基于机制模型与气象驱动的番茄链格孢复合病害及毒素风险预测系统构建

针对番茄链格孢（Alternaria）复合病害多物种共存及产毒威胁，本研究开发机制性天气驱动模型ALT-tomato，整合分生孢子产生、传播、侵染、症状发展与毒素（AOH、AME、TeA）积累过程。基于文献参数化A. alternata、A. solani和A. tenuissima的关键生理生态方程，经加拿大、印度、意大利8个田间疫情验证，CCC达0.98，RMSE为0.069，为病害管理与食品安全风险评估提供新工具。

在全球粮食安全与可持续农业的浪潮下，番茄作为重要的经济作物，正面临一场来自微观世界的“隐形战争”。链格孢属（Alternaria）真菌，特别是由A. alternata、A. solani和A. tenuissima等多个物种组成的“疾病复合体”（disease complex），已成为番茄种植业的梦魇。这些病原体不仅导致严重的叶斑和果腐，更可怕的是它们在侵染过程中会产生具有致突变、雌激素和抗有丝分裂活性的霉菌毒素（mycotoxins），如交替赤霉烯醇（alternariol, AOH）、交替赤霉烯醇单甲醚（alternariol monomethyl ether, AME）和细交链孢菌酮酸（tenuazonic acid, TeA）。这些毒素能在果实组织中积累，最终进入番茄酱等加工品，直接威胁消费者健康。尽管欧盟已针对加工番茄中的Alternaria毒素发布了(EU) 2022/553号建议限值，但现有的预测模型大多只关注单一物种（主要是A. solani）的病情发展，或是采用经验统计方法，缺乏对多物种共存、相互作用及毒素产生过程的机制性描述，无法有效指导基于风险的综合管理策略。

为了填补这一空白，来自意大利、印度和加拿大的研究团队在《Frontiers in Plant Science》发表了一项突破性研究。他们开发了一个名为ALT-tomato的机制性、天气驱动模型，旨在同时预测Alternaria属真菌引起的流行病动态及伴随的霉菌毒素污染风险。该研究通过对大量文献数据的系统回顾与数学重构，构建了描述分生孢子（conidia）产生、传播、侵染、症状发展及毒素积累的完整逻辑框架，并在全球三个大洲的八个独立田间疫情数据中验证了模型的准确性。结果表明，ALT-tomato能够高精度地再现不同环境条件下的疫情发展曲线，其一致性相关系数（CCC）高达0.98，平均预测误差（RMSE）仅为0.069，证明了将生物学过程与环境驱动因子相结合是解决番茄Alternaria复合病害管理难题的有效途径。

为实现这一目标，研究者采用了几项关键技术方法。首先，基于系统分析原理，利用文献检索（Scopus, Web of Science, CAB Abstracts）获取的定量数据，构建了关系图（relational diagram）和数学模型框架。其次，采用非线性回归分析（使用R语言的nls函数），对不同实验来源的分散数据进行标准化（0-1范围）处理，拟合了BETE方程、Briere方程和Gompertz方程等，以获得温度（T）、相对湿度（RH）和湿润持续时间（WD）对各生物学过程的影响参数。模型参数化针对A. alternata、A. solani和A. tenuissima三种主要病原进行。最后，利用加拿大（1969, 1971）、印度（2012-2016）和意大利（2017）共八个已发表的田间疫情数据集，通过调整初始接种源参数（k值），对模型的预测能力进行了严格的验证，并使用CCC、RMSE和CRM等指标评估拟合优度。

3.1 Model description

模型基于植物位点（plant site）概念构建，将宿主组织划分为互斥的四个状态：健康（H）、潜伏期（L，已侵染无症状）、传染期（I，有可见病斑并产生孢子）和移除期（R，老熟不产孢病斑）。模型核心是一个基于天气驱动的过程链：越冬/季初接种源（k）产生分生孢子（CPI），经传播（DISR）到达宿主表面（CON''），在满足温湿度条件下侵染健康位点（INFR），经过潜伏期（LATR）进入传染期并产生次级接种体（CSI），同时启动毒素产生（TOXR）并在果实组织中积累（MTOX）。模型以小时步长运行，精确捕捉T、RH和WD的日变化对RcT（温度修正系数）和RcWD（湿润时长修正系数）的影响。

3.2 Production of conidia from primary inoculum sources

初级接种源（CPI）的分生孢子产生速率（SPOR1）受温度（T）和相对湿度（RH）调控。研究采用BETE方程描述温度效应，针对不同物种拟合了特定参数（如A. solani的a=5.068, b=1.383, c=3.511）。RH的影响则通过渐近方程（asymptotic equation）建模，设定RHmin为65%。由于缺少A. alternata和A. tenuissima的RH数据，研究统一使用了基于A. solani数据的方程，体现了数据稀缺下的折衷策略。

3.3 Dispersal of conidia

鉴于Alternaria分生孢子的空气传播具有午后高峰的昼夜节律，且与T正相关、与RH负相关，模型简化了传播过程，假设CON'中的所有孢子均被传播（DISR=1），即CON'' = CON'。

3.4 Infection by conidia

侵染速率（INFR）是决定疫情发展的关键。它由修正后的基础侵染率（Rc）、病害位点校正因子（CF）、宿主感病性（HS）和孢子密度共同决定。其中Rc进一步分解为最适条件下的RcOPT和受T及WD调控的修正项（RcT和RcWD）。值得注意的是，对于RcWD，由于缺乏A. alternata的数据，研究巧妙地利用其与A. tenuissima在萌发响应上的高度一致性（R²=0.999），借用了后者的参数化结果，展示了模型构建中的数据整合智慧。

3.5 Latency period and secondary inoculum production

潜伏期（LP）固定为7天，符合文献报道的平均值。模型假设病斑在整个生长期都能产孢，因此移除速率（REMR）设为0，这意味着一旦进入传染期（I），位点将持续贡献次级接种源（CSI），直至生长季结束，这反映了Alternaria在多种基质上持续产孢的特性。

3.6 Mycotoxin production

这是模型的一大亮点，首次将毒素动力学纳入预测框架。毒素产生速率（TOXR）取决于温度（T）、侵染后天數（DaI）和宿主生长阶段（GS）。对于AOH、AME和TeA，分别构建了基于Gompertz方程一阶导数的时间效应函数f'(DaI)。结果显示，三种毒素的动力学参数各异，例如TeA的m值（0.254）低于AOH（0.462），暗示其积累模式可能不同。此外，模型设定只有当番茄进入BBCH 71阶段（果实达到典型大小和形状）后，果实才被视为易感并计入毒素积累。

3.7 Predicted disease severity and mycotoxin contamination risk

模型输出的病情严重度（DS）定义为传染期和移除期位点的总和（DS = I + R）。霉菌毒素风险则以MTOX变量累积每日的TOXR值来表示。模拟输出清晰地展示了从健康位点减少、潜伏位点增加到病情爆发及毒素水平攀升的动态过程。

3.8 Model validation in predicting Alternaria spp. epidemics

模型在多样化的环境中表现稳健。在加拿大渥太华（CA-69, CA-71）凉爽湿润的条件下，以及在印度班加罗尔（KA-12至KA-16）不同温湿度的年份中，模型均能准确预测疫情轨迹，CCC均大于0.98，RMSE小于0.075。例如，KA-14和KA-15温暖湿润，累计WD分别达到652和1369小时，模型成功捕捉到了高强度的疫情发展。在意大利福贾（IT-17）较干燥的条件下，模型虽略微低估了发病速度（CRM=0.055），但总体趋势预测准确，CCC仍达到0.95。整体来看，预测值与观测值的散点图紧贴完美拟合线，证实了模型的普适性。

综上所述，ALT-tomato模型的成功构建与验证，标志着番茄Alternaria复合病害管理进入了机制建模的新阶段。该研究的重要意义在于：首先，它突破了传统模型仅关注单一物种（如A. solani）或单一过程（如侵染预测）的限制，首次在一个统一的框架内整合了多物种（A. alternata, A. solani, A. tenuissima）的生命周期关键节点与毒素代谢路径，更真实地反映了田间复杂的病理系统。其次，模型揭示了环境因素（特别是T和WD）对从孢子产生到毒素积累的每一步都具有决定性调控作用，强调了在多变气候下进行动态风险预测的必要性。虽然模型在物种特异性细节（如某些物种的RH响应数据缺失）上仍有简化，但其在宏观疫情尺度上的高精度预测（高CCC，低RMSE）证明，在现有数据条件下，聚焦于共享的环境驱动过程而非过度的物种细分，是构建实用型预测工具的明智策略。最后，ALT-tomato不仅是一个病情预测器，更是一个毒素风险评估器，它输出的MTOX变量直接与欧盟法规中的限量标准相关联，为从“治病”向“控毒”的食品安全导向型农业实践提供了强有力的决策支持。未来，随着更多关于物种组成动态和微环境因子数据的积累，该框架有望进一步细化，成为连接实验室生物学研究与田间精准管理的核心枢纽。