2011;12:R60.

Article PubMed PubMed Central Google Scholar

Reyes A, Wu M, McNulty NP, Rohwer FL, Gordon JI. Modèle de souris gnotobiotique de la dynamique phage-hôte bactérien dans l'intestin humain. Proc Natl Acad Sci. 2013;110:20236–41.

Article CAS PubMed PubMed Central Google Scholar

Dini-Andreote F, de Cássia Pereira et Silva M, Triadó-Margarit X, Casamayor EO, ​​​​van Elsas JD, Salles JF. Dynamique de la succession des communautés bactériennes dans une chronoséquence de marais salants : preuves d'un cloisonnement temporel des niches. ISME J. 2014;8:1989–2001.

Article CAS PubMed PubMed Central Google Scholar

Hernandez DJ, David AS, Menges ES, Searcy CA, Afkhami ME. Le stress environnemental déstabilise les réseaux microbiens. ISME J. 2021;15:1722–34.

Article PubMed PubMed Central Google Scholar

Trivedi P, Batista BD, Bazany KE, Singh BK. Interactions plantes-microbiome dans un monde en mutation : réponses, conséquences et perspectives. Nouveau phytol. 2022;234:1951–9.

Article PubMed Google Scholar

Vannier N, Agler M, Hacquard S. Résistance aux maladies médiée par le microbiote chez les plantes. PLOS Pathog. 2019;15:e1007740.

Article CAS PubMed PubMed Central Google Scholar

Stall RE, Jones JB, Minsavage GV. Durabilité de la résistance de la tomate et du poivron aux xanthomonas causant la tache bactérienne. Annu Rev Phytopathol. 2009;47:265–84.

Article CAS PubMed Google Scholar

Wagner MR, Busby PE, Balint-Kurti P. Analyse de la composition du microbiome foliaire de lignées de maïs quasi-isogéniques différant par leur résistance aux maladies à large spectre. Nouveau phytol. 2020;225:2152–65.

Article CAS PubMed Google Scholar

Bonk F, Popp D, Harms H, Centler F. Quantification basée sur la PCR des abondances spécifiques aux taxons dans les communautés microbiennes : quantifier et éviter les pièges courants. Méthodes J Microbiol. 2018;153:139–47.

Article CAS PubMed Google Scholar

Jian C, Luukkonen P, Yki-Järvinen H, Salonen A, Korpela K. La PCR quantitative fournit une méthode simple et accessible pour le profilage quantitatif du microbiote. PLOS Un. 2020;15:e0227285.

Article CAS PubMed PubMed Central Google Scholar

Morella NM, Gomez AL, Wang G, Leung MS, Koskella B. L'impact des bactériophages sur l'abondance et la composition bactériennes de la phyllosphère. Mol Écol. 2018;27:2025–38.

Article PubMed Google Scholar

Hindson BJ, Ness KD, Masquelier DA, Belgrader P, Heredia NJ, Makarewicz AJ, et al. Système de PCR numérique de gouttelettes à haut débit pour la quantification absolue du nombre de copies d'ADN. Chimie anale. 2011;83:8604–10.

Article CAS PubMed PubMed Central Google Scholar

Cheng C, Gao X, Feng B, Sheen J, Shan L, He P. La réponse immunitaire des plantes aux agents pathogènes diffère avec les changements de température. Nat Commun. 2013;4:2530.

Article PubMed Google Scholar

Huot B, Castroverde CDM, Velásquez AC, Hubbard E, Pulman JA, Yao J, et al. Double impact de la température élevée sur la défense des plantes et la virulence bactérienne chez Arabidopsis. Nat Commun. 2017;8:1808.

Article PubMed PubMed Central Google Scholar

Zhou Y, Van Leeuwen SK, Pieterse CMJ, Bakker PAHM, Van Wees SCM. Effet du CO2 atmosphérique sur la défense des plantes contre les pathogènes des feuilles et des racines d'Arabidopsis. Eur J Phytopathol. 2019;154:31–42.

Article CAS Google Scholar

Rizhsky L, Liang H, Mittler R. L'effet combiné du stress hydrique et du choc thermique sur l'expression des gènes dans le tabac. Physique Végétale. 2002;130:1143–51.

Article CAS PubMed PubMed Central Google Scholar

Rizhsky L, Liang H, Shuman J, Shulaev V, Davletova S, Mittler R. Lorsque les voies de défense se heurtent. La réponse d'Arabidopsis à une combinaison de stress de sécheresse et de chaleur. Physique Végétale. 2004;134:1683–96.

Article CAS PubMed PubMed Central Google Scholar

Zandalinas SI, Sengupta S, Fritschi FB, Azad RK, Nechushtai R, Mittler R. L'impact de la combinaison de stress multifactoriel sur la croissance et la survie des plantes. Nouveau phytol. 2021;230:1034–48.

Article CAS PubMed PubMed Central Google Scholar

Omae N, Tsuda K. Interactions plantes-microbiote dans les environnements de stress abiotiques. Mol Plant Microbe Interact. 2022;35:511–26.

Article CAS PubMed Google Scholar

Zhu JK. Signalisation et réponses au stress abiotique chez les plantes. Cellule. 2016;167:313–24.

Article CAS PubMed PubMed Central Google Scholar

Klessig DF, Durner J, Noad R, Navarre DA, Wendehenne D, Kumar D, et al. Signalisation de l'oxyde nitrique et de l'acide salicylique dans la défense des plantes. Proc Natl Acad Sci. 2000;97:8849–55.

Article CAS PubMed PubMed Central Google Scholar

Jiang CJ, Shimono M, Sugano S, Kojima M, Yazawa K, Yoshida R, et al. L'acide abscissique interagit de manière antagoniste avec la voie de signalisation de l'acide salicylique dans l'interaction riz- Magnaporthe grisea. Mol Plant Microbe Interact. 2010;23:791–8.

Article CAS PubMed Google Scholar

Yasuda M, Ishikawa A, Jikumaru Y, Seki M, Umezawa T, Asami T, et al. Interaction antagoniste entre la résistance acquise systémique et la réponse au stress abiotique médiée par l'acide abscissique chez Arabidopsis. Cellule de plante. 2008;20:1678–92.

Article CAS PubMed PubMed Central Google Scholar

Berner JM, Maliba B, Inbaraj P. Impact des niveaux élevés de CO2 et d'O3 sur le rendement et les capacités photosynthétiques de Brassica napus. Procedia Environ Sci. 2015;29:255.

Article CAS Google Scholar

van Dam NM, Heil M. Interactions multitrophiques sous et au-dessus du sol : en route vers le niveau suivant. J Écol. 2011;99:77–88.

Article Google Scholar

Berg M, Koskella B. Protection médiée par les nutriments et la dose-dépendante du microbiome contre un agent pathogène des plantes. Curr Biol. 2018;28:2487–2492.e3.

Article CAS PubMed Google Scholar

Muñoz-Elías EJ, McKinney JD. Métabolisme carboné des bactéries intracellulaires. Microbiol cellulaire. 2006;8:10–22.

Article PubMed Google Scholar

Nogales J, Canales Á, Jiménez-Barbero J, Serra B, Pingarrón JM, García JL, et al. Démêler la voie de dégradation de l'acide gallique chez les bactéries : le cluster gal de Pseudomonas putida. Mol Microbiol. 2011;79:359–74.

Article CAS PubMed Google Scholar

Schiff JA. Voies de réduction assimilatrice des sulfates chez les plantes et les micro-organismes. Soufre Biol. 1980 ; 72 : 49–64.

CAS Google Scholar

Wagg C, Schlaeppi K, Banerjee S, Kuramae EE, van der Heijden MGA. La diversité fongique-bactérienne et la complexité du microbiome prédisent le fonctionnement de l'écosystème. Nat Commun. 2019;10:4841.

Article PubMed PubMed Central Google Scholar

Luo L, Zhang Z, Wang P, Han Y, Jin D, Su P, et al. Variations de la communauté microbienne de la phyllosphère avec le développement de la tache foliaire angulaire du concombre. AMB Express. 2019;9:76.

Article PubMed PubMed Central Google Scholar

Hu Q, Tan L, Gu S, Xiao Y, Xiong X, Zeng WA, et al. L'analyse du réseau déduit l'invasion de pathogènes du flétrissement associée à des bactéries non nuisibles. Npj Biofilms Microbiomes. 2020;6:1–8.

Article Google Scholar

Tan L, Xiao Y, Zeng WA, Gu S, Zhai Z, Wu S, et al. L'analyse du réseau révèle les champignons endophytes racinaires associés à l'invasion de la pourriture fusarienne des racines. Appl Sol Ecol. 2022;178:104567.

Article Google Scholar

Faust K, Raes J. Interactions microbiennes : des réseaux aux modèles. Nat Rev Microbiol. 2012;10:538–50.

Article CAS PubMed Google Scholar

Ortiz-Álvarez R, Ortega-Arranz H, Ontiveros VJ, de Celis M, Ravarani C, Acedo A, et al. Les propriétés du réseau des communautés fongiques locales révèlent les conséquences anthropiques des perturbations des pratiques agricoles dans les sols viticoles. mSystèmes. 2021;6:e00344–21.

Article PubMed PubMed Central Google Scholar

Télécharger les références

Nous remercions Auston Holland pour son aide dans le maintien des plantes dans la serre et tout au long de l'expérience. Nous remercions les membres des laboratoires Potnis, Leisner et Sanz-Saez pour leur aide lors de la plantation initiale. Nous remercions Seth Johnston pour la mise en place et la maintenance des OTC et de la fumigation. Nous remercions le Dr David Young et le personnel de l'Alabama Supercomputer Authority pour avoir fourni les ressources informatiques nécessaires à la réalisation de ce travail.

Ce travail a été soutenu par l'Alabama Agricultural Experiment Station et le programme Hatch (Project # 10108601) du National Institute of Food and Agriculture, US Department of Agriculture.

Département d'entomologie et de pathologie végétale, Université d'Auburn, Auburn, AL, 36849, États-Unis

Rishi Bhandari et Neha Potnis

Département des sciences des cultures, des sols et de l'environnement, Université d'Auburn, Auburn, AL, 36849, États-Unis

Alvaro Sanz-Saez

Département des sciences biologiques, Université d'Auburn, Auburn, AL, 36849, États-Unis

Courtney P. Leisner

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

NP, ASS et CPL ont conceptualisé et conçu l'étude. RB a contribué à la conception expérimentale, a effectué la collecte d'échantillons et le traitement des échantillons. RB et NP ont analysé les données et rédigé le manuscrit avec la contribution de tous les auteurs.

Correspondance à Neha Potnis.

Les auteurs ne déclarent aucun intérêt concurrent.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International License, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, tant que vous donnez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Bhandari, R., Sanz-Saez, A., Leisner, CP et al. L'infection à Xanthomonas et le stress d'ozone influencent distinctement la structure de la communauté microbienne et les interactions dans la phyllosphère du poivre. ISME COMMUN. 3, 24 (2023). https://doi.org/10.1038/s43705-023-00232-w

Télécharger la citation

Reçu : 25 octobre 2022

Révisé : 8 mars 2023

Accepté : 15 mars 2023

Publié: 27 mars 2023

DOI : https://doi.org/10.1038/s43705-023-00232-w

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt