深海微生物一上岸就死？这套闭环平台让它们“感觉还在海底”
深海是地球上最大的微生物栖息地之一，冷泉、热液喷口和海沟等极端环境中生活着大量适应高压、低温和特殊化学条件的微生物，它们不仅参与全球碳、硫等元素循环，也可能蕴藏新的酶、天然产物和功能基因。然而，真正能够在实验室中培养出来的深海微生物仍不足1%。问题并不只是“营养配方不对”，更关键的是，从海底取样、上浮、转移到培养和分离的过程中，压力、温度和化学环境不断改变。对于依赖高压生存的微生物而言，一次减压就可能引起膜结构改变、蛋白复合物解离甚至失活。如何让样品从海底到实验室始终“生活在原来的环境里”，成为深海微生物研究长期面临的核心挑战。
针对这一难题，广东工业大学 张偲院士、冯景春教授联合曼彻斯特大学刘政光构建了一套深海智能原位采样、培养与分选系统DISCUSS。研究不再把“采样”“培养”“分菌”看成彼此独立的步骤，而是利用压力、温度、甲烷、二氧化碳、溶解氧等多模态传感器实时读取深海环境，再通过数字孪生、反馈控制和高压机器人，将这些条件连续传递到后续培养和菌落分离环节。系统最终实现了长达180天的高压富集，并在13 MPa条件下完成自动划线、菌落识别和挑取，菌落识别准确率达到94.6%，成功获得两株具有不同压力适应特征的深海细菌，为极端环境微生物从“随机碰运气”式分离走向可控、标准化操作提供了新的技术路径。相关成果以“Closed-loop in situ isolation of deep-sea extremophiles through sensor-driven microenvironment preservation”为题发表在《Nature Sensors》上，冯景春教授为第一作者。
传统深海微生物研究最大的断点，可以概括为“感知到了环境，却没能把环境带回来”。图1a显示，一旦样品离开原位环境，底物浓度、微生物丰度、温度和压力同时发生变化，微生物的代谢状态也会迅速偏离原始状态。DISCUSS的思路则是建立一条贯穿全过程的闭环链路：海底传感器先记录环境，数字孪生将这些参数转化为后续设备的控制目标，再由高压水样采集器、高压沉积物采集器、富集反应器和机器人分离装置依次完成“环境交接”（图1b）。因此，系统做的不只是被动“保压”，而是根据原位数据主动重建微生物所处的物理化学环境。
图1： DISCUSS整体架构。对比传统采样造成的“环境断裂”，展示由原位传感、数字孪生、高压采样、富集培养和机器人分离组成的闭环系统。
但在深海里，首先还要解决“在哪里采”的问题。研究人员将压力、温度、电导率、甲烷、二氧化碳、溶解氧和pH等传感器组合起来，对南海海马冷泉区域进行实时扫描。由于不同传感器响应速度不同，而且深海信号中存在明显噪声，系统先利用Kalman滤波清理数据（图2a），再通过时空聚类计算环境异常程度，形成采样热点图（图2b）。当综合环境得分超过设定阈值，同时信号变化趋于稳定时，采样器才被触发。实际监测到的甲烷异常区域与冷泉羽流等视觉特征高度对应（图2c），说明系统能够根据化学信号真正“找到微生物活跃的地方”。采回来只是第一步，更难的是不能在转移过程中突然掉压。为此，团队设计了主从式同步输运策略：一个泵负责向下游注入样品，另一个泵同步抽吸，通过实时调整流量，使供体和受体之间实现近乎等压转移（图2d），测得峰值压差控制在±0.02 MPa以内。这相当于给样品建立了一条“高压走廊”，避免传统开关阀和人工转移造成的压力冲击。
图2：原位环境识别与等压转移。利用多传感器数据滤波和融合定位冷泉活跃区，并通过主从泵同步控制实现低压差样品转移。
随后，研究人员检验了整套系统能否真正把深海环境稳定维持下来。高压水样和沉积物采样器在回收过程中表现出较高的压力保持能力（图3a、b）；进入实验室后，富集反应器连续运行180天，压力偏差低于2%（图3c）。在最终11天的机器人分离阶段，系统仍能够稳定维持约13 MPa和4 ℃的目标条件（图3d）。更重要的是，这种稳定并不是单纯的工程指标。180天培养过程中，甲烷和硫酸盐持续被消耗，同时二氧化碳和硫化物积累（图3e），群落分析则显示ANME-2a-2b古菌与SEEP-SRB1等硫酸盐还原菌协同富集（图3f、g），表明系统维持了冷泉环境中典型的厌氧甲烷氧化—硫酸盐还原过程。
图3：全流程压力、温度和长期培养验证。系统可维持180天高压富集，并保持厌氧甲烷氧化与硫酸盐还原微生物群落。
当目标微生物被富集起来后，接下来就是最像“实验员操作”的一步：在高压舱里划线分菌。普通机器人如果只按照固定坐标下针，很容易直接扎穿柔软的琼脂。研究人员因此给机械臂增加了力觉。系统一边计算横向摩擦力，一边通过末端力传感器实时调节垂直作用力，根据不同琼脂浓度改变接触策略（图4a）。机器人可以完成平行、三区、四象限和连续Z字形等多种划线方式（图4b），并在整个过程中动态记录垂直力和水平力（图4c）。其中，1.5%琼脂上的连续Z字形划线表现出较均匀的受力和较好的单菌落分离效果。换句话说，研究人员把微生物学家手上的“轻重感觉”，第一次系统地变成了可以测量和控制的数字信号。
图4：高压条件下机器人自动划线。力传感器实时调节机械臂与琼脂接触力，实现不同划线轨迹下的柔顺操作。
有了划线，还必须知道“挑哪一个”。图5展示了视觉和力觉进一步融合后的自动菌落挑取过程。相机首先拍摄培养皿，算法根据圆度、实心度、面积以及局部菌落密度等特征筛选可挑取目标，边缘菌落、粘连菌落或过密区域会被自动排除（图5a、b）。确定目标后，机械臂定位到菌落中心，其XY方向落点精度达到±0.04 mm（图5c），随后再根据琼脂表面实际高度调整插入深度（图5d）。在不同琼脂浓度下，力反馈控制都能让实际接触力稳定跟随设定值（图5e、f），避免因为“下针太重”破坏菌落或培养基。
图5： 视觉—力觉融合的自动菌落识别与挑取。算法筛选适合挑取的单菌落，并利用力反馈完成高精度、低损伤操作。
支撑这套自动挑菌流程的是专门训练的YOLOv11-seg视觉模型。随着训练进行，模型的精确率、召回率和mAP逐渐趋于稳定（图6a）。研究人员又系统比较了不同置信度阈值，在0.44附近获得最高F1值0.88（图6b）。重复定位实验表明，机器人平面误差主要集中在几十微米尺度内（图6c、d）；与此同时，菌落挑取时接触力还能够根据进针深度和琼脂硬度动态变化（图6e）。最终，整套系统在约5000个培养皿规模的数据上实现了94.6%的菌落识别准确率。
图6： YOLOv11-seg视觉识别系统性能。展示模型训练、阈值优化、定位误差以及菌落挑取过程中的力学响应。
工程系统是否真正有价值，最终还要看能不能“捞到”传统流程容易丢失的微生物。研究团队从南海海马冷泉约1300 m水深、约13 MPa环境获得的富集样品中分离出HP_SR9和HP_SR10两株细菌。系统发育分析显示，HP_SR9属于Pseudomonadota，并与Stutzerimonas stutzeri相关类群接近；HP_SR10属于Bacillota，与Priestia/Bacillus类群接近（图7a）。显微观察显示两株细胞均保持完整形态，其中HP_SR9为约2–3 μm的革兰氏阴性细杆菌，HP_SR10为约1–2 μm的革兰氏阳性短杆菌（图7b）。两株菌真正有意思的地方在于“喜欢的压力不一样”。HP_SR9能够较快利用乳酸，并表现出较强的压力耐受性，在0.1至15 MPa范围内均可以生长；HP_SR10则生长启动较慢，却能够持续积累更高的生物量（图7c）。压力梯度实验进一步显示，HP_SR10在13 MPa时生长最好，而在常压下受到明显抑制，表现出明显的嗜压特征（图7d）。这也说明，如果一开始就把样品直接降到常压，一些真正依赖深海高压环境的菌株很可能还没来得及被发现，就已经在培养过程中被“筛掉”了。
图7： 两株深海压力适应菌HP_SR9和HP_SR10的系统发育、形貌、代谢及不同压力下的生长行为。
基因组结果进一步给出了压力适应的分子线索。HP_SR9和HP_SR10基因组大小分别约为4.79 Mb和5.32 Mb（图8a）。ANI分析显示，HP_SR9与Pseudomonas songnenensis的平均核苷酸一致性为99.20%，HP_SR10与Bacillus cereus达到100.00%。两株菌还保留了与膜运输、硫代谢、应激响应等相关的功能基因区域（图8b）。其中，包括与渗透和机械刺激响应相关的MscL机械敏感通道、与DNA完整性维持相关的RecD，以及sat、cys等硫代谢通路（图8c）。这些基因组特征与实验观察到的耐压或嗜压表型相互呼应，为DISCUSS能够维持深海选择压力提供了生物学层面的验证。
图8： 两株分离菌的基因组和压力适应机制，重点展示MscL、RecD以及硫代谢等相关基因和功能通路。
小结
这项工作的意义，并不只在于造出了一套更复杂的深海培养设备，而是改变了极端环境微生物研究的基本逻辑：从“把样品带回来再研究”，转向“把环境参数一起带回来”。作者进一步统计发现，该系统获得的34株分离菌在属水平上的可培养率达到7.7%，高于传统深海培养通常不足1%的水平，其中11株与已知模式菌株的16S rRNA相似度低于98.65%。未来，通过增加多培养皿并行操作、强化可溶性代谢物实时检测以及发展液相高通量培养，这种“传感—判断—调控—分离”的闭环模式还有望拓展到热液喷口、深海海沟甚至极地等极端环境，让更多长期隐藏在“微生物暗物质”中的生命真正进入实验室。
热门跟贴