研究材料
阿塔卡馬沙漠沿海拔梯度生長的 14 個科的 24 種植物及11種作物和觀賞植物的地上部分。
技術路線
· 步驟1：阿塔卡馬沙漠極端條件下的植物多樣性研究；
· 步驟2：預測代謝組學揭示了多個適應性物種的核心代謝組；
· 步驟3：預測變量的注釋和通路分析；
研究結果
1. 阿塔卡馬沙漠極端條件下的植物多樣性研究
阿塔卡馬沙漠是植物生存環境最惡劣的地區之一，其中植物必須承受目前威脅農業的主要非生物脅迫。作者根據優勢物種在自然生態系統中的覆蓋范圍從19個站點中收集了14 個科的24種植物，涵蓋一年生和多年生植物、不同的碳固定系統（即 C3、C4和CAM）以及灌木和草本等不同的生命周期，代表相關的生物多樣性。還根據植物科水平選擇了 11 種農藝和觀賞物種，并分析了阿塔卡馬物種之間以及阿塔卡馬與農藝或觀賞植物物種之間的分類關系（圖1）。
圖1 阿塔卡馬植物多樣性研究
2. 預測代謝組學揭示了多個適應性物種的核心代謝組
為了深入了解這些植物適應阿塔卡馬沙漠極端條件和響應環境變化的機制，作者進行了多平臺代謝組學分析，共檢測到了4911 個變量。鑒于植物化學多樣性隨著海拔梯度的環境條件而波動，而海拔代表了非生物因素的綜合，作者使用GLM 去測試4911 個變量是否可以預測環境條件。首先，評估了根據其生物量和沿海拔梯度的覆蓋率選擇的五種不同植物物種計算海拔水平的可能性，從 500 個模型得到的平均R2（即計算和測量海拔之間的擬合）在 0.88 和 0.96 之間，表明植物代謝組整合了環境變化，環境條件引發了特征代謝模式，其中化合物與海拔高度相關。其次在整個數據集上使用 GLM分析， 發現66個預測變量可以極大地預測植物環境（79%），而與物種和科水平無關。最后使用由 2014 年收獲的 9 種阿塔卡馬植物數據集進一步驗證這種預測的穩健性，結果證實植物具有一組核心代謝物以適應環境限制（圖2）。
圖2 阿塔卡馬植物的預測代謝組學分析
3. 預測變量的注釋和通路分析
作者對66個最佳預測變量進行了注釋分析，最終保留了39個預測變量，且對平均 R2 沒有顯著影響，其中最佳的預測變量是淀粉。同時在幾種農藝和觀賞植物中也發現了阿塔卡馬植物物種的預測變量，證明了這些代謝物的普遍存在。進一步通路分析發現超過一半的預測變量參與次級代謝（56%），而初級代謝和調節因子（如茉莉酸）共占 31%?？傊唤M核心代謝物能夠獨立于植物物種預測 79% 的植物環境，同時也證實了支持植物適應環境限制的通用代謝途徑的中心位置（圖3）。
圖3 預測變量的通路分析
4. 預測變量與環境因素之間的關系研究
海拔高度與阿塔卡馬沙漠中的大多數環境參數密切相關。作者進行了一項結合 PCA 和 O2PLS 的分析，以揭示海拔因素并突出 39 個最佳預測變量與環境因素之間的關系。結果表明，海拔的判別能力主要是由溫度、太陽輻照度、土壤含水量和幾個土壤因素決定(圖4)。
圖4 預測變量與環境因素之間的關系研究
小編小結
綜上所述，文章使用植物代謝組和機器學習算法，篩選出39 種常見化合物以79%的準確度預測植物環境，且這些代謝物獨立于物種，表明植物代謝組可作為環境波動的優秀綜合預測因子。
中科優品推薦
【中科新生命】可提供基于高質海量數據庫的非靶向植物代謝組學服務，同時實現初生代謝物和次生代謝物的檢測分析，助力植物方向研究。
