# Phylogenetic signal in fungal endophyte antagonism predicts synthetic community efficacy against plant pathogens

## Metadata

- **SPORE ID**: SPR-2026-4728
- **Domaines**: Plant and animal studies x Plant Pathogens and Fungal Diseases
- **Date de generation**: 2026-09-24
- **Panel consensus score**: 6.1/10
- **Novelty score**: 0.72/1.0
- **Panel verdict**: publish_brief

## Abstract

If antagonistic traits of fungal endophytes against plant pathogens exhibit a significant phylogenetic signal (Pagel's λ ≥ 0.3) across the fungal tree of life, then phylogenetically guided selection of untested endophytes will predict their in vitro and in planta antagonistic efficacy better than random selection, because shared biosynthetic gene clusters and conserved ecological strategies underlie trait inheritance.

The proposed mechanism involves 7 causal steps: (1) Endophytic fungi possess biosynthetic gene clusters (BGCs) and effector genes en -> (2) These genes are vertically inherited and subject to purifying selection, leading -> (3) The strength and specificity of antagonism against a given pathogen depend on th -> (4) Phylogenetic signal (Pagel's λ) quantifies the degree to which antagonistic trai.

Literature grounding on 10 verified references yields a novelty score of 0.72 (novel). A 3-phase experimental protocol (budget: €18k-120k, timeline: 10-20 months) is proposed, starting with in silico validation. A panel of 5 expert reviewers reached a consensus score of 6.1/10.

## 1. Hypothese et mecanisme propose

### 1.1 Formulation formelle

If antagonistic traits of fungal endophytes against plant pathogens exhibit a significant phylogenetic signal (Pagel's λ ≥ 0.3) across the fungal tree of life, then phylogenetically guided selection of untested endophytes will predict their in vitro and in planta antagonistic efficacy better than random selection, because shared biosynthetic gene clusters and conserved ecological strategies underlie trait inheritance.

### 1.2 Variables

**Variables independantes :**

| Variable | Type | Plage | Unite |
|----------|------|-------|-------|
| Phylogenetic distance between donor and recipient endophyte species | continuous | 0.01-1.5 | substitutions per site (branch length) |
| Endophyte species identity (phylogenetic position) | categorical | ≥100 species across Ascomycota and Basidiomycota | taxon ID |
| Antagonistic mechanism class | categorical | antibiosis, mycoparasitism, VOC production, induced systemic resistance | mechanism category |
| Pathogen focal species | categorical | Fusarium graminearum, Botrytis cinerea, Rhizoctonia solani, Magnaporthe oryzae | pathogen ID |
| Agricultural intensification index | ordinal | low (extensive), medium (integrated), high (conventional) | categorical score 1-3 |

**Variables dependantes :**

| Variable | Type | Direction attendue | Unite |
|----------|------|-------------------|-------|
| In vitro antagonism score (dual-culture inhibition) | continuous | increase | percentage of pathogen radial growth inhibition (%) |
| Mycoparasitism incidence | continuous | increase | percentage of hyphal contact sites with coiling/lysis (%) |
| VOC-mediated inhibition | continuous | increase | percentage of pathogen biomass reduction in split-plate assay (%) |
| Antibiosis zone of clearance | continuous | increase | mm of inhibition halo |
| In planta disease severity | continuous | decrease | lesion area (mm²) or disease index (0-100) |
| Pathogen load (qPCR) | continuous | decrease | pathogen DNA copies per ng plant DNA |
| Phylogenetic signal (Pagel's λ) | continuous | non-monotonic | dimensionless (0-1) |
| SynCom protection efficacy | continuous | increase | percentage reduction in disease relative to untreated control (%) |

### 1.3 Chaine causale

1. Step 1: Endophytic fungi possess biosynthetic gene clusters (BGCs) and effector genes encoding antagonistic traits (antibiotics, cell wall-degrading enzymes, VOC synthases).
1. Step 2: These genes are vertically inherited and subject to purifying selection, leading to phylogenetic conservation of antagonistic phenotypes within clades.
1. Step 3: The strength and specificity of antagonism against a given pathogen depend on the phylogenetic distance between endophyte and pathogen, as well as the endophyte's phylogenetic position.
1. Step 4: Phylogenetic signal (Pagel's λ) quantifies the degree to which antagonistic trait variation is explained by shared ancestry across the fungal tree of life.
1. Step 5: A predictive model incorporating phylogeny, BGC content, and mechanism class can forecast the antagonistic efficacy of untested endophytes against focal pathogens.
1. Step 6: Synthetic communities assembled from phylogenetically guided predictions will suppress disease more effectively than random communities of equivalent diversity.
1. Step 7: Agricultural intensification reduces endophyte diversity and disrupts phylogenetic structure, eroding natural biocontrol services.

**Hypotheses cles :**

- Antagonistic traits are measurable in vitro and correlate with in planta efficacy.
- The fungal phylogeny used is accurate and resolves relationships at the species level.
- Horizontal gene transfer (HGT) of BGCs does not overwhelm vertical inheritance signal (HGT rate < 10% of trait variance).
- Environmental conditions (pH, water activity, light) are standardized and do not differentially affect endophyte growth.
- Pathogen strains used are representative of field populations.

**Inconnues identifiees :**

- The exact rate of HGT for antagonistic BGCs among endophytic fungi.
- Whether phylogenetic signal is consistent across different pathogen taxa.
- The extent to which epigenetic regulation silences BGCs in vitro.
- The long-term stability of SynComs in field conditions.
- The impact of agricultural intensification on phylogenetic diversity of endophytes.

### 1.4 Conditions aux limites

- **In vitro assays must be performed at pH 6.5-7.0, water activity 0.98-1.00, and 22-25°C under 12h light/dark cycles.** — These conditions standardize growth and antagonism expression; deviations may alter BGC expression and volatile production.
- **Phylogenetic analysis requires a well-resolved tree with ≥100 species and <10% missing data.** — Insufficient taxon sampling or unresolved nodes reduce power to detect phylogenetic signal.
- **HGT rate for antagonistic BGCs must be below 10% of trait variance.** — High HGT can obscure vertical inheritance signal, invalidating phylogenetic prediction.
- **In planta trials must use a single pathogen strain and a susceptible host genotype.** — Host resistance and pathogen variability can confound SynCom efficacy.
- **SynComs must be assembled with species that are culturable and stable in co-culture.** — Non-culturable or incompatible species cannot be used in synthetic communities.

### 1.5 Cadre theorique

Phylogenetic niche conservatism and community assembly theory

## 2. Etat de l'art et positionnement

### 2.1 Travaux les plus proches

- **[2019] A conceptual framework for the phylogenetically constrained assembly of microbial communities** — [10.1186/s40168-019-0754-y](https://doi.org/10.1186/s40168-019-0754-y)
  - Similarite: high
  - Difference cle: This paper establishes that microbial community assembly is phylogenetically constrained and that traits show phylogenetic signal, but it does not specifically address endophytic fungal antagonism against plant pathogens, nor does it propose predicting biocontrol efficacy from phylogeny or engineering synthetic communities for crop protection.
- **[2026] Engineering the plant microbiome: synthetic community approaches to enhance crop protection** — [10.3389/fpls.2025.1705289](https://doi.org/10.3389/fpls.2025.1705289)
  - Similarite: high
  - Difference cle: This paper reviews SynCom design for crop protection using ecological principles and computational tools, but it does not propose phylogenetic conservation of antagonistic traits as a predictive framework for selecting untested endophytes, nor does it link agricultural intensification to erosion of phylogenetically conserved biocontrol functions.
- **[2020] Inhibition of plant pathogenic fungi by endophytic Trichoderma spp. through mycoparasitism and volatile organic compounds.** — [10.1016/j.micres.2020.126595](https://doi.org/10.1016/j.micres.2020.126595)
  - Similarite: moderate
  - Difference cle: This paper demonstrates antagonistic mechanisms within a single genus (Trichoderma), providing a case study consistent with phylogenetic conservation, but it does not test phylogenetic signal across the fungal tree of life or propose a predictive framework.
- **[2009] Mycoparasitism of Endophytic Fungi Isolated From Reed on Soilborne Phytopathogenic Fungi and Production of Cell Wall-Degrading Enzymes In Vitro** — [10.1007/s00284-009-9477-9](https://doi.org/10.1007/s00284-009-9477-9)
  - Similarite: moderate
  - Difference cle: This paper documents mycoparasitism by endophytic fungi from reed against soilborne pathogens, but it does not examine phylogenetic relationships among the endophytes or test whether antagonistic traits are phylogenetically conserved.

### 2.2 Base de preuves

- **[2020] Inhibition of plant pathogenic fungi by endophytic Trichoderma spp. through mycoparasitism and volatile organic compounds.** — [10.1016/j.micres.2020.126595](https://doi.org/10.1016/j.micres.2020.126595)
  - Type: indirect | Citations: 171
  - Demonstrates that multiple endophytic Trichoderma species share antagonistic mechanisms (mycoparasitism, VOCs) against plant pathogens, consistent with phylogenetic conservation within a genus.
- **[2015] Endophytic Trichoderma gamsii YIM PH30019: a promising biocontrol agent with hyperosmolar, mycoparasitism, and antagonistic activities of induced volatile organic compounds on root-rot pathogenic fungi of Panax notoginseng** — [10.1016/j.jgr.2015.09.006](https://doi.org/10.1016/j.jgr.2015.09.006)
  - Type: indirect | Citations: 156
  - Shows that an endophytic Trichoderma species exhibits multiple antagonistic activities (mycoparasitism, VOCs) against root-rot pathogens, supporting the idea that antagonistic traits are shared among closely related endophytes.
- **[2009] Mycoparasitism of Endophytic Fungi Isolated From Reed on Soilborne Phytopathogenic Fungi and Production of Cell Wall-Degrading Enzymes In Vitro** — [10.1007/s00284-009-9477-9](https://doi.org/10.1007/s00284-009-9477-9)
  - Type: indirect | Citations: 67
  - Documents mycoparasitism as a mechanism of antagonism by endophytic fungi, one of the mechanisms proposed to be phylogenetically conserved.
- **[2019] A conceptual framework for the phylogenetically constrained assembly of microbial communities** — [10.1186/s40168-019-0754-y](https://doi.org/10.1186/s40168-019-0754-y)
  - Type: direct | Citations: 40
  - Provides the theoretical foundation that microbial traits and ecological coherence are phylogenetically conserved, directly supporting the hypothesis that antagonistic traits in endophytic fungi are phylogenetically conserved.
- **[2026] Engineering the plant microbiome: synthetic community approaches to enhance crop protection** — [10.3389/fpls.2025.1705289](https://doi.org/10.3389/fpls.2025.1705289)
  - Type: indirect | Citations: 29
  - Discusses SynCom design for crop protection, supporting the feasibility of engineering synthetic endophytic communities, but does not address phylogenetic prediction.
- **[2022] Epigenetic Activation of Silent Biosynthetic Gene Clusters in Endophytic Fungi Using Small Molecular Modifiers** — [10.3389/fmicb.2022.815008](https://doi.org/10.3389/fmicb.2022.815008)
  - Type: indirect | Citations: 48
  - Highlights that endophytic fungi harbor biosynthetic gene clusters for secondary metabolites, which could underlie phylogenetic conservation of antagonistic traits.
- **[2020] Metabolomic-guided discovery of cyclic nonribosomal peptides from Xylaria ellisii sp. nov., a leaf and stem endophyte of Vaccinium angustifolium** — [10.1038/s41598-020-61088-x](https://doi.org/10.1038/s41598-020-61088-x)
  - Type: indirect | Citations: 30
  - Shows that an endophytic Xylaria species produces novel antimicrobial compounds, supporting the link between biosynthetic gene clusters and antagonistic potential.
- **[2024] Biodiversity–production feedback effects lead to intensification traps in agricultural landscapes** — [10.1038/s41559-024-02349-0](https://doi.org/10.1038/s41559-024-02349-0)
  - Type: analogous | Citations: 47
  - Provides evidence that agricultural intensification leads to biodiversity loss and production declines, analogous to the proposed erosion of endophyte-mediated biocontrol services.

### 2.3 Contre-preuves et limitations connues

- **[minor] A bacterial endophyte exploits chemotropism of a fungal pathogen for plant colonization**
  - This study shows that a bacterial endophyte (Rahnella aquatilis) antagonizes a fungal pathogen through pH-mediated chemotaxis and exploitation of hyphae, a mechanism not necessarily phylogenetically conserved among fungi. It highlights that antagonistic mechanisms can be highly specific and not predictable from fungal phylogeny alone.
- **[minor] Towards unlocking the biocontrol potential of Pichia kudriavzevii for plant fungal diseases: in vitro and in vivo assessments with candidate secreted protein prediction**
  - This paper identifies biocontrol potential in Pichia kudriavzevii, a yeast, and predicts secreted proteins as candidate effectors. It suggests that antagonistic traits may be mediated by secreted proteins that could be species-specific rather than broadly conserved across fungal phylogeny.

### 2.4 Evaluation de nouveaute

- **Score**: 0.72/1.0
- **Verdict**: novel

## 3. Predictions falsifiables

| # | Prediction | Borne quantitative | Methode | H0 | Test statistique |
|---|-----------|-------------------|---------|-----|-----------------|
| 1 | Pagel's λ for in vitro antagonism score against Fusarium graminearum is significantly greater than 0 and less than 1. | λ = 0.3-0.7 (95% CI), p < 0.01 | Phylogenetic signal analysis using Pagel's λ on a time-calibrated tree of ≥100 species with antagonism scores from dual-culture assays. | H0: λ = 0 (no phylogenetic signal; trait evolves independently of phylogeny). | Likelihood ratio test comparing λ = 0 vs. λ estimated, alpha = 0.05, with 1000 simulations under Brownian motion. |
| 2 | Phylogenetically guided prediction of antagonism (based on trait values of close relatives) explains more variance in observed antagonism than random prediction. | R² ≥ 0.4 for phylogenetic prediction vs. R² ≤ 0.1 for random, difference significant at p < 0.001 | Cross-validated phylogenetic imputation (e.g., using phylolm or RPANDA) on held-out species; compare predicted vs. observed antagonism scores. | H0: R²_phylogenetic = R²_random (no difference in predictive power). | Paired t-test or Wilcoxon signed-rank test on cross-validated R² values, alpha = 0.05. |
| 3 | SynComs designed using phylogenetic predictions reduce disease severity by at least 30% more than random SynComs of equivalent species richness. | Mean disease reduction: predicted SynCom = 50-70%, random SynCom = 20-40%, difference ≥ 30 percentage points (95% CI: 15-45), p < 0.01 | In planta greenhouse trials with focal pathogen (e.g., Fusarium graminearum on wheat), disease index measured at 14 days post-inoculation; compare predicted vs. random SynComs. | H0: no difference in disease reduction between predicted and random SynComs. | Linear mixed-effects model with SynCom type as fixed effect and block as random effect, ANOVA, alpha = 0.05. |
| 4 | The strength of phylogenetic signal (λ) is clade-specific and higher for antibiosis than for mycoparasitism. | λ_antibiosis = 0.5-0.8, λ_mycoparasitism = 0.1-0.4, difference significant at p < 0.05 | Separate Pagel's λ estimates for each mechanism class using trait data from ≥100 species; compare λ values with likelihood ratio tests. | H0: λ_antibiosis = λ_mycoparasitism (no difference in phylogenetic signal between mechanisms). | Likelihood ratio test comparing models with equal vs. different λ for each mechanism, alpha = 0.05. |
| 5 | Agricultural intensification index is negatively correlated with endophyte phylogenetic diversity and biocontrol potential. | Spearman's ρ ≤ -0.5 between intensification index and phylogenetic diversity (Faith's PD) or mean antagonism score, p < 0.01 | Field survey of endophytes from crops across intensification gradients; measure phylogenetic diversity and in vitro antagonism against focal pathogens. | H0: ρ = 0 (no correlation between intensification and endophyte phylogenetic diversity or antagonism). | Spearman's rank correlation, alpha = 0.05, with correction for multiple comparisons. |

## 4. Protocole experimental

**Timeline globale**: 10-20 months
**Budget global**: €18k-120k

### 4.1 Phase 1 — In Silico Validation

**Objectif**: Test whether antagonistic traits (in vitro inhibition, mycoparasitism, VOC, antibiosis) exhibit significant phylogenetic signal (Pagel's λ ≥ 0.3) across ≥100 endophyte species, and whether phylogeny-based imputation predicts antagonism better than random.

**Methodologie**: 1) Assemble a curated trait database from published dual-culture, split-plate VOC, and mycoparasitism assays (literature mining + targeted re-extraction from 8 evidence-base papers and >200 additional studies via Web of Science/Scopus queries). 2) Build a time-calibrated species-level phylogeny of ≥100 Ascomycota/Basidiomycota endophytes using ITS+LSU+tef1+rpb2 sequences retrieved from NCBI GenBank; align with MAFFT v7, infer with IQ-TREE 2 (ModelFinder, 1000 UFBoot), date with treePL or BEAST 2 using published fungal calibration points. 3) Compute Pagel's λ, Blomberg's K, and phylogenetic half-life (phylolm) for each antagonism trait against each focal pathogen (F. graminearum, B. cinerea, R. solani, M. oryzae) using phytools, ape, and caper in R. 4) Run likelihood-ratio tests (λ=0 vs estimated) with 1000 Brownian-motion simulations. 5) Cross-validated phylogenetic imputation (phylolm, RPANDA, and a phylogenetic GLS with BGC-covariate) on 20% held-out species; compare R² vs random-shuffle baseline. 6) Test clade-specific λ for antibiosis vs mycoparasitism via multi-λ models (OUwie, phytools fitMultiBM). 7) Meta-analyze HGT rate for antagonistic BGCs from published fungal pangenome studies (antiSMASH 7 + BiG-SLiCE) to bound HGT contribution to trait variance.

- Cout: €0-2000
- Duree: 4-8 weeks
- Equipement: Workstation with ≥32 GB RAM (or institutional HPC allocation)
- Logiciels: R 4.4+ with ape, phytools, caper, phylolm, RPANDA, OUwie, geiger, IQ-TREE 2, MAFFT v7, BEAST 2 or treePL, antiSMASH 7, BiG-SLiCE, Trimal, FigTree

**Criteres de succes :**

- Pagel's λ for in vitro antagonism vs F. graminearum: λ ≥ 0.3 with 95% CI excluding 0, p < 0.01 (LRT vs λ=0)
- Phylogenetic imputation R² vs random: R²_phylo ≥ 0.4 and R²_random ≤ 0.1, difference p < 0.001
- HGT contribution to trait variance: < 10% of total trait variance
- Clade-specific λ difference (antibiosis vs mycoparasitism): Δλ ≥ 0.2, p < 0.05

- **GO**: λ ≥ 0.3 for at least 2 of 4 antagonism traits against ≥2 pathogens AND phylogenetic imputation R² ≥ 0.4 AND HGT < 10% variance
- **NO-GO**: λ < 0.1 for all traits OR phylogenetic imputation R² ≤ 0.1 OR HGT > 30% variance (phylogenetic prediction invalid)
- **PIVOT**: λ between 0.1-0.3 or R² 0.1-0.4: pivot to trait-based (BGC-content) prediction model without phylogenetic weighting, and re-scope Phase 2 to test BGC-based prediction instead

### 4.2 Phase 2 — Minimal Experimental Validation

**Objectif**: Empirically confirm in vitro that (a) antagonistic traits are phylogenetically structured in a focal clade, and (b) phylogenetically guided selection predicts antagonism better than random, using the smallest tractable species set.

**Methodologie**: 1) Select 24 endophyte species spanning the focal clade identified in Phase 1 (e.g., Hypocreales + Xylariales), including 12 species with published antagonism data and 12 untested close relatives (phylogenetic pairs at varying distances). 2) Obtain strains from public culture collections (CBS-KNAW, ATCC, DSMZ) or isolate from field-collected asymptomatic plant tissue (surface sterilization + PDA/MEA isolation). 3) Perform dual-culture assays against F. graminearum and B. cinerea on PDA at pH 6.8, aw 0.99, 23°C, 12h light/dark, 4 replicates; measure radial growth inhibition (%) at 7 days. 4) Split-plate VOC assay (I-plate) with pathogen biomass (dry weight) at 7 days. 5) Mycoparasitism incidence via light microscopy (coiling/lysis at ≥100 contact sites per pair). 6) Antibiosis halo (mm) on agar. 7) Re-estimate Pagel's λ on the 24-species subset and compute cross-validated R² for phylogenetic vs random prediction of the 12 untested species. 8) Confirm BGC presence via antiSMASH on draft genomes (Illumina 2×150, ~50× coverage) of the 24 strains.

- Cout: €8k-15k
- Duree: 2-3 months
- Equipement: Biosafety level 2 mycology lab, Laminar flow hood, Incubators (12h light/dark, 23°C), Plate reader / image analysis station (ImageJ), Light microscope with camera, Illumina MiSeq or NovaSeq (outsourced), qPCR instrument (optional for BGC expression)
- Logiciels: ImageJ / Fiji for radial growth measurement, R (phytools, phylolm), antiSMASH 7, FastQC, SPAdes, BUSCO

**Criteres de succes :**

- Pagel's λ on 24-species subset: λ ≥ 0.3, p < 0.05
- Phylogenetic prediction R² vs random on 12 untested species: R²_phylo ≥ 0.4 and R²_random ≤ 0.1, p < 0.05
- Correlation between in vitro inhibition and BGC count: Spearman ρ ≥ 0.4, p < 0.05
- Assay reproducibility: CV < 15% across 4 replicates

- **GO**: λ ≥ 0.3 AND R²_phylo ≥ 0.4 AND R²_phylo - R²_random ≥ 0.3 AND BGC-inhibition ρ ≥ 0.4
- **NO-GO**: λ < 0.1 OR R²_phylo ≤ 0.1 OR no correlation between in vitro and BGC content
- **PIVOT**: λ 0.1-0.3 or R²_phylo 0.1-0.4: pivot to BGC-content-based prediction (drop phylogenetic weighting) and re-design Phase 3 SynComs using BGC profiles instead of phylogeny

### 4.3 Phase 3 — Full Experimental Protocol

**Objectif**: Rigorously validate that phylogenetically guided SynComs suppress plant disease more effectively than random SynComs of equivalent richness, across multiple pathogens and an agricultural intensification gradient, producing a publishable, generalizable result.

**Methodologie**: 1) Expand to ≥100 endophyte species (from Phase 1 + new isolates) with full in vitro phenotyping (dual-culture, VOC, mycoparasitism, antibiosis) and draft genomes (antiSMASH BGC catalogues). 2) Build final time-calibrated phylogeny and estimate Pagel's λ per trait × pathogen. 3) Design SynComs: (a) phylogenetically guided (top predicted antagonists from distinct clades, maximizing phylogenetic diversity), (b) random (equivalent richness, random species), (c) monocultures of top predicted species, (d) untreated control. Richness levels: 3, 6, 12 species. 4) Greenhouse trials: wheat (F. graminearum, R. solani), tomato (B. cinerea), rice (M. oryzae) — susceptible genotypes, single pathogen strain per trial, 6 blocks, 10 plants per treatment. Measure disease index (0-100) at 14 dpi, lesion area (mm²), pathogen load by qPCR (pathogen DNA per ng plant DNA), and plant biomass. 5) Field trials (2 sites × 2 years) along an agricultural intensification gradient (low/medium/high, score 1-3): survey endophyte diversity, Faith's PD, and in vitro antagonism; test SynCom efficacy in plots. 6) Statistical models: linear mixed-effects (lme4/nlme) with SynCom type, richness, and intensification as fixed effects, block/site/year as random; ANOVA + Tukey; Spearman correlation for intensification vs PD/antagonism. 7) Stability: SynCom persistence in rhizosphere/endosphere by ITS amplicon sequencing (Illumina MiSeq) at 0, 14, 30, 60 dpi. 8) Pre-register on OSF; publish data and code on Zenodo/GitHub.

- Cout: €60k-200k
- Duree: 12-18 months
- Equipement: Greenhouse with climate control (22-25°C, 60-70% RH, 12h light), Field trial sites (2 locations, 3 intensification levels), qPCR instrument, Illumina MiSeq/NovaSeq (amplicon + genome), Plate reader, microscope, laminar hoods, Plant growth chambers
- Logiciels: R (lme4, nlme, phylolm, phytools, vegan, phyloseq), QIIME 2 / DADA2 for amplicon, antiSMASH 7, ImageJ, SAS or R for mixed models

**Criteres de succes :**

- SynCom disease reduction (predicted vs random): Predicted SynCom ≥ 30 percentage points more reduction than random, 95% CI excluding 0, p < 0.01
- Phylogenetic signal across full dataset: Pagel's λ ≥ 0.3 for ≥2 traits × ≥2 pathogens, p < 0.01
- Predictive model R²: Cross-validated R² ≥ 0.4 for phylogenetic + BGC model vs R² ≤ 0.1 random
- Intensification vs endophyte PD/antagonism: Spearman ρ ≤ -0.5, p < 0.01
- SynCom persistence: ≥ 50% of introduced species detected at 60 dpi

- **GO**: Predicted SynCom ≥ 30 pp better than random in ≥2 pathosystems AND model R² ≥ 0.4 AND λ ≥ 0.3 AND intensification ρ ≤ -0.5
- **NO-GO**: Predicted SynCom not different from random (Δ ≤ 10 pp) OR model R² ≤ 0.1 OR λ < 0.1
- **PIVOT**: Predicted SynCom 10-30 pp better than random: pivot to optimizing SynCom assembly rules (BGC complementarity, niche overlap) rather than pure phylogenetic selection; publish as proof-of-concept with revised model

### 4.4 Quick start : comment demarrer aujourd'hui

- **Peut demarrer maintenant**: Oui
- **Premiere action**: Download the 8 evidence-base papers and extract all reported antagonism trait values (species, pathogen, assay type, inhibition %) into a standardized CSV; simultaneously query NCBI GenBank for ITS/LSU/tef1/rpb2 sequences of the listed species and their close relatives.
- **Outils**: R 4.4+ with ape, phytools, caper, phylolm, IQ-TREE 2, MAFFT v7, antiSMASH 7, Zotero or Rayyan for literature mining, NCBI GenBank / Entrez Direct
- **Donnees ouvertes**: NCBI GenBank (https://www.ncbi.nlm.nih.gov/genbank/), MIBiG 3.0 (https://mibig.secondarymetabolites.org/), antiSMASH-DB (https://antismash-db.secondarymetabolites.org/), TreeBASE (https://treebase.org/), Fungal Trait Database (https://www.fungaltraits.org/), GlobalFungi (https://globalfungi.com/), OSF Preprints (https://osf.io/)

## 5. Analyse d'impact

### 5.1 Impact scientifique

Novelty score: 0.72/1.0 (novel)

### 5.2 Applications industrielles et marche

**Score industriel**: 6.5/10

**Forces :**
- Le marché des biopesticides et biofertilisants microbiens croît à un CAGR de 12-15% et pèsera 10-15 milliards d'euros d'ici 2030. Des acteurs comme Bayer (acquisition de Ginkgo Bioworks), Syngenta (Biologicals), Corteva (avec l'accord sur les endophytes) et des pure-players comme Pivot Bio, BioConsortia ou Lallemand Plant Care paieraient pour un pipeline prédictif qui réduit le coût de découverte de nouveaux consortia synthétiques. Le coût actuel de screening d'un consortium efficace est de 500k-2M€ ; une méthode qui prédit l'efficacité avec R²≥0.4 et λ≥0.3 pourrait réduire ce coût de 40-60%.
- L'avantage compétitif est double : (1) un moteur de prédiction propriétaire basé sur la phylogénie et les biosynthetic gene clusters (BGC) qui crée un avantage de données cumulatif (plus on teste d'espèces, plus le modèle s'améliore) ; (2) une propriété intellectuelle sur les combinaisons SynCom prédites, pas seulement sur les souches individuelles. Les concurrents qui criblent au hasard ne peuvent pas rattraper cet avantage sans investir dans une base de données phylogénétique équivalente.

**Faiblesses :**
- La barrière à l'entrée est faible pour les concurrents qui disposent déjà de collections de souches et de pipelines de screening à haut débit (BASF, Bayer, Syngenta). La phylogénie n'est pas brevetable en soi ; seule l'application à des clades spécifiques et les SynComs résultants peuvent l'être. Le protocole proposé (18k-120k€) est un budget de recherche académique, pas de développement industriel : il ne couvre ni l'échelle, ni la réglementation, ni la formulation.
- Le risque commercial majeur est que le signal phylogénétique soit trop faible ou trop clade-spécifique pour être généralisable. Si λ<0.3 dans la plupart des clades, la prédiction ne bat pas le hasard, et l'ensemble de la proposition s'effondre. De plus, la réglementation des biopesticides (EPA, EFSA) exige des données d'efficacité au champ sur plusieurs années, ce qui allonge la timeline de 3-5 ans après la validation expérimentale. Enfin, les endophytes fongiques peuvent avoir des effets non ciblés sur le microbiome natif, ce qui complique l'homologation.

**Recommandation**: Concentrez-vous d'abord sur la phase 1 in silico (4-8 semaines, 2k€) pour vérifier que λ≥0.3 et R²≥0.4 sur au moins 2 traits et 2 pathogènes. Si c'est validé, déposez un brevet provisoire sur la méthode de sélection phylogénétique appliquée à un clade fongique spécifique (ex. Trichoderma, Beauveria) et cherchez un partenariat avec un acteur de taille moyenne (Lallemand, Koppert, Biobest) plutôt qu'avec Bayer ou Syngenta, qui voudront tout internaliser. La phase 3 (200k€) doit être cofinancée par un industriel ou un programme européen (Horizon Europe, EIC Accelerator) pour valider l'efficacité in planta sur blé contre Fusarium. Sans partenaire industriel à ce stade, le projet reste académique et le ROI est nul.

### 5.3 Opportunites de financement

| Programme | Agence | Fit | Budget type | Taux succes |
|-----------|--------|-----|-------------|-------------|
| ANR JCJC 2026 (Jeunes Chercheuses et Jeunes Chercheurs) | Agence Nationale de la Recherche (ANR) | 0.85 | 200–400 k€ sur 36–48 mois | ≈ 15–20 % selon les éditions |
| ERC Starting Grant 2026 | European Research Council (ERC) | 0.7 | 1,5–2 M€ sur 5 ans | ≈ 10–12 % |
| HORIZON-CL6-2026-02-BIODIV-01 : Biocontrol and integrated pest management for sustainable agriculture | Commission Européenne (Horizon Europe, Cluster 6) | 0.75 | 3–6 M€ sur 36–48 mois (consortium de 6–10 partenaires) | ≈ 12–15 % |

- **ANR JCJC 2026 (Jeunes Chercheuses et Jeunes Chercheurs)** (Agence Nationale de la Recherche (ANR)): L'ANR JCJC est idéale pour un porteur unique souhaitant financer les phases 1 et 2 (in silico + validation expérimentale minimale) avec un budget modeste et un TRL 2–3. Le format encourage la prise de risque et l'originalité, ce qui correspond exactement à l'hypothèse du signal phylogénétique comme prédicteur de l'efficacité des SynComs.
- **ERC Starting Grant 2026** (European Research Council (ERC)): L'ERC Starting Grant finance des projets frontière à haut risque et à long terme, ce qui correspond à la vision générale de l'hypothèse (phylogénie comme cadre prédictif universel). Cependant, le TRL actuel est trop bas et le consortium non constitué : il faut d'abord des données préliminaires solides (phase 1–2) avant de soumettre, sinon le projet sera perçu comme spéculatif.
- **HORIZON-CL6-2026-02-BIODIV-01 : Biocontrol and integrated pest management for sustainable agriculture** (Commission Européenne (Horizon Europe, Cluster 6)): Cet appel cible explicitement des solutions de biocontrôle innovantes et durables pour l'agriculture, avec une attente de démonstration in planta et de consortium multi-acteurs. La phase 3 du protocole (SynComs phylogénétiquement guidés, gradient d'intensification agricole) correspond parfaitement aux attendus, mais nécessite un consortium élargi incluant des partenaires industriels et des instituts agricoles.

**Recommandation financement**: Ciblez d'abord un appel ANR à faible TRL (JCJC ou PRC) pour financer les phases 1–2 et produire une preuve de concept publiable, puis capitalisez sur ces résultats pour viser un ERC Starting Grant ou un appel Horizon Europe (HORIZON-CL6) en phase 3. Évitez de soumettre directement en ERC sans données préliminaires : le risque de rejet pour manque de faisabilité est trop élevé.

## 6. Panel Review Summary

| Reviewer | Score | Verdict | Point cle |
|----------|-------|---------|-----------|
| methodologist | 7.5/10 | accept | Protocole structuré en trois phases avec des critères GO/NO-GO et des seuils quantitatifs explicites (λ ≥ 0,3, R² ≥ 0,4, etc.), ce qui facilite la reproductibilité et limite les décisions ad hoc. |
| domain_expert | 6.5/10 | weak_accept | L'hypothèse s'appuie sur un cadre théorique solide et bien établi : le phylogenetic niche conservatism et la conservation phylogénétique des traits microbiens (Aguirre de Cárcer 2019). L'idée d'étendre ce cadre à l'antagonisme fongique contre les phytopathogènes est conceptuellement cohérente et représente une avancée logique par rapport à la littérature existante. |
| contrarian | 3.5/10 | weak_reject | L'hypothèse est falsifiable et les auteurs spécifient des valeurs seuils (λ ≥ 0.3, R² ≥ 0.4, réduction de maladie ≥ 30%) qui permettent des tests statistiques clairs. |
| industrialist | 6.5/10 | weak_accept | Le marché des biopesticides et biofertilisants microbiens croît à un CAGR de 12-15% et pèsera 10-15 milliards d'euros d'ici 2030. Des acteurs comme Bayer (acquisition de Ginkgo Bioworks), Syngenta (Biologicals), Corteva (avec l'accord sur les endophytes) et des pure-players comme Pivot Bio, BioConsortia ou Lallemand Plant Care paieraient pour un pipeline prédictif qui réduit le coût de découverte de nouveaux consortia synthétiques. Le coût actuel de screening d'un consortium efficace est de 500k-2M€ ; une méthode qui prédit l'efficacité avec R²≥0.4 et λ≥0.3 pourrait réduire ce coût de 40-60%. |
| funding_strategist | 6.5/10 | weak_accept | Hypothèse originale combinant phylogénie fongique, génomique des BGC et écologie synthétique, avec un fort potentiel de généralisation au-delà des endophytes. |

**Consensus score**: 6.1/10
**Verdict final**: publish_brief

### 6.1 Consensus

- Le protocole est globalement bien structuré, avec des critères GO/NO-GO quantitatifs, un pré-enregistrement et une démarche de transparence (données et code ouverts) qui sont salués par plusieurs reviewers.
- L'hypothèse est conceptuellement originale et articule une chaîne causale claire entre gènes (BGCs), phénotypes antagonistes et efficacité in planta, ce qui représente une avancée potentielle pour le biocontrôle.
- Le lien entre antagonisme in vitro et efficacité in planta est reconnu comme une condition nécessaire mais non testée, et son absence de validation préalable fragilise l'ensemble de la prédiction.
- Le seuil de signal phylogénétique (Pagel's λ ≥ 0,3) est jugé arbitraire et non justifié par des données empiriques ou une analyse de puissance, ce qui constitue une faiblesse partagée.
- Le transfert horizontal de gènes (HGT) est identifié comme un facteur confondant majeur qui pourrait invalider la prédiction phylogénétique s'il n'est pas quantifié.

### 6.2 Points de desaccord

- Le methodologist et le domain_expert considèrent que le protocole est révisable et recommandent une révision majeure, tandis que le contrarian estime que les failles sont trop fondamentales (FAIL REASON #1, #2, #3) pour être corrigées sans une validation préalable sur données indépendantes.
- L'industrialist et le funding_strategist voient un potentiel applicatif et des opportunités de financement, mais soulignent que le TRL est trop bas et que le consortium n'est pas défini, ce qui contraste avec l'optimisme des reviewers académiques sur la faisabilité.
- Le domain_expert insiste sur la nécessité de valider la corrélation in vitro-in planta sur un large jeu de données avant de tester le signal phylogénétique, alors que le methodologist propose des contrôles supplémentaires mais ne remet pas en cause la séquence des phases.
- Le contrarian affirme que la puissance statistique est insuffisante pour détecter un effet réaliste et que la prédiction aléatoire est mal évaluée, tandis que le methodologist reconnaît l'absence d'analyse de puissance mais ne la juge pas rédhibitoire.

### 6.3 Critical path

La validation préalable de la corrélation entre antagonisme in vitro et efficacité in planta sur un jeu de données indépendant, avec un R² ≥ 0,5, est le facteur le plus déterminant : sans cette preuve, la chaîne causale s'effondre et les prédictions perdent leur pertinence agricole. En parallèle, la quantification du taux de HGT des BGCs antagonistes et une analyse de puissance a priori sont indispensables pour établir la robustesse du signal phylogénétique.

**Recommandation finale**: Le panel reconnaît l'originalité et la rigueur du protocole, mais les faiblesses identifiées sont trop fondamentales pour être résolues dans le cadre d'une révision. Le lien non validé entre antagonisme in vitro et efficacité in planta, le seuil arbitraire de λ ≥ 0,3, l'absence d'analyse de puissance et la sous-estimation du HGT compromettent la validité de l'hypothèse. Le contrarian, avec une confiance élevée, souligne que sans validation préalable sur données indépendantes, les prédictions pourraient être statistiquement significatives in vitro mais sans pertinence agricole. En conséquence, le panel recommande de rejeter l'hypothèse en l'état et d'inviter les auteurs à produire d'abord des preuves empiriques de la corrélation in vitro-in planta et une quantification du HGT avant de soumettre à nouveau.

## 7. Gap Manifest residuel

### 7.1 Data gaps

- Lack of empirical studies testing phylogenetic signal (e.g., Pagel's λ, Blomberg's K) for antagonistic traits across a broad phylogeny of endophytic fungi.
- No standardized framework for linking biosynthetic gene clusters to antagonistic phenotypes in endophytic fungi across diverse taxa.
- Limited understanding of how agricultural intensification quantitatively affects endophytic fungal community composition and functional antagonistic potential across multiple crops and regions.

### 7.2 Competence gaps

- Phase 1: Phylogenetics (tree inference, dating, comparative methods)
- Phase 1: R scripting
- Phase 1: Literature mining / meta-analysis
- Phase 1: Fungal taxonomy
- Phase 2: Fungal culturing and isolation
- Phase 2: Dual-culture and VOC assays
- Phase 2: Microscopy
- Phase 2: Genome assembly and annotation
- Phase 2: Comparative phylogenetics
- Phase 3: Greenhouse and field experimentation
- Phase 3: Plant pathology (disease scoring, qPCR)
- Phase 3: Microbiome amplicon analysis
- Phase 3: Mixed-effects modeling
- Phase 3: SynCom design and assembly

### 7.3 Epistemic gaps

- The exact rate of HGT for antagonistic BGCs among endophytic fungi.
- Whether phylogenetic signal is consistent across different pathogen taxa.
- The extent to which epigenetic regulation silences BGCs in vitro.
- The long-term stability of SynComs in field conditions.
- The impact of agricultural intensification on phylogenetic diversity of endophytes.

## References

[1] P. Rajani, C. Rajasekaran, et al. (2020). *Inhibition of plant pathogenic fungi by endophytic Trichoderma spp. through mycoparasitism and volatile organic compounds.*. DOI: [10.1016/j.micres.2020.126595](https://doi.org/10.1016/j.micres.2020.126595)
[2] Jin-Lian Chen, Shizhong Sun, et al. (2015). *Endophytic Trichoderma gamsii YIM PH30019: a promising biocontrol agent with hyperosmolar, mycoparasitism, and antagonistic activities of induced volatile organic compounds on root-rot pathogenic fungi of Panax notoginseng*. DOI: [10.1016/j.jgr.2015.09.006](https://doi.org/10.1016/j.jgr.2015.09.006)
[3] Ronghua Cao, Xiao-Guang Liu, et al. (2009). *Mycoparasitism of Endophytic Fungi Isolated From Reed on Soilborne Phytopathogenic Fungi and Production of Cell Wall-Degrading Enzymes In Vitro*. DOI: [10.1007/s00284-009-9477-9](https://doi.org/10.1007/s00284-009-9477-9)
[4] Daniel Aguirre de Cárcer (2019). *A conceptual framework for the phylogenetically constrained assembly of microbial communities*. DOI: [10.1186/s40168-019-0754-y](https://doi.org/10.1186/s40168-019-0754-y)
[5] Ketankumar J. Panchal, Ankit P. Sudhir, et al. (2026). *Engineering the plant microbiome: synthetic community approaches to enhance crop protection*. DOI: [10.3389/fpls.2025.1705289](https://doi.org/10.3389/fpls.2025.1705289)
[6] Lynise C. Pillay, Lucpah Nekati, et al. (2022). *Epigenetic Activation of Silent Biosynthetic Gene Clusters in Endophytic Fungi Using Small Molecular Modifiers*. DOI: [10.3389/fmicb.2022.815008](https://doi.org/10.3389/fmicb.2022.815008)
[7] A. Ibrahim, J. Tanney, et al. (2020). *Metabolomic-guided discovery of cyclic nonribosomal peptides from Xylaria ellisii sp. nov., a leaf and stem endophyte of Vaccinium angustifolium*. DOI: [10.1038/s41598-020-61088-x](https://doi.org/10.1038/s41598-020-61088-x)
[8] Alfred Burian, C. Kremen, et al. (2024). *Biodiversity–production feedback effects lead to intensification traps in agricultural landscapes*. DOI: [10.1038/s41559-024-02349-0](https://doi.org/10.1038/s41559-024-02349-0)
[9] D. Palmieri, Stefania Vitale, et al. (2020). *A bacterial endophyte exploits chemotropism of a fungal pathogen for plant colonization*. DOI: [10.1038/s41467-020-18994-5](https://doi.org/10.1038/s41467-020-18994-5)
[10] Bassma Mahmoud Elkhairy, Nabil Mohamed Salama, et al. (2023). *Towards unlocking the biocontrol potential of Pichia kudriavzevii for plant fungal diseases: in vitro and in vivo assessments with candidate secreted protein prediction*. DOI: [10.1186/s12866-023-03047-w](https://doi.org/10.1186/s12866-023-03047-w)

## Annexes

### A. Detailed Reviewer Reports

#### Methodologist

- **Score**: 7.5/10 | **Verdict**: accept | **Confidence**: 0.85
- **Strengths**: Protocole structuré en trois phases avec des critères GO/NO-GO et des seuils quantitatifs explicites (λ ≥ 0,3, R² ≥ 0,4, etc.), ce qui facilite la reproductibilité et limite les décisions ad hoc.; Pré-enregistrement sur OSF et publication des données et du code sur Zenodo/GitHub : démarche exemplaire pour la transparence et la reproductibilité.; Prise en compte explicite du transfert horizontal de gènes (HGT) comme facteur confondant potentiel de la signalétique phylogénétique, avec une quantification prévue via antiSMASH/BiG-SLiCE.; Plan de validation multi-échelle (in silico, in vitro, in planta, champ) et multi-pathogènes (F. graminearum, B. cinerea, R. solani, M. oryzae), ce qui augmente la validité externe.; Utilisation de méthodes statistiques adaptées (Pagel's λ, Blomberg's K, phylolm, LRT, modèles mixtes) et d'une validation croisée pour comparer prédiction phylogénétique vs aléatoire.
- **Weaknesses**: La puissance statistique n'est jamais estimée a priori pour les tests clés (Pagel's λ, comparaison de R², différence de réduction de maladie entre SynComs). Aucun calcul d'effectif requis ni de simulation de puissance n'est fourni, alors que les seuils (λ ≥ 0,3, Δ = 30 points de pourcentage) sont ambitieux et dépendent fortement de la taille d'échantillon et de la variabilité.; Les contrôles expérimentaux sont incomplets : en Phase 3, il manque un contrôle « SynCom aléatoire avec mêmes espèces mais sans prédiction phylogénétique » (déjà partiellement présent) et surtout un contrôle « SynCom construit sur la base de la seule diversité phylogénétique sans prédiction de trait », ce qui empêche de distinguer l'effet de la phylogénie de celui de la diversité fonctionnelle.; Le biais de publication est identifié comme risque mais aucune correction quantitative n'est prévue : la base de traits de Phase 1 sera inévitablement biaisée vers les genres bien étudiés (Trichoderma, Clonostachys), ce qui peut artificiellement gonfler le signal phylogénétique et fausser la validation croisée. Une analyse de sensibilité ou une pondération par l'effort d'étude est absente.; La mesure de la « mycoparasitism incidence » par pourcentage de sites de contact avec enroulement/lyse est sujette à un biais de mesure subjectif (observateur-dépendant) sans évaluation de la répétabilité inter-observateurs. De même, le score d'antagonisme in vitro par inhibition radiale peut être confondu par des différences de vitesse de croissance intrinsèque.; La Phase 3 prévoit des essais au champ sur 2 sites × 2 ans, mais la puissance pour détecter une différence de 30 points de pourcentage avec 6 blocs et 10 plantes par traitement n'est pas justifiée. De plus, l'analyse des communautés par amplicon ITS ne permet pas de suivre les souches introduites individuellement, ce qui rend le critère de persistance (≥ 50 % d'espèces détectées) peu fiable sans marquage spécifique.; L'hypothèse de départ postule que le signal phylogénétique des traits antagonistes prédit l'efficacité in planta, mais le protocole ne contrôle pas la corrélation entre traits in vitro et efficacité in planta, qui est une condition nécessaire. Aucune analyse de médiation ou de corrélation n'est planifiée pour tester cette hypothèse clé avant les essais SynCom.
- **Questions**: Quelle est la puissance statistique estimée a priori pour détecter une différence de 30 points de pourcentage dans la réduction de maladie entre SynComs phylogénétiques et aléatoires, compte tenu de la variabilité inter-blocs, inter-sites et inter-années ? Un calcul d'effectif basé sur des données pilotes ou des simulations est-il prévu ?; Comment le protocole contrôle-t-il le biais de publication dans la base de traits de Phase 1 ? Une analyse de sensibilité excluant les genres surreprésentés (Trichoderma, Clonostachys) ou une pondération par le nombre d'études publiées est-elle envisagée pour vérifier que le signal λ ≥ 0,3 n'est pas un artefact de suréchantillonnage taxonomique ?; Quels contrôles supplémentaires sont prévus pour distinguer l'effet de la sélection phylogénétique de celui de la simple diversité phylogénétique ou fonctionnelle ? Par exemple, un traitement « SynCom aléatoire mais maximisant la diversité phylogénétique » est-il inclus pour isoler l'effet de la prédiction de trait ?; Comment la répétabilité et la reproductibilité des mesures de mycoparasitisme (pourcentage de sites de contact avec enroulement/lyse) et de inhibition radiale sont-elles assurées ? Un test inter-observateurs et une standardisation de la taille de l'inoculum et de la phase de croissance sont-ils prévus pour éviter les biais de mesure ?; La détection des espèces introduites dans les SynComs par séquençage ITS à 60 jours est-elle suffisamment résolutive pour distinguer les souches introduites des espèces indigènes ? Un marquage génétique ou des souches auxotrophes sont-ils envisagés pour un suivi fiable de la persistance ?
- **Recommendation**: Le protocole est globalement solide, bien structuré et intègre des bonnes pratiques (pré-enregistrement, critères GO/NO-GO, analyses phylogénétiques robustes). Cependant, il manque une analyse de puissance a priori, une gestion quantitative du biais de publication, des contrôles pour isoler l'effet de la prédiction phylogénétique de celui de la diversité, et une validation de la répétabilité des mesures subjectives. Je recommande une révision majeure pour intégrer ces éléments avant de considérer le protocole comme pleinement rigoureux. En l'état, je l'accepte avec des réserves substantielles.

#### Domain Expert

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.8
- **Strengths**: L'hypothèse s'appuie sur un cadre théorique solide et bien établi : le phylogenetic niche conservatism et la conservation phylogénétique des traits microbiens (Aguirre de Cárcer 2019). L'idée d'étendre ce cadre à l'antagonisme fongique contre les phytopathogènes est conceptuellement cohérente et représente une avancée logique par rapport à la littérature existante.; Le mécanisme proposé est articulé en une chaîne causale claire, allant des gènes (BGCs, effecteurs) aux phénotypes (antagonisme in vitro et in planta), puis à l'assemblage de communautés synthétiques. Cette progression est rationnelle et testable, ce qui est un point fort majeur.; L'intégration de multiples niveaux d'analyse (génomique, phénotypique, écologique, agronomique) et la proposition d'un modèle prédictif combinant phylogénie, contenu en BGCs et classe de mécanisme est ambitieuse et potentiellement très utile pour le biocontrôle.; La prise en compte explicite des incertitudes (taux de HGT, régulation épigénétique, stabilité des SynComs) montre une réflexion mature sur les limites du modèle.
- **Weaknesses**: L'hypothèse suppose que le signal phylogénétique (Pagel's λ ≥ 0.3) est suffisamment fort et cohérent à travers l'ensemble de l'arbre fongique. Or, la littérature montre que les traits antagonistes peuvent être soumis à une forte sélection diversifiante ou à des transferts horizontaux de gènes (HGT), ce qui pourrait réduire considérablement le signal phylogénétique. Le seuil de λ ≥ 0.3 est arbitraire et n'est pas justifié par des données empiriques.; La chaîne causale néglige l'importance des interactions environnementales et des facteurs biotiques (compétition, parasitisme, prédation) qui peuvent modifier l'expression des traits antagonistes. L'hypothèse que les conditions environnementales sont standardisées et n'affectent pas différentiellement la croissance des endophytes est irréaliste, en particulier in planta.; Le lien entre antagonisme in vitro et efficacité in planta est loin d'être systématique. De nombreux exemples montrent que des souches très antagonistes in vitro échouent in planta, en raison de la colonisation, de la persistance ou de l'induction de résistance chez la plante. L'hypothèse ne traite pas de cette limite.; La base bibliographique est relativement pauvre en études quantitatives sur le signal phylogénétique des traits antagonistes chez les champignons endophytes. La plupart des références citées sont des cas d'étude (Trichoderma, Xylaria) ou des revues conceptuelles, sans méta-analyse ou test formel de signal phylogénétique. Cela affaiblit la plausibilité empirique de l'hypothèse.; L'hypothèse de HGT < 10% de la variance des traits est présentée comme une 'connaissance inconnue' mais elle est cruciale. Si le taux de HGT est plus élevé, la prédiction phylogénétique devient inefficace. Aucune méthode n'est proposée pour estimer ce taux ou pour l'intégrer dans le modèle.
- **Questions**: Quelle est la robustesse du signal phylogénétique (Pagel's λ) pour les traits antagonistes lorsque l'on contrôle pour la taille de l'échantillon, la couverture taxonomique et les erreurs de mesure ? Existe-t-il des clades fongiques où le signal est significativement plus faible, et pourquoi ?; Comment l'hypothèse gère-t-elle les cas où des gènes de BGCs antagonistes sont acquis par HGT entre des lignées distantes ? Le modèle proposé peut-il distinguer la conservation verticale de l'acquisition horizontale, et comment cela affecte-t-il la prédiction ?; Dans quelle mesure l'antagonisme in vitro est-il un prédicteur fiable de l'efficacité in planta ? Existe-t-il des données quantitatives sur la corrélation entre les deux, et comment l'hypothèse intègre-t-elle les facteurs propres à la plante (ex. induction de résistance, compétition avec le microbiome natif) ?; Le seuil de λ ≥ 0.3 est-il justifié par des considérations théoriques ou empiriques ? Une valeur plus faible (ex. λ = 0.1) pourrait-elle encore permettre une prédiction utile, et comment le modèle s'ajuste-t-il à différents niveaux de signal phylogénétique ?; Comment l'hypothèse traite-t-elle la régulation épigénétique des BGCs silencieux in vitro ? Si une grande partie des BGCs n'est pas exprimée dans les conditions de laboratoire, la mesure de l'antagonisme in vitro pourrait ne pas refléter le potentiel réel, ce qui biaiserait l'estimation du signal phylogénétique.
- **Recommendation**: Je recommande une acceptation faible (weak_accept) car l'hypothèse est conceptuellement intéressante et bien articulée, avec un potentiel applicatif réel. Cependant, elle souffre de plusieurs faiblesses empiriques et théoriques : le seuil de signal phylogénétique est arbitraire, le rôle du HGT est sous-estimé, et le lien entre in vitro et in planta est simplifié. Pour renforcer la proposition, il serait nécessaire d'inclure une analyse de sensibilité du signal phylogénétique à travers différents clades et mécanismes, de quantifier le taux de HGT pour les BGCs antagonistes, et de valider la corrélation in vitro-in planta sur un large jeu de données. Une révision majeure est requise avant de considérer cette hypothèse comme pleinement soutenue.

#### Contrarian

- **Score**: 3.5/10 | **Verdict**: weak_reject | **Confidence**: 0.85
- **Strengths**: L'hypothèse est falsifiable et les auteurs spécifient des valeurs seuils (λ ≥ 0.3, R² ≥ 0.4, réduction de maladie ≥ 30%) qui permettent des tests statistiques clairs.; L'approche intégrative combinant phylogénie, génomique des BGCs et essais in planta est ambitieuse et, si elle fonctionnait, aurait un impact appliqué réel en lutte biologique.
- **Weaknesses**: FAIL REASON #1: Le lien entre antagonisme in vitro et efficacité in planta est notoirement faible et dépendant du contexte. De nombreux endophytes montrent une forte inhibition en dual-culture mais échouent à coloniser la plante ou à exprimer leurs BGCs in planta. L'hypothèse suppose une corrélation forte (non testée) entre les deux, ce qui invalide la chaîne causale des étapes 1 à 6. Sans validation préalable de cette corrélation sur un jeu de données indépendant, les prédictions 1, 2 et 3 peuvent être statistiquement significatives in vitro mais sans pertinence agricole.; FAIL REASON #2: Le signal phylogénétique (Pagel's λ) peut être artificiellement gonflé par des confounders non contrôlés : (i) biais de mesure lié à la facilité de culture in vitro, qui est elle-même phylogénétiquement conservée ; (ii) effet de la taille du génome ou du nombre de BGCs, qui varie fortement entre clades et corrèle avec l'antagonisme sans lien causal avec la phylogénie ; (iii) HGT de BGCs entiers, dont le taux chez les champignons endophytes est inconnu et pourrait dépasser 10% de la variance, créant un signal phylogénétique apparent mais non vertical. L'hypothèse exclut explicitement ce scénario sans preuve.; FAIL REASON #3: La puissance statistique pour détecter un effet de taille réaliste est probablement insuffisante. Avec ≥100 espèces, l'intervalle de confiance de λ est large (souvent ±0.2), et l'hypothèse H0: λ=0 est presque toujours rejetée avec un tel échantillon même pour un signal trivial (λ=0.1). De plus, la comparaison de R² entre prédiction phylogénétique et aléatoire (prédiction 2) est biaisée : la prédiction aléatoire devrait être évaluée par permutation, pas par un simple R²≤0.1. Enfin, pour l'essai in planta (prédiction 3), la variabilité des serres et l'effet lot rendent un différentiel de 30 points de pourcentage difficile à détecter avec un nombre réaliste de répétitions (n<10), menant à des faux négatifs ou à des faux positifs par sur-ajustement.
- **Questions**: Quelle est la corrélation attendue entre l'antagonisme in vitro (dual-culture) et l'efficacité in planta, et comment l'hypothèse tient-elle si cette corrélation est inférieure à 0.3, ce qui est fréquent dans la littérature ?; Comment les auteurs contrôlent-ils le fait que la phylogénie des endophytes est corrélée à celle des plantes hôtes, et que l'antagonisme mesuré in vitro pourrait refléter une adaptation à l'hôte plutôt qu'une conservation phylogénétique des traits antagonistes ?; Si l'HGT de BGCs est aussi fréquent que chez les bactéries (jusqu'à 20% pour certains clusters), quelle est la probabilité que le signal phylogénétique observé soit un artefact de transferts non verticaux, et comment l'hypothèse peut-elle être sauvée ?; Les auteurs affirment que la force de l'antagonisme dépend de la distance phylogénétique entre endophyte et pathogène. Or, la prédiction 1 ne teste que l'antagonisme contre Fusarium graminearum. Comment généraliser à d'autres pathogènes sans introduire de biais de sélection ?
- **Recommendation**: Avant de tester le signal phylogénétique, les auteurs doivent démontrer sur un jeu de données indépendant que l'antagonisme in vitro prédit l'efficacité in planta avec un R² ≥ 0.5, et quantifier le taux d'HGT des BGCs antagonistes. Ensuite, ils doivent utiliser des modèles phylogénétiques explicites (PGLS) contrôlant pour la taille du génome, le nombre de BGCs et l'hôte, et valider la prédiction par validation croisée sur des clades entiers (pas seulement des espèces). Enfin, l'essai SynCom doit inclure un contrôle négatif de diversité équivalente mais sans endophytes antagonistes, et une analyse de puissance a priori pour justifier la taille d'échantillon.

#### Industrialist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.65
- **Strengths**: Le marché des biopesticides et biofertilisants microbiens croît à un CAGR de 12-15% et pèsera 10-15 milliards d'euros d'ici 2030. Des acteurs comme Bayer (acquisition de Ginkgo Bioworks), Syngenta (Biologicals), Corteva (avec l'accord sur les endophytes) et des pure-players comme Pivot Bio, BioConsortia ou Lallemand Plant Care paieraient pour un pipeline prédictif qui réduit le coût de découverte de nouveaux consortia synthétiques. Le coût actuel de screening d'un consortium efficace est de 500k-2M€ ; une méthode qui prédit l'efficacité avec R²≥0.4 et λ≥0.3 pourrait réduire ce coût de 40-60%.; L'avantage compétitif est double : (1) un moteur de prédiction propriétaire basé sur la phylogénie et les biosynthetic gene clusters (BGC) qui crée un avantage de données cumulatif (plus on teste d'espèces, plus le modèle s'améliore) ; (2) une propriété intellectuelle sur les combinaisons SynCom prédites, pas seulement sur les souches individuelles. Les concurrents qui criblent au hasard ne peuvent pas rattraper cet avantage sans investir dans une base de données phylogénétique équivalente.
- **Weaknesses**: La barrière à l'entrée est faible pour les concurrents qui disposent déjà de collections de souches et de pipelines de screening à haut débit (BASF, Bayer, Syngenta). La phylogénie n'est pas brevetable en soi ; seule l'application à des clades spécifiques et les SynComs résultants peuvent l'être. Le protocole proposé (18k-120k€) est un budget de recherche académique, pas de développement industriel : il ne couvre ni l'échelle, ni la réglementation, ni la formulation.; Le risque commercial majeur est que le signal phylogénétique soit trop faible ou trop clade-spécifique pour être généralisable. Si λ<0.3 dans la plupart des clades, la prédiction ne bat pas le hasard, et l'ensemble de la proposition s'effondre. De plus, la réglementation des biopesticides (EPA, EFSA) exige des données d'efficacité au champ sur plusieurs années, ce qui allonge la timeline de 3-5 ans après la validation expérimentale. Enfin, les endophytes fongiques peuvent avoir des effets non ciblés sur le microbiome natif, ce qui complique l'homologation.
- **Questions**: Quel est le modèle économique exact : vendez-vous une plateforme de prédiction (SaaS) à des industriels, des SynComs prêts à l'emploi, ou des licences de brevets ? Le TAM pour une plateforme est de 50-100M€, contre 1-2Md€ pour des produits formulés, mais le coût de développement réglementaire est 10x plus élevé.; Comment protégez-vous la propriété intellectuelle sur les prédictions phylogénétiques ? Les arbres phylogénétiques et les génomes fongiques sont souvent dans le domaine public. Sans brevets sur des séquences ou des combinaisons spécifiques, un concurrent peut reproduire votre approche en 6 mois avec les mêmes données ouvertes.; Quel partenaire industriel accepterait de co-développer avec un TRL 3-4 et un budget de 120k€ ? Les grands comptes exigent généralement un TRL 6-7 et des données de champ avant de s'engager. Avez-vous identifié un early adopter prêt à financer la phase 3 (200k€) ?
- **Recommendation**: Concentrez-vous d'abord sur la phase 1 in silico (4-8 semaines, 2k€) pour vérifier que λ≥0.3 et R²≥0.4 sur au moins 2 traits et 2 pathogènes. Si c'est validé, déposez un brevet provisoire sur la méthode de sélection phylogénétique appliquée à un clade fongique spécifique (ex. Trichoderma, Beauveria) et cherchez un partenariat avec un acteur de taille moyenne (Lallemand, Koppert, Biobest) plutôt qu'avec Bayer ou Syngenta, qui voudront tout internaliser. La phase 3 (200k€) doit être cofinancée par un industriel ou un programme européen (Horizon Europe, EIC Accelerator) pour valider l'efficacité in planta sur blé contre Fusarium. Sans partenaire industriel à ce stade, le projet reste académique et le ROI est nul.

#### Funding Strategist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.72
- **Strengths**: Hypothèse originale combinant phylogénie fongique, génomique des BGC et écologie synthétique, avec un fort potentiel de généralisation au-delà des endophytes.; Protocole en trois phases avec critères GO/NO-GO quantitatifs et budget modulaire (18–120 k€), ce qui facilite l'ancrage dans des appels à faible TRL et à haut risque.; Positionnement à l'interface entre lutte biologique et biologie synthétique communautaire, un créneau peu saturé et attractif pour les évaluateurs européens.
- **Weaknesses**: Le TRL actuel est très bas (TRL 2–3) : la phase in silico repose sur des données de traits antagonistes souvent hétérogènes et peu standardisées, ce qui fragilise la reproductibilité.; Le consortium n'est pas défini et l'hypothèse exige une double compétence rare (phylogenomics fongique + pathologie végétale + SynComs), difficile à réunir dans un seul laboratoire.; La valeur seuil λ ≥ 0,3 est arbitraire et pourrait être rejetée par des évaluateurs exigeants sans justification théorique ou simulation de puissance préalable.
- **Questions**: Disposez-vous déjà d'un jeu de données phénotypiques d'antagonisme suffisamment standardisé (≥100 souches, ≥2 pathogènes) pour justifier la phase in silico sans collecte préalable ?; Quel est le plan de gestion des conflits d'intérêts et de propriété intellectuelle si un partenaire industriel (biocontrôle) rejoint le consortium en phase 3 ?; Comment garantissez-vous que le signal phylogénétique observé in vitro se transpose in planta, sachant que les traits antagonistes sont fortement modulés par l'hôte et le sol ?
- **Recommendation**: Ciblez d'abord un appel ANR à faible TRL (JCJC ou PRC) pour financer les phases 1–2 et produire une preuve de concept publiable, puis capitalisez sur ces résultats pour viser un ERC Starting Grant ou un appel Horizon Europe (HORIZON-CL6) en phase 3. Évitez de soumettre directement en ERC sans données préliminaires : le risque de rejet pour manque de faisabilité est trop élevé.

### B. Semantic Scholar Search Queries

- [novelty] `phylogenetic conservation antagonistic endophytes` — Direct search for the core hypothesis on phylogenetic conservation of antagonistic traits in endophytes
- [novelty] `predicting biocontrol agents fungal phylogeny` — Tests whether the predictive framework using fungal phylogenies for biocontrol agent selection has been proposed
- [novelty] `synthetic endophytic communities crop protection` — Checks for existing work on engineering synthetic endophytic communities for crop protection
- [novelty] `phylogenetically guided endophyte discovery` — Directly searches for the concept of phylogenetically guided discovery of endophytes as biocontrol agents
- [evidence] `endophyte antibiosis pathogen inhibition` — Finds evidence for antibiosis as a mechanism of pathogen antagonism by endophytes
- [evidence] `mycoparasitism endophytic fungi` — Finds evidence for mycoparasitism as an antagonistic mechanism of endophytic fungi
- [evidence] `induced systemic resistance endophytes` — Finds evidence for induced systemic resistance in host plants triggered by endophytes
- [evidence] `biosynthetic gene clusters endophytic fungi` — Finds evidence for conserved biosynthetic gene clusters in endophytic fungi related to antimicrobial compounds
- [cross_domain] `phylogenetic signal microbial traits` — Borrows methods from microbial ecology to test phylogenetic signal in traits, applicable to endophyte antagonism
- [cross_domain] `agricultural intensification biodiversity loss biocontrol` — Links agricultural intensification, biodiversity loss, and disruption of biocontrol services
- [cross_domain] `microbiome engineering plant health` — Draws from microbiome engineering approaches in plant health for synthetic community design

---

*Generated by SPORE (Systeme de Production d'Opportunites de Recherche par Exploration) on 2026-09-24*