Cistanche deserticola on ohustatud taim, mida kasutatakse meditsiinis ja toidus. Meie eesmärk on uurida ainevahetuse erinevusi mittemeditsiinilistes osades õisikute ja meditsiinilistes osades olevate mahlakate varte vahel, et tugevdada C. deserticola mittemeditsiiniliste osade kasutamist ja arendamist. Tegime metaboolse analüüsi LC-ESI-MS/MS abil kolme C. deserticola ökotüübi (soola-leelismaa, rohumaa ja liivane maa) õisikute ja mahlakad varred. Kokku tuvastati kuues rühmas 391 tavalist metaboliiti, millest isorhamnetiin O-heksosiidi (õisik) ja rosinidiini O-heksosiidi (mahlakad varred) saab kasutada keemiliste markeritena mahlakate varte ja õisikute eristamiseks. Võrreldes metaboolseid erinevusi kolme ökotüübi vahel, leidsime, et enamik soola-leelise stressiga seotud metaboliite olid flavonoidid. Eelkõige kaardistasime fenüületanoidglükosiidide (PhG) biosünteesiraja ja näitasime metaboolseid erinevusi kuues rühmas. C. deserticola farmakodünaamiliste mehhanismide ja sihtmärkide paremaks mõistmiseks skriinisime molekulaarse dokkimise kaudu 88 keemilist komponenti ja 15 võimalikku haiguse sihtmärki. C. deserticola toimeainetel on märkimisväärne dokkimisefekt vananemishaiguste, nagu osteoporoos, vaskulaarhaigused ja ateroskleroos, sihtmärkidele. Õisikute kasutusväärtuse uurimiseks analüüsisime õisiku ainulaadsete flavonoid-metaboliitide molekulaarset dokkimist põletikuliste sihtmärkidega. Tulemused näitasid, et krüsoberüülil ja tsünarosiidil oli põletiku sihtmärkide puhul kõrgem hind. See uuring annab teadusliku aluse C. deserticola mittemeditsiiniliste osade ressursiväärtuse avastamiseks ja industrialiseerimiseks ning C. deserticola säästva arengu elluviimiseks. See pakub ka uudset strateegiat Hiina ürtide näidustuste uurimiseks.

Asjakohaste uuringute kohaselt on tsistanche tavaline ravimtaim, mida tuntakse kui "imerohi, mis pikendab eluiga". Selle põhikomponent on tsistanosiid, millel on erinevad toimed, nagu antioksüdant, põletikuvastane ja immuunfunktsiooni edendav toime. Tsistanche ja naha valgendamise vaheline mehhanism seisneb cistanche glükosiidide antioksüdantses toimes. Inimese nahas sisalduv melaniini toodetakse türosiini oksüdeerumisel, mida katalüüsib türosinaas ja oksüdatsioonireaktsioon eeldab hapniku osalemist, mistõttu kehas olevad hapnikuvabad radikaalid muutuvad oluliseks melaniini tootmist mõjutavaks teguriks. Tistanche sisaldab tsistanosiidi, mis on antioksüdant ja võib vähendada vabade radikaalide teket organismis, pärssides seega melaniini tootmist.

Klõpsake valikul Cistanche müügiks

Lisateabe saamiseks:

david.deng@wecistanche.com / WhatApp:86 13632399501

1. Sissejuhatus

Cistanche deserticola on söödav ja ravimtaim, mida sageli nimetatakse "kõrbe ženšenniks". 1 C. deserticola registreeriti esmakordselt Shen Nongi Hiina Materia Medicas umbes 1800 aastat tagasi ning seda on Hiinas ja Jaapanis juba aastaid laialdaselt kasutatud traditsiooniliselt märkimisväärse toonikuna. C. deserticola'st eraldatud ühendid on fenüületanoidglükosiidid (PhG), iridoidid, lignaanid, rasvhapped, alditoolid, süsivesikud ja polüsahhariidid, mille hulgas on PhG-d peamine toimeaine.2 Kaasaegne farmakoloogia näitab, et C. deserticola (nagu fenüületanoidglükosiidid, polüsahhariidid jne) omab laia valikut meditsiinilisi funktsioone, eriti seksuaalfunktsiooni parandamisel, mälu parandamisel, immuunregulatsioonil, maksa kaitsmisel, lahtistava toimel, antioksüdantse toimel jne.3–5 meditsiiniline väärtus, on C. deserticola ökoloogiline väärtus kõrbetõrjeks, kuna ta suudab kasvada kuivades keskkondades, aga ka soolase-leeliselise stressi tingimustes.6 Siiski on C. deserticola looduslikke allikaid peetud viimasel ajal ohustatuks. aastatel kiiresti kasvava turunõudluse ja ülekasutamise tõttu. See on kantud Hiinas kaitset vajavate II klassi taimede hulka.2 Järelikult on hädavajalik tõhusalt arendada C. deserticola ressursse ja määrata kindlaks parim keskkond C. deserticola kasvuks.

Traditsioonilisi ravimtaimede osi kasutatakse laialdaselt, samas kui mittemeditsiinilised osad jäetakse sageli kõrvale. Paljud uuringud on näidanud, et mõnedel mittemeditsiinilistel osadel, nagu Salvia miltiorrhiza, Paris polyphylla ja Crocus sativus, on ravimite osadega sarnane keemiline koostis ja farmakoloogiline toime. Mittemeditsiiniliste osade uurimine soodustab meditsiiniressursside laiendamist, eriti ohustatud ravimtaimede kaitseks.7,8 Qiao et al. kasutas GC-MS tehnoloogiat 40 lenduva komponendi tuvastamiseks C. deserticola õisikus.9 Peng et al. kasutas transkriptoomikat ja metaboloomikat tsitronella erinevate osade valuvaigistava toime põhjalikuks analüüsimiseks.10 Yang et al. eraldas Salvia miltiorrhiza õhust osadest flavonoide ja uuris nende antioksüdantset aktiivsust.8 C. deserticola meditsiiniline osa on mahlakas vars, mille tõttu visatakse igal aastal välja suur hulk õisikuid, mille tulemuseks on tohutu ressursiraiskamine. .

Metaboliidid kui ensüümide poolt katalüüsitavate erinevate biokeemiliste protsesside lõppsaadused annavad kasulikke molekulaarseid teadmisi organismide biokeemiast antud ajahetkel.11 Ainevahetus on tihedalt seotud taimede kvaliteediga. Primaarsed metaboliidid mõjutavad taimede kasvu ja arengut ning sekundaarsed metaboliidid võivad aidata taimedel keskkonnastressile vastu seista.12 Seetõttu kasutatakse taimede kvaliteedi hindamisel laialdaselt metaboomika tehnoloogiat.13–15 Eelnevalt integreerisime transkriptoomi ja metaboloomi, et hinnata taime mahlakate varte kvaliteeti. C. deserticola kolme ökotüüpi ja uurida kvaliteedi varieerumise molekulaarset mehhanismi.16 Leidsime, et 20 -atsetüüllakteosiidi saab kasutada keemilise markerina kolme ökotüübi eristamiseks. Wenjing Liu jt. 1H NMR-i põhjal, mis ei olnud suunatud LC-MS-põhisele metaboolse strateegiale, viis läbi põhjaliku keemiliste rühmade võrdluse nelja mahlaka Cistanche liigi vahel ja tuvastas ehhinakosiidi, atsetoniidi, betaiini, mannitooli, 6-desoksükatalpooli, sahharoosi, ja 8- epi-orgaanilist hapet saab kasutada keemiliste markeritena nelja Cistanche liigi eristamiseks.17 Pingping Zou et al. rakendas 1H NMR-põhist metaboomikat C. deserticola varre ülemise ja alumise osa tuvastamiseks ning leidis, et eristamist reguleerivate peamiste molekulidena on seeria primaarsed metaboliidid, eriti süsivesikud ja trikarboksüülhappe tsükli metaboliidid.18 HaiLi Qiao et al. illustreeris, et lilledes leiti suurem estrite ja aromaatsete ainete sisaldus, mis oli C. deserticola õisiku lenduvate komponentide GC-MS analüüsiga võrreldes märgatavalt suurenenud pungadest lenduvate ühenditega. 9 Praegu on veel puudulikud uuringud C. deserticola mahlaka varre ja õisiku kvaliteedierinevuste kohta ainevahetuse seisukohast.

Olemasolevates uuringutes on kasutatud molekulaarse dokkimise võrgusimulatsiooni, et uurida Hiina meditsiini sihtmärke ja mehhanisme haiguste ravis.19–21 Jianling Liu et al. uuris Cistanche tubulosa ühendite süsteemse farmakoloogia põhjal tõhusaid ravimikombinatsioone. Nad kontrollisid esialgselt 61 neuropõletikuga seotud ühendit ja 43 sihtmärki, millest verbaskosiid ja tubulosiid B võivad mängida võtmerolli neuroprotektsioonis.22 YingQi Li et al. integreeritud võrgustiku farmakoloogia ja sebrakala mudel, et uurida Cistanche tubulosa kahetoimelisi komponente nii osteoporoosi kui ka Alzheimeri tõve raviks.23 C. deserticola keemilised komponendid on keerulised ja neil on lai valik farmakoloogilisi toimeid. Kuid ravimehhanismid pole veel selged. Väga oluline on selgitada haiguse sihtmärgid ja mehhanismid C. deserticola edasiseks arenguks.

Selles uuringus kasutasime metaboolikat, et uurida C. deserticola kolme ökotüübi (soola-leelismaa, rohumaa ja liivane maa) õisikute ja mahlakate varte metaboolseid erinevusi ning võrreldi rohumaa ja liivase maa ökotüüpe soolase ökotüübiga. leelismaa ökotüüp, et uurida C. deserticola metaboolseid variatsioone, mida mõjutab soolase leelise stress. Eelkõige tuvastasime ja analüüsisime PhG-de biosünteesis osalenud kuue rühma metaboliite. Kasutasime potentsiaalsete ühendite ja sihtmärkide väljasõelumiseks molekulaarset dokkimist ning koostasime võrgu simulatsiooniskeemid, samuti GO ja KEGG rikastamise analüüse. Meie leiud annavad uue ülevaate C. deserticola kolme ökotüübi õisikute ja mahlakate varte metaboolsetest erinevustest.

2. Materjalid ja meetodid

2.1 Taimsed materjalid ja proovide kogumine

Kogusime väljakaevamise etapis (aprill-mai 2017) C. deserticola õisikud (proovi seerianumbri järelliide on "1") ja mahlakad varred (proovi seerianumbri järelliide on "2") kolmest erinevast ökotüübist: Ebinur Lake. Xinjiangist (A1 ja A2: soolane leelisemaa), Xinjiangi Tula küla (B1 ja B2: rohumaa) ja Alxa vasakpoolne riba Sise-Mongoolias (C1 ja C2: liivane maa) Loode-Hiinas (tabel 1 ja joonis 1a) . Voucheri näidised deponeeriti Hiinas Pekingis Hiina Meditsiiniteaduste Akadeemia ravimtaimede arendamise instituudi herbaariumis. Proovid koguti põllul ja säilitati kiiresti vedelas lämmastikus. Õhupuhastus PBS-ga, mahlakad varrekoed lõigati väikesteks tükkideks ja hoiti koheselt kuni edasise töötlemiseni 80 kraadi juures sügavkülmas. Metaboolse analüüsi jaoks võeti õisiku paksudest osadest ja lihakatest varredest 18 proovi (kolm bioloogilist kordust elupaiga kohta, kaks koeosa proovi kohta).

2.2 Metaboliitide ekstraheerimine ja eraldamine

Külmkuivatatud proovi purustati segistiga (MM 400, Retsch) tsirkooniumoksiidi helmestega 1,5 minutit sagedusel 30 Hz. 100 mg pulbrit kaaluti ja ekstraheeriti öö läbi 4 kraadi juures 1,0 ml 70% metanooli vesilahusega. Pärast tsentrifuugimist kiirusel 10 000 g 10 minutit, ekstraktid imendusid enne LC-MS analüüsi.

Lüofiliseeritud prooviekstrakti analüüsimiseks kasutati LC-ESI-MS/MS süsteemi (UPLC, Shim-pack UFLC SHIMADZU CBM30A süsteem). Analüütilised tingimused olid järgmised: UPLC kolonn, Waters ACQUITY UPLC HSS T3 C18 (1,8 mm, 2,1 mm × 100 mm); lahusti, vesi (0.04 protsenti äädikhapet): atsetonitriil (0.04 protsenti äädikhapet); gradientprogramm, 100 : 0 v/v 0 min, 5: 95 v/v 11,0 min, 5: 95 v/v 12,0 min, 95: 5 v/v 12,1 min ja 95 : 5 v/v 15,0 min juures; voolukiirus, 0,40 ml min 1; temperatuur, 40 kraadi; ja süstimismaht 2 ml. Heitvesi ühendati alternatiivselt ESI-kolmekordse kvadrupool-lineaarse ioonlõksuga (Q TRAP)-MS. Selles katses valmistati ühtlase segamise teel kvaliteedikontrolli proov; analüüsi käigus tehti kvaliteedikontrolli proove iga 10 süsti järel, et jälgida analüüsitingimuste stabiilsust.24–26

Lineaarse ioonilõksu (LIT) ja kolmekordse kvadrupooli (QQQ) skaneeringud saadi kolmekordse kvadrupool-lineaarse ioonlõksu massispektromeetriga (Q TRAP), API 6500 Q TRAP LC/MS/MS süsteemiga, mis oli varustatud ESI turboioon-pihustusliides, mis töötab positiivse iooni režiimis ja mida juhib tarkvara Analyst 1.6 (AB Sciex). ESI allika tööparameetrid olid järgmised: iooniallikas, turbopihustus; lähtetemperatuur 500 kraadi ; ioonpihustuspinge (IS) 5500 V; iooniallika gaas I (GSI), gaas II (GSII) ja kardingaas (CUR) olid seatud vastavalt rõhule 55, 60 ja 25,0 psi; kokkupõrkegaas (CAD) oli kõrge (12 psi). Instrumentide häälestamine ja massi kalibreerimine viidi läbi 10 ja 100 mmol L 1 polüpropüleenglükooli lahustega vastavalt QQQ ja LIT režiimides. QQQ skaneeringud saadi MRM-i katsetena kokkupõrkegaasiga (lämmastik), mis oli seatud väärtusele 5 psi. Üksikute MRM-i üleminekute deklastrimispotentsiaal (DP) ja kokkupõrkeenergia (CE) viidi läbi koos täiendava optimeerimisega. Igal perioodil jälgiti spetsiifilist MRM-i üleminekute komplekti selle perioodi jooksul elueeritud metaboliitide põhjal.

2.3 Metaboliitide identifitseerimine ja kvantifitseerimine

Primaarsete ja sekundaarsete MS-andmete kvalitatiivne analüüs viidi läbi, võrreldes prekursorioonide (Q1), fragmendi ioonide (Q3) väärtusi (isolatsiooniaknad (±15 Da), viivitusaeg (ms) või tsükliaeg (1 sekund)). retentsiooniaeg (RT) ja killustatus mustritega, mis on saadud standardite süstimisel samadel tingimustel, kui standardid olid kättesaadavad või viidi läbi isekoostatud andmebaasi MWDB (NetWare Biological Science and Technology Co., Ltd Wuhan, Hiina) abil ja avalikult kättesaadavad. metaboliitide andmebaasid, kui standardid ei olnud kättesaadavad. Identifitseerimise käigus elimineeriti korduvad K plus , Na plus , NH4 plus ja teiste suure molekulmassiga ainete signaalid. Metaboliitide kvantitatiivne analüüs põhines MRM-režiimil. Signaali tugevuse saamiseks skriiniti iga metaboliidi iseloomulikke ioone läbi QQQ massispektromeetri. Kromatograafiliste piikide integreerimine ja korrigeerimine viidi läbi, kasutades Multi Quant versiooni 3.0.2 (AB SCIEX, Concord, Ontario, Kanada). Vastav suhteline metaboliitide sisaldus esitati kromatograafiliste piikide pindala integraalidena.

C. deserticola proovide (kolm bioloogilist koopiat) VIP (projektsioonis oluline muutuja) väärtused arvutati SIMCA-P tarkvaraga (versioon 14.1, Sartorius Stedim Biotech, Ume˚a, Rootsi) põhikomponendi analüüsi ja ortogonaalse osalise vähima väärtuse alusel. ruutude diskriminantanalüüs. Oluliselt erinevate metaboliitide skriinimise läveks määrasime muudatuse kordamise $2 või #{5}}.5 ja VIP väärtuse $1. Metaboliitide andmed normaliseeriti, kõigi proovide puhul viidi läbi klastri soojuskaardi analüüs ja klastri soojuskaartide koostamiseks kasutati R-programmi skripti.

2.4 Molekulaarne dokkimine

2.4.1 Keemiliste ühendite kogumine.Meie uurimisrühma esialgsete katsetulemuste ja kirjanduse otsingutulemuste kaudu koguti kokku 127 isoleeritud ühendit C. deserticola mahlatest vartest ja laaditi need Chemical Booki veebisaidilt alla või kasutati 2D molekulaarstruktuuri joonistamiseks programmi ChemDraw. Lisaks leidsime metaboolsete tulemuste kaudu 4 välditavat ainet (krüsoberüül, tsünarosiid, hesperetiin ja homoeriodiktüool), mis tuvastati ainult õisikus. 2D-struktuur muudeti ChemDraw 3D-tarkvaraga kolmemõõtmeliseks struktuuriks ja teostati esialgne optimeerimine. Seejärel kontrollis Avogadro Software esialgset optimeeritud kolmemõõtmelist struktuuri ja täiendavat energia optimeerimist kasutati järgnevaks molekulaarseks dokkimiseks vajaliku lõpliku ühendi failivormingu genereerimiseks.

2.4.2 Sihtkogu kogumine.Otsisime haiguste valgu sihtmärke kirjanduse ja STITCH andmebaasi kaudu. Saime vastavad geenisihtmärgid Uniporti andmebaasi abil ja hankisime RCSB abil valgu haplotüübi PDB ID ja väikeste molekulide struktuuri. Positiivse ravimi määramisel kasutasime kirjandust ja Yaodu veebisaiti, et tuvastada esialgselt 45 seotud haiguse sihtmärki, millest on teatatud, sealhulgas 10 haigust, mis on seotud kirjanduses C. deserticola mahlakate vartega. Need kümme haigust olid ateroskleroos, osteoporoos, seniilne dementsus, Alzheimeri tõbi, Parkinsoni tõbi, krooniline kõhukinnisus, torsades de pointes ventrikulaarne tahhükardia, vaskulaarne haigus, müokardi vigastus ja pärasoolevähk. Lisaks kogusime 467 põletikuga seotud sihtmärki ja saime sõelumise teel 2 olulist sihtmärki (6KBA ja 7AWC), mida kasutati õisikuspetsiifiliste flavinoidide molekulaarseks dokkimisanalüüsiks.

2.4.3 Molekulaarse dokkimise simulatsioon.Et hinnata C. deserticola ühendite seondumisafiinsust kandidaatsihtmärkidega, viisime läbi molekulaarse dokkimise simulatsiooni tarkvara QuickVina 2.0 kaudu, mis on Alhossary uurimisrühma välja töötatud avatud lähtekoodiga utiliit. Sihtmärkide ja ühendite vahelise sidumisafiinsuse kontrollimiseks arvutasime QuickVina 2 kaudu dokkimisskoori.0. Dokkimisskoorid, mis ületasid positiivsete ravimite oma (andmeid iga positiivse ravimi kohta võib saada vastavatest sihtmärkidest RCSB-s või kirjanduses), näitasid tugevat seondumisafiinsust kandidaatsihtmärkide ja vastavate ühendite vahel.27–30 kasutas ühendi ja sihtmärgi dokkimistulemuste joonistamiseks PyMOL-i (versioon 2.0 Schr¨odinger, LLC).

2.4.4 Komponent-siht-tee võrgu ehitamine ja GO/KEGG funktsioonide analüüsKomponent-sihtraja võrgu ehitamine viidi läbi võrgu visualiseerimistarkvara Cytoscape abil. Võrgu interaktsioonides esindavad sõlmed komponente, sihtmärke ja radu, samas kui servad tähistavad üksteise vastasmõju. Ühenduse värvi indikaatorina kasutasime ühendi ja sihtgeeni molekulaarse dokkimise skoorimisväärtust. Mida rohelisem on värv, seda kõrgem on skoor. Geeni sihtmärkidega seotud valgu-valgu interaktsiooni (PPI) võrk konstrueeriti ja analüüsiti rakendusega STRING.31

Ehitatud võrgu bioloogiliste funktsioonide edasiseks väljaselgitamiseks kasutasime sihtgeenide geeniontoloogia (GO) ja KEGG rikastamise analüüside tegemiseks DAVID-i andmebaasi funktsionaalse annotatsiooni moodulit29.

3. Tulemused

3.1 C. deserticola metaboolsed profiilid

Ülevaate saamiseks kolme ökotüübi C. deserticola õisikute ja mahlakate varte metaboolsetest muutustest viidi läbi laiaulatuslik metaboolne analüüs, kasutades LC-ESI-MS/MS. Nagu on näidatud joonisel fig 1b, ilmnesid erinevatest ökotüüpidest pärit C. deserticola õisikud ja mahlakad varred erinevat eraldumist ning erinevate kudede eraldumine oli suurem kui erinevate ökotüüpide puhul. Ja kolmel kordusproovil on sarnased PC-skoorid, mis näitab, et C. deserticola metaboliidid näitasid vähest eraldumist kordusproovide vahel. Veelgi enam, kvaliteedikontrolli (sega) proovid koondusid PCA skooride graafiku keskele. Kroonlehtede diagramm (joonis 1c) ja ärritusdiagramm (joonis 1d) näitasid, et kuues rühmas oli 391 tavalist metaboliiti ja õisikus tuvastatud metaboliitide arv oli üldiselt suurem kui mahlas varres. Metaboliitide arv, mis avastati soolalahuse-leelise õisikus (A1), oli suurim, kokku 515, millest 18 metaboliiti tuvastati ainult A1-s. Rohumaade mahlakates vartes (B2) tuvastati kõige vähem metaboliite, kokku 458, ilma selle ainulaadsete metaboliitideta.

Määrati 578 metaboliidi, sealhulgas 35 metaboliidikategooria suhteline sisaldus (ESI fail S1). Mõlema kolme ökotüübi õisikute ja mahlakad varred olid lipiidid, glütserolipiidid, aminohapped, nukleotiidid ja nende derivaadid, fenüületanoidglükosiidid (PhG) ja flavonoidid (joonis S3a, 3b ja c). Pärast normaliseerimist määrati iga metaboliidi proportsionaalne sisaldus UPLC-MS/MS-i keskmise piigi vastuse pindala järgi, nagu on näidatud joonisel fig 1e koos soojuskaardiga, ja seejärel viidi läbi hierarhilise rühmitusanalüüsi abil. Rohkem sekundaarseid metaboliite näitasid A1 ja C2 kõrgeid suhtelisi kontsentratsioone kui teistes rühmades. Sekundaarsetest metaboliitidest kõigis kolmes ökotüübis oli fenüületanoidglükosiidide (PhG) suhteline sisaldus mahlakates vartes kõrgem kui õisikutes, samas kui flavonoidide suhteline sisaldus õisikutes oli suurem kui mahlakate varte puhul.

Selle metaboolse analüüsi käigus tuvastati C. deserticola 12 peamist aktiivset komponenti, sealhulgas 2'-atsetüüllakteosiid, akteosiid, tsistanosiid A, koniferiin, ehhinakosiid, formononetiin-7-O-glükosiid, inosiin, isoakteosiid, ononiin, pinoresinool, süstlad ja uridiini. C. deserticola peamiste aktiivsete komponentide jaoks, mis tuvastati metabooliaga, koostati hierarhiline rühmitav soojuskaart (joonis 1f), mis näitab, et peamiste aktiivsete komponentide suhteline sisaldus mahlas varres oli kõrgem kui õisiku oma. Võrreldes erinevate kudedega olid õisikutes suhteliselt suure sisaldusega toimeained 2′-atsetüüllakteosiid ja okassiid, suhteliselt suure sisaldusega mahlakades vartes aga akteosiid, tsistanosiid A, ehhinakosiid ja isoakteosiid. Võrreldes erinevate ökotüüpidega oli soolase-leeliselise maa toimeainete suhteliselt kõrge sisaldus 2′-atsetüüllakteosiid, akteosiid, okassiid, ehhinakosiid ja isoakteosiid. Rohumaal oli suhteliselt kõrge sisaldus ehhinakosiid ja suhteliselt kõrge liivasel maal tsistanosiid A.

3.2 Metaboolne erinevus C. deserticola õisiku ja mahlaka varre vahel

Et mõista C. deserticola õisiku ja mahlaka varre metabolismi erinevust kolmes ökotüübis, sõelusime läbi erinevad metaboliidid. OPLS-DA mudelite kõrge prognoositavus (Q2) tekitas paaripõhise võrdluse õisikute ja mahlakate varte vahel soolase-leeliselise maa (Q2 = 0.996) ja rohumaa (Q2 = 0.997) vahel. , ja liivane maa (Q2 = 0.997) (joonis S1a). Q2 ja R2 väärtused olid permutatsioonitestis kõrgemad kui OPLS-DA mudelis (joonis S1b). Potentsiaalsete muutujate tuvastamiseks seadsime iga paari oluliselt erinevate metaboliitide skriinimise läveks kordamise muutuse Suurem või võrdne 2 või Väiksem või võrdne 0.5 ja VIP väärtusega suurem või võrdne 1 võrdlustest. Tabelis S1 on näidatud kolme ökotüübi õisikute ja mahlakate varte 10 parimat erinevat metaboliiti. Võrreldes mahlakate vartega oli õisikute diferentsiaalmetaboliitide suhteliselt kõrge sisaldus flavonoidid, nagu flavonool, flavoon ja flavoon-C-glükosiidid.

Soolase-leeliselise maa puhul oli mahlakatel vartel õisikutega võrreldes 43 ülesreguleeritud erinevat metaboliiti ja 71 allareguleeritud diferentsiaalset metaboliiti (joonis 2a). Soojuskaart (joonis 2b) näitas, et õisikute suhteline sisaldus oli suurem kui mahlakate varte oma. Võrreldes mahlakaid varsi õisikutega, olid peamised ülesreguleeritud metaboliidid tsüanidiin 3-O-rutinosiid (keratsüaniin), ikariin (kaempferool 3,7-O-diglükosiidi 8-prenüülderivaat), homovanillhape , klorogeenhappe metüülester ja rosinidiin O-heksosiid. Peamised allareguleeritud diferentsiaalsed metaboliidid olid N', N'-di-p-kumaroüülspermidiin, 8-C-heksosüülluteoliin-O-heksosiid, kofeiinhape, isorhamnetiin-O-heksosiid ja isorhamnetiin 5- O-heksosiid (joonis 2c). KEGG metaboolsete radade rikastamise analüüs (joonis 2d) klassifitseeris õisikust ja mahlakast varrest tuvastatud erinevad metaboliidid flavonoidide biosünteesiks, flavooni ja flavonooli biosünteesiks, isoflavonoidide biosünteesiks, fenüülpropanoidi biosünteesiks ja eetri lipiidide metabolismiks.

Rohumaal oli mahlakatel vartel õisikutega võrreldes 35 ülesreguleeritud diferentsiaalset metaboliiti ja 54 allareguleeritud erinevat metaboliiti (joonis 2a). Soojuskaart (joonis 2b) näitas, et õisikute suhteline sisaldus oli suurem kui mahlakate varte oma. Võrreldes mahlaseid varsi õisikutega, olid peamised ülesreguleeritud metaboliidid l-(pluss)-arginiin, adipiinhape, N-metüülnikotiinamiid, 4-hüdroksübensoehape ja dihüdromürtsetiin. Peamised allareguleeritud diferentsiaalsed metaboliidid olid rosinidiini O-heksosiidi, kofeiinhappe, isorhamnetiin-O-heksosiid, müües 5-O-heksosiidi ja isorhamnetiin 5-O-heksosiidi (joonis 2c). KEGG metaboolsete radade rikastamise analüüs (joonis 2d) klassifitseeris õisikust ja mahlakast varrest tuvastatud diferentseeritud metaboliidid flavonoidide biosünteesiks, flavooni ja flavonooli biosünteesiks, diterpenoidide biosünteesiks, isoflavonoidide biosünteesiks ja ööpäevaseks entraaks.

Võrreldes õisikutega oli liivasel maal 40 ülesreguleeritud diferentsiaalset metaboliiti ja 87 allareguleeritud erinevat metaboliiti (joonis 2a). Soojuskaart (joonis 2b) näitas, et õisikute suhteline sisaldus oli suurem kui mahlakate varte oma. Võrreldes mahlaseid varsi õisikutega, olid peamised ülesreguleeritud metaboliidid O-feruloüül-4-hüdroksüülkumariin, süstlas, rosinidiin-O-heksosiid, 3-(4-hüdroksüfenüül)propioonhape ja homovanillhape. Peamised allareguleeritud diferentsiaalsed metaboliidid olid krüsoerool O-ramnosüül-O-glükuroonhape, C-heksosüülapigeniin O-kofeoüülheksosiid, müük O-malonüülheksosiidi, isorhamnetiin O-heksosiidi ja 8-C-heksosüül-luteoliin heksosiid (joonis 2c). KEGG metaboolsete radade rikastamise analüüs (joonis 2d) klassifitseeris õisikust ja mahlakast varrest tuvastatud diferentseeritud metaboliidid flavooni ja flavonooli biosünteesiks, flavonoidide biosünteesiks, isoflavonoidide biosünteesiks, diterpenoidide biosünteesiks ja aromaatsete ühendite lagunemiseks.

3.3 Soola-leelise stressiga seotud metaboolsed erinevused C. deserticola kolmes ökotüübis

Et mõista C. deserticola soolase-leeliselise maa kolme ökotüübi unikaalseid metaboolseid omadusi, sõelusime erinevaid metaboliite soolase-leeliselise maa ja rohumaa ning liivase maa ja soolase-leelise maa vahel. OPLS-DA mudelite kõrge prognoositavus (Q2) tekitas paaripõhise võrdluse soolase ja leeliselise maa ja õisiku (Q{6}}.997) ja mahla varre (Q2 = 0.991) rohumaa vahel. . Samal ajal on OPLS-DA mudelite kõrge prognoositavus (Q2) liivase maa versus soolase-leeliselise õisikumaa (Q2 = 0.988) ja mahlaka varre (Q2 = 0.995) vahel. Q2 ja R2 väärtused olid permutatsiooni testis kõrgemad kui OPLS-DA mudelis (joonis S2†). Potentsiaalsete muutujate tuvastamiseks määrame iga paari oluliselt erinevate metaboliitide skriinimise läveks kordne muutus suurem või võrdne 2 või väiksem või võrdne 0.5 ja VIP väärtus Suurem või võrdne 1 võrdlustest. Tabelis 2 on toodud õisikute ja mahlakate varte erinevad metaboliidid, mis on seotud soolase-leeliselise stressiga (soola-leelise maa vs rohumaa ja liivane maa vs soolase-leelise maa), mis on sorteeritud metaboliitide kategooriate järgi ja näitas, et kõige enam metaboliitide klass oli flavonoidid. . Nende hulgas on antotsüaniinide, flavonoidide, flavonooli, flavanooni, katehhiini ja nende derivaatide ning isoflavooni suhteline sisaldus kõrgeim soola-leeliselises maas. Lisaks näitas soojuskaart (joonis 3d), et flavonoidide diferentseeritud metaboliitide suurema suhtelise sisaldusega rühmad olid A1 ja C1. Antotsüaniinide suhteline sisaldus oli kõrgeim A2 rühmas ning flavonoidide ja flavonoolide suhteline sisaldus A1 rühmas.

Vulkaanikaardid (joonis 3a) näitasid, et soolase-leelismuldade ülesreguleeritud diferentsiaalainevahetuse arv on suurem kui rohumaadel ja liivastel muldadel, olgu siis õisikutes või mahlakates vartes. Iga võrdluse 20 parimat erinevat metaboliiti on näidatud joonisel 3b. Soolase-leeliselise maa ja rohumaa puhul rikastati õisikute diferentsiaalsete metaboliitide KEGG-teed peamiselt flavonoidide biosünteesi, flavonooli ja flavonooli biosünteesi, diterpenoidide biosünteesi, isoflavonoidide biosünteesi ja pfenüülpropanoidide biosünteesiga. Peale selle rikastati mahla tüve erinevate metaboliitide KEGG-teed peamiselt dopamiinergilise sünapsi, puriini metabolismi, flavonoidide biosünteesi, pürimidiini metabolismi ja ööpäevase kaasamisega. Soola-leeliselise maa ja rohumaa puhul rikastati õisikute diferentsiaalsete metaboliitide KEGG-teed peamiselt isoflavonoidide biosünteesi, sekundaarsete metaboliitide biosünteesi, flavooni ja flavonooli biosünteesi, looduslikest saadustest pärinevate kasvajavastaste ainete ja astmaga. Veelgi enam, mahla tüve erinevate metaboliitide KEGG-teed rikastati peamiselt aminoatsüül-tRNA biosünteesi, valkude seedimise ja imendumise, vähi keskse süsiniku metabolismi, aminohapete biosünteesi ja fenüülpropanoidide biosünteesiga (joonis 3c).

Lisateabe saamiseks: david.deng@wecistanche.com / WhatApp:86 13632399501