توازن الميكروبيوم على أوراق الأرز يتم تنظيمه بواسطة جزيء سابق في تخليق اللجنين

النتائج

الميكروبيومات في الفيلوسفير للأرز محددة للجينات

تحديد المسارات الأيضية المرتبطة بميكروبيوم الفيلوسفير

الشكل 1 | مقارنات الميكروبيوم في الفيلوسفير بين أصناف الأرز إنديكو وجابونيكا. أ تحليل المكونات الرئيسية غير المقيد (للمكونات الرئيسية PCo1 وPCo2) استنادًا إلى مسافات براي-كورتيس تظهر تجمع المجتمع البكتيري لأصناف الأرز جابونيكا وإنديكو. -تم حساب القيمة بواسطة PERMANOVA أحادية الاتجاه). تغطي البيضاويات لبيانات كل نوع فرعي من الأرز. مؤشر شانون لمجتمعات البكتيريا في الفيلوسفير لأنواع الإنديكا والجابونيكا. تمثل القضبان الأفقية داخل الصناديق الوسائط. تمثل قمم وقواعد الصناديق النسب المئوية 75 و 25 على التوالي. تمثل الشعيرات العليا والسفلى

لتوضيح كيف تؤثر التغيرات الجينية للمضيف على الميكروبيوم في الفيلوسفير، وخاصة أعضاء الأوامر البكتيرية التي كانت استجابتها عالية، تم توضيح الجينات التي تحتوي على تعدد أشكال النوكليوتيدات (SNPs) الموجودة في المواقع المرتبطة وتم إثراؤها في مسارات الأرز (البيانات التكميلية 4). وجدنا أن المسارات الأيضية (dosa01100) وعملية الأيض الثانوي (GO:0019748) كانت شائعة في التوضيحات الغنية بالجينات في KEGG (قاموس كيوتو للجينات والجينومات) (الشكل التكميلية 6) وGO (علم الأحياء الجزيئي) (الشكل التكميلية 6) على التوالي. علاوة على ذلك، لاحظنا أن الجينات المرتبطة بـ SNP في كل مجموعة مواقع كانت غنية في مسارات أيضية محددة (الشكل 2b). على سبيل المثال، كانت الجينات المرتبطة بـ Enterobacterales غنية بشكل كبير في مسارات البروتيازوم (dosa03050)، وتحلل الليسين (dosa00310)، وتخليق الأحماض الأمينية (dosa01230)، والتحلل البروتيني المعتمد على اليوبكويتين (dosa04120)، وتفاعلات SNARE في النقل الحويصلي (dosa04130)، وأيض السيستين والميثيونين (dosa00270)، ونظام إشارة الفوسفاتيديلينوزيتول (dosa04070)، وأيض الجلوتاثيون (dosa00480) (اختبار فيشر الدقيق، الشكل 2ب، البيانات التكميلية 4). وبالمثل، كانت الجينات المرتبطة بـ Burkholderiales غنية بشكل ملحوظ في تحويلات البنتوز والغلوكورونات (dosa00040)، تصدير البروتين (dosa03060)، استقلاب الفينيل ألانين (dosa00360) ومسارات استقلاب الأرجينين والبروتين (dosa00330) (اختبار فيشر الدقيق، الجينات المرتبطة بفصيلة البسودومونادال كانت غنية بشكل ملحوظ في تفاعل النبات مع الممرض (dosa04626)، وتخليق الستيلبينويد، والدياريلهيبتانويد، والزنجبيل.

تحديد الجينات المرتبطة بالمواد الأيضية للأوراق التي تحفز تجميع الميكروبيوم

الشكل 3 | OsPALO2 مرتبط بتكوين الميكروبيوم في الفيلوسفير وله آثار على صحة النبات. أ المجتمعات البكتيرية على مستوى الرتبة في النباتات WT (النوع البري، صنف الأرز ZH11)، KO (إزالة جين OsPALO2) و OE (زيادة تعبير OsPALO2). تحليل المكونات الرئيسية غير المقيد استنادًا إلى مسافات براي-كورتيس يظهر تجمع المجتمع البكتيري في نباتات WT و KO و OE -تم حساب القيمة بواسطة PERMANOVA أحادية الاتجاه). تغطي البيضاويات من البيانات لكل مجموعة. مقارنة وفرة Pseudomonadales (ج) و Xanthomonadales (د) في ميكروبيومات الفيلوسفير WT و KO و OE. أعداد

بصرف النظر عن الميكروبات المعدلة في الفيلوسفير، تطور OsPALO2-KO أعراض مرضية شديدة مقارنةً بـ WT و OsPALO2. بعد قطع الأوراق (الشكل 3e). لم يتم ملاحظة هذه الظاهرة

تداعيات 4-HCA وأعضاء من Pseudomonadales على توازن الميكروبيوم في الفيلوسفير

الشكل 5 | تأثيرات 4-HCA على نمو البكتيريا في الفيلوسفير والمرض TJ1 في الأرز. أ اليسار: تأثيرات 4-HCA على نمو 22 عزلة بكتيرية مرتبطة بأوراق الأرز من الطلبات Pseudomonadales وXanthomonadales وBurkholderiales. تُظهر خريطة الحرارة تغيرات الطي للعزلات الفردية المعرضة لـ مقابل التحكم (المكمل بالمذيب) على مدى 24 ساعة. يتم تقديم بيانات منحنى النمو المقابلة في الشكل التوضيحي 18 والبيانات التكميلية 7. الوسط: التحليل الإحصائي لـ تغيرات الطي في كثافة الخلايا ) للعزلات الـ 22. تمثل الألوان المختلفة العزلات المعينة إلى Pseudomonadales وXanthomonadales وBurkholderiales، على التوالي. النسب المئوية في مخطط الصندوق هي نفسها كما في الشكل 1b. تشير الحروف المختلفة إلى وجود فرق كبير وفقًا لاختبار ANOVA أحادي الاتجاه غير المقترن مع اختبار Tukey’s HSD ( تم إدراج القيم في البيانات التكميلية 7، وتم تكرار التجارب لكل عزل 6 مرات). كل

بعد ذلك، قمنا بإجراء تجارب في المختبر لاختبار تأثير 4-HCA على سلالات من Pseudomonadales وXanthomonadales وBurkholderiales. تم زراعة هذه السلالات البكتيرية في وسط سائل R2A مضاف إليه ; نفس التركيز أعاق نمو الممرض TJ1. وجدنا أن معظم سلالات Pseudomonadales نمت بشكل أسرع في وجود بينما تم تثبيط جميع سلالات Xanthomonadales و Burkholderiales بشكل ملحوظ (الشكل 5a). تحليل مفصل لتغيرات النمو ( ) أظهرت أن جميع سلالات Pseudomonadales، باستثناء Acinetobacter sp. 21، أظهرت معدل نمو أعلى بشكل ملحوظ من سلالات Xanthomonadales و Burkholderiales في وجود 2 مللي مول من 4-HCA (الشكل 5a، الشكل التوضيحي 18، البيانات التكميلية 7). أوضحت التجارب في المختبر تأثير

نقاش

طرق

المواد الكيميائية، الكواشف والأدوات التحليلية

الميتاجينومات لسطح أوراق الأرز

تحليلات المعلوماتية الحيوية للميتاجينومات

تحليل GWAS

تجميع المواقع وإثراء المسارات

توليد طفرات أرز معدلة بواسطة كريسبر وزيادة التعبير الجيني

المواد النباتية، ظروف النمو والعلاجات

تحليلات الميكروبيوم في الفيلوسفير للنباتات البرية والنباتات الطافرة

استخراج المستقلبات من أوراق الأرز

ظروف LC-MS/MS

تحليل حمض القرفة والمشتقات

تحديد كمية 4-HCA في أوراق الأرز

عزل بكتيريا أوراق الأرز

فحص مسببات الأمراض الانتهازية للأرز

أثر 4-HCA على نمو البكتيريا في الأوراق

تقييم تثبيط TJ1 بواسطة بكتيريا الأوراق

تجميع المجتمع الاصطناعي وتطعيم أوراق النباتات

ملخص التقرير

توفر البيانات

توفر الشيفرة

References

1. Hassani, M. A., Durán, P. & Hacquard, S. Microbial interactions within the plant holobiont. Microbiome 6, 1-17 (2018).
2. Durán, P. et al. Microbial interkingdom interactions in roots promote Arabidopsis survival. Cell 175, 973-983.e914 (2018).
3. Kwak, M.-J. et al. Rhizosphere microbiome structure alters to enable wilt resistance in tomato. Nat. Biotechnol. 36, 1100-1109 (2018).
4. Carrión, V. J. et al. Pathogen-induced activation of diseasesuppressive functions in the endophytic root microbiome. Science 366, 606-612 (2019).
5. Ritpitakphong, U. et al. The microbiome of the leaf surface of Arabidopsis protects against a fungal pathogen. N. Phytol. 210, 1033-1043 (2016).
6. Lau, J. A. & Lennon, J. T. Rapid responses of soil microorganisms improve plant fitness in novel environments. Proc. Natl Acad. Sci. USA 109, 14058-14062 (2012).
7. Castrillo, G. et al. Root microbiota drive direct integration of phosphate stress and immunity. Nature 543, 513-518 (2017).
8. Bakker, P. A., Pieterse, C. M., de Jonge, R. & Berendsen, R. L. The soilborne legacy. Cell 172, 1178-1180 (2018).
9. Zhang, J. et al. NRT1. 1B is associated with root microbiota composition and nitrogen use in field-grown rice. Nat. Biotechnol. 37, 676-684 (2019).
10. Berendsen, R. L., Pieterse, C. M. & Bakker, P. A. The rhizosphere microbiome and plant health. Trends Plant Sci. 17, 478-486 (2012).
11. Edwards, J. et al. Structure, variation, and assembly of the rootassociated microbiomes of rice. Proc. Natl Acad. Sci. USA 112, E911-E920 (2015).
12. Fitzpatrick, C. R. et al. The plant microbiome: from ecology to reductionism and beyond. Annu. Rev. Microbiol. 74, 81-100 (2020).
13. Deng, S. et al. Genome wide association study reveals plant loci controlling heritability of the rhizosphere microbiome. ISME J. 15, 3181-3194 (2021).
14. Huang, A. C. et al. A specialized metabolic network selectively modulates Arabidopsis root microbiota. Science 364, eaau6389 (2019).
15. Escudero-Martinez, C. et al. Identifying plant genes shaping microbiota composition in the barley rhizosphere. Nat. Commun. 13, 3443 (2022).
16. Oyserman, B. O. et al. Disentangling the genetic basis of rhizosphere microbiome assembly in tomato. Nat. Commun. 13, 3228 (2022).
17. Liu, H., Brettell, L. E., Qiu, Z. & Singh, B. K. Microbiome-mediated stress resistance in plants. Trends Plant Sci. 25, 733-743 (2020).
18. Vorholt, J. A. Microbial life in the phyllosphere. Nat. Rev. Microbiol. 10, 828-840 (2012).
19. Horton, M. W. et al. Genome-wide association study of Arabidopsis thaliana leaf microbial community. Nat. Commun. 5, 5320 (2014).
20. Bodenhausen, N., Bortfeld-Miller, M., Ackermann, M. & Vorholt, J. A. A synthetic community approach reveals plant genotypes affecting the phyllosphere microbiota. PLoS Genet. 10, e1004283 (2014).
21. Brachi, B. et al. Plant genetic effects on microbial hubs impact host fitness in repeated field trials. Proc. Natl Acad. Sci. USA 119, e2201285119 (2022).
22. Wagner, M. R. et al. Host genotype and age shape the leaf and root microbiomes of a wild perennial plant. Nat. Commun. 7, 12151 (2016).
23. Sapkota, R., Knorr, K., Jørgensen, L. N., O’Hanlon, K. A. & Nicolaisen, M. Host genotype is an important determinant of the cereal phyllosphere mycobiome. N. Phytol. 207, 1134-1144 (2015).
24. Gong, T. & Xin, X. F. Phyllosphere microbiota: Community dynamics and its interaction with plant hosts. J. Integr. Plant. Biol. 63, 297-304 (2021).
25. Zhan, C., Matsumoto, H., Liu, Y. & Wang, M. Pathways to engineering the phyllosphere microbiome for sustainable crop production. Nat. Food 3, 997-1004 (2022).
26. Finkel, O. M. et al. The effects of soil phosphorus content on plant microbiota are driven by the plant phosphate starvation response. PLoS Biol. 17, e3000534 (2019).
27. Chen, T. et al. A plant genetic network for preventing dysbiosis in the phyllosphere. Nature 580, 653-657 (2020).
28. Beilsmith, K. et al. Genome-wide association studies on the phyllosphere microbiome: embracing complexity in host-microbe interactions. Plant J. 97, 164-181 (2019).
29. Su, P. et al. Recovery of metagenome-assembled genomes from the phyllosphere of 110 rice genotypes. Sci. Data 9, 254 (2022).
30. Lu, J. et al. Metagenome analysis using the Kraken software suite. Nat. Protoc. 17, 2815-2839 (2022).
31. Zhang, J. et al. High-throughput cultivation and identification of bacteria from the plant root microbiota. Nat. Protoc. 16, 988-1012 (2021).
32. Trivedi, P., Leach, J. E., Tringe, S. G., Sa, T. & Singh, B. K. Plant-microbiome interactions: from community assembly to plant health. Nat. Rev. Microbiol. 18, 607-621 (2020).
33. Sohrabi, R., Paasch, B. C., Liber, J. A. & He, S. Y. Phyllosphere microbiome. Annu. Rev. Plant. Biol. 74, 539-568 (2023).
34. Schäfer, M., Vogel, C. M., Bortfeld-Miller, M., Mittelviefhaus, M. & Vorholt, J. A. Mapping phyllosphere microbiota interactions in planta to establish genotype-phenotype relationships. Nat. Microbiol. 7, 856-867 (2022).
35. Helfrich, E. J. et al. Bipartite interactions, antibiotic production and biosynthetic potential of the Arabidopsis leaf microbiome. Nat. Microbiol. 3, 909-919 (2018).
36. Carlström, C. I. et al. Synthetic microbiota reveal priority effects and keystone strains in the Arabidopsis phyllosphere. Nat. Ecol. Evol. 3, 1445-1454 (2019).
37. Song, Y. et al. FERONIA restricts Pseudomonas in the rhizosphere microbiome via regulation of reactive oxygen species. Nat. Plants 7, 644-654 (2021).
38. Ma, K.-W. et al. Coordination of microbe-host homeostasis by crosstalk with plant innate immunity. Nat. Plants 7, 814-825 (2021).
39. Eichmann, R., Richards, L. & Schäfer, P. Hormones as go-betweens in plant microbiome assembly. Plant J. 105, 518-541 (2021).
40. Hacquard, S., Spaepen, S., Garrido-Oter, R. & Schulze-Lefert, P. Interplay between innate immunity and the plant microbiota. Annu. Rev. Phytopathol. 55, 565-589 (2017).
41. Pfeilmeier, S. et al. The plant NADPH oxidase RBOHD is required for microbiota homeostasis in leaves. Nat. Microbiol. 6, 852-864 (2021).
42. Xu, P. et al. Temporal metabolite responsiveness of microbiota in the tea plant phyllosphere promotes continuous suppression of fungal pathogens. J. Adv. Res. 39, 49-60 (2022).
43. Maier, B. A. et al. A general non-self response as part of plant immunity. Nat. Plants 7, 696-705 (2021).
44. Wang, Y. et al. GWAS, MWAS and mGWAS provide insights into precision agriculture based on genotype-dependent microbial effects in foxtail millet. Nat. Commun. 13, 5913 (2022).
45. Beckers, B. et al. Lignin engineering in field-grown poplar trees affects the endosphere bacterial microbiome. Proc. Natl Acad. Sci. USA 113, 2312-2317 (2016).
46. Shalev, O., Ashkenazy, H., Neumann, M. & Weigel, D. Commensal Pseudomonas protect Arabidopsis thaliana from a coexisting pathogen via multiple lineage-dependent mechanisms. ISME J. 16, 1235-1244 (2022).
47. Levy, A. et al. Genomic features of bacterial adaptation to plants. Nat. Genet. 50, 138-150 (2018).
48. Vogel, C. M., Potthoff, D. B., Schäfer, M., Barandun, N. & Vorholt, J. A. Protective role of the Arabidopsis leaf microbiota against a bacterial pathogen. Nat. Microbiol. 6, 1537-1548 (2021).
49. Wang, N. R. et al. Commensal Pseudomonas fluorescens strains protect Arabidopsis from closely related Pseudomonas pathogens in a colonization-dependent manner. mBio 13, e02892-02821 (2022).
50. Tao, C. et al. Bio-organic fertilizers stimulate indigenous soil Pseudomonas populations to enhance plant disease suppression. Microbiome 8, 1-14 (2020).
51. Shalev, O. et al. Commensal Pseudomonas strains facilitate protective response against pathogens in the host plant. Nat. Ecol. Evol. 6, 383-396 (2022).
52. Sarniguet, A., Kraus, J., Henkels, M. D., Muehlchen, A. M. & Loper, J. E. The sigma factor sigma s affects antibiotic production and biological control activity of Pseudomonas fluorescens Pf-5. Proc. Natl Acad. Sci. USA. 92, 12255-12259 (1995).
53. Beskrovnaya, P. et al. Comparative genomics identified a genetic locus in plant-associated Pseudomonas spp. that is necessary for induced systemic susceptibility. mBio 11, e00575-00520 (2020).
54. Voges, M. J., Bai, Y., Schulze-Lefert, P. & Sattely, E. S. Plant-derived coumarins shape the composition of an Arabidopsis synthetic root microbiome. Proc. Natl Acad. Sci. USA. 116, 12558-12565 (2019).
55. Koprivova, A. et al. Root-specific camalexin biosynthesis controls the plant growth-promoting effects of multiple bacterial strains. Proc. Natl Acad. Sci. USA. 116, 15735-15744 (2019).
56. Cernava, T. & Berg, G. The emergence of disease-preventing bacteria within the plant microbiota. Environ. Microbiol. 24, 3259-3263 (2022).
57. Stringlis, I. A. et al. MYB72-dependent coumarin exudation shapes root microbiome assembly to promote plant health. Proc. Natl Acad. Sci. USA. 115, E5213-E5222 (2018).
58. Hu, L. et al. Root exudate metabolites drive plant-soil feedbacks on growth and defense by shaping the rhizosphere microbiota. Nat. Commun. 9, 2738 (2018).
59. McCouch, S. R. et al. Open access resources for genome-wide association mapping in rice. Nat. Commun. 7, 10532 (2016).
60. Paulson, J. N., Stine, O. C., Bravo, H. C. & Pop, M. Differential abundance analysis for microbial marker-gene surveys. Nat. Methods 10, 1200-1202 (2013).
61. Oksanen, J. et al. Vegan: Community Ecology Package. R package version 1.17-4. http://CRAN.R-project.org/package=vegan (2010).
62. Asnicar, F., Weingart, G., Tickle, T. L., Huttenhower, C. & Segata, N. Compact graphical representation of phylogenetic data and metadata with GraPhlAn. PeerJ 3, e1029 (2015).
63. Wickham, H. ggplot2: Elegant Graphics For Data Analysis (Springer, 2016).
64. Kang, H. et al. Dissection of the genetic architecture of rice resistance to the blast fungus Magnaporthe oryzae. Mol. Plant Pathol. 17, 959-972 (2016).
65. Gu, Z., Gu, L., Eils, R., Schlesner, M. & Brors, B. Circlize implements and enhances circular visualization in R. Bioinformatics 30, 2811-2812 (2014).
66. Wu, T. et al. clusterProfiler 4.0: A universal enrichment tool for interpreting omics data. Innov. (Camb.) 2, 100141 (2021).
67. Ma, X. et al. A robust CRISPR/Cas9 system for convenient, highefficiency multiplex genome editing in monocot and dicot plants. Mol. Plant. 8, 1274-1284 (2015).
68. Dai, S. et al. Transgenic rice plants that overexpress transcription factors RF2a and RF2b are tolerant to rice tungro virus replication and disease. Proc. Natl Acad. Sci. USA 105, 21012-21016 (2008).
69. Lin, Q. et al. Prime genome editing in rice and wheat. Nat. Biotechnol. 38, 582-585 (2020).
70. Bolyen, E. et al. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nat. Biotechnol. 37, 852-857 (2019).
71. Martin, M. Cutadapt removes adapter sequences from highthroughput sequencing reads. EMBnet. J. 17, 10-12 (2011).
72. Callahan, B. J. et al. DADA2: High-resolution sample inference from Illumina amplicon data. Nat. Methods 13, 581-583 (2016).
73. Quast, C. et al. The SILVA ribosomal RNA gene database project: improved data processing and web-based tools. Nucleic Acids Res. 41, D590-D596 (2012).
74. French, W. R. et al. Wavelet-based peak detection and a new charge inference procedure for MS/MS implemented in ProteoWizard’s msConvert. J. Proteome Res. 14, 1299-1307 (2015).
75. Benton, H. P., Want, E. J. & Ebbels, T. M. Correction of mass calibration gaps in liquid chromatography-mass spectrometry metabolomics data. Bioinformatics 26, 2488-2489 (2010).
76. Kuhl, C., Tautenhahn, R., Bottcher, C., Larson, T. R. & Neumann, S. CAMERA: an integrated strategy for compound spectra extraction and annotation of liquid chromatography/mass spectrometry data sets. Anal. Chem. 84, 283-289 (2012).
77. Gu, Z. Complex heatmap visualization. iMeta 1, e43 (2022).
78. BIG Data Center Members. Database resources of the BIG data center in 2018. Nucleic Acids Res. 46, D14-D20 (2018).
79. Su, P. et al. Microbiome homeostasis on rice leaves is regulated by a precursor molecule of lignin biosynthesis. https://zenodo.org/ records/10115039 (2023).

شكر وتقدير

مساهمات المؤلفين

المصالح المتنافسة

معلومات إضافية

Microbiome homeostasis on rice leaves is regulated by a precursor molecule of lignin biosynthesis

Results

Rice phyllosphere microbiomes are specific to genotypes

Identification of metabolic pathways linked to phyllosphere microbiome

Fig. 1 | Phyllosphere microbiome comparisons of indica and japonica rice varieties. a Unconstrained PCoA (for principal coordinates PCo1 and PCo2) based on Bray-Curtis distances showing bacterial community clustering of japonica and indica rice varieties ( -value was calculated by one-way PERMANOVA). Ellipses cover of the data for each rice subspecies. Shannon index for phyllosphere bacterial communities of indica and japonica varieties. The horizontal bars within boxes represent medians. The tops and bottoms of boxes represent the 75th and 25th percentiles, respectively. The upper and lower whiskers

To further elucidate how host genetic variations affect the phyllosphere microbiome, especially members of the bacterial orders that were highly responsive, genes with SNPs located in the associated loci were annotated and enriched into rice pathways (Supplementary Data 4). We found that metabolic pathways (dosa01100) and secondary metabolic process (GO:0019748) were prevalent in gene-enriched KEGG (Kyoto Encyclopedia of Genes and Genomes) (Supplementary Fig. 6) and GO (Gene Ontology) (Supplementary Fig. 6) annotations, respectively. Furthermore, we observed that SNP-associated genes in each locus cluster were enriched in specific metabolic pathways (Fig. 2b). For instance, Enterobacterales-associated rice genes were significantly enriched in Proteasome (dosa03050), Lysine degradation (dosa00310), Biosynthesis of amino acids (dosa01230), Ubiquitin mediated proteolysis (dosa04120), SNARE interactions in vesicular transport (dosa04130), Cysteine and methionine metabolism (dosa00270), Phosphatidylinositol signaling system (dosa04070), and Glutathione metabolism (dosa00480) pathways (Fisher’s exact test, , Fig. 2b, Supplementary Data 4). Similarly, Burkholderialesassociated rice genes were significantly enriched in Pentose and glucuronate interconversions (dosa00040), Protein export (dosa03060), Phenylalanine metabolism (dosa00360) and Arginine and proline metabolism (dosa00330) pathways (Fisher’s exact test, , Fig. 2b, Supplementary Data 4). Pseudomonadales-associated rice genes were significantly enriched in Plant-pathogen interaction (dosa04626), Stilbenoid, diarylheptanoid and gingerol biosynthesis

Identification of leaf metabolite-associated genes that drive microbiome assembly

Fig. 3 | OsPALO2 is linked to phyllosphere microbiome assembly and has implications for plant health. a Bacterial communities at order level in WT (wildtype, ZH11 rice variety), KO (OsPALO2-knockout) and OE (OsPALO2-overexpression) plants. Unconstrained PCoA based on Bray-Curtis distances showing bacterial community clustering in WT, KO and OE plants ( -value was calculated by one-way PERMANOVA). Ellipses cover of the data for each group. Comparison of relative abundances of Pseudomonadales (c) and Xanthomonadales (d) in WT, KO and OE phyllosphere microbiomes. The numbers of

Apart from the altered phyllosphere microbiomes, OsPALO2-KO developed severe disease symptoms compared with WT and OsPALO2 after leaf cutting (Fig. 3e). This phenomenon was not observed

Implications of 4-HCA and members of Pseudomonadales for phyllosphere microbiome homeostasis

Fig. 5 | Effects of 4-HCA on phyllosphere bacterial growth and rice pathogen TJ1. a Left: Effects of 4-HCA on growth of 22 rice leaf-associated bacterial isolates from the orders Pseudomonadales, Xanthomonadales and Burkholderiales. The heatmap shows fold changes of individual isolates exposed to versus control (supplemented with solvent) over 24 hours. The corresponding growth curve data are presented in Supplementary Fig. 18 and Supplementary Data 7. Middle: Statistical analysis of fold changes in cell density ( ) for the 22 isolates. Different colors represent isolates assigned to Pseudomonadales, Xanthomonadales and Burkholderiales, respectively. Box plot percentiles are the same as in Fig. 1b. Different letters indicate a significant difference according to unpaired one-way ANOVA with Tukey’s HSD test ( -values are listed in Supplementary Data 7, experiments for each isolate were replicated 6 times). Each

Next, we conducted in vitro assays to test the influence of 4-HCA on strains from Pseudomonadales, Xanthomonadales and Burkholderiales. These bacterial strains were grown in liquid R2A medium supplemented with ; the same concentration inhibited the growth of pathogen TJ1. We found that most of the Pseudomonadales strains grew faster in the presence of , whereas all Xanthomonadales and Burkholderiales strains were significantly inhibited (Fig. 5a). Detailed analysis of growth changes ( ) indicated that all Pseudomonadales strains, except Acinetobacter sp. 21, showed a significantly higher growth rate than Xanthomonadales and Burkholderiales strains in the presence of the 2 mM 4-HCA (Fig. 5a, Supplementary Fig. 18, Supplementary Data 7). The in vitro assays clarified the effect of

Discussion

Methods

Chemicals, reagents and analytical instruments

Rice phyllosphere metagenomes