Cistanche deserticola je ohrozená rastlina používaná v medicíne a potravinárstve. Naším cieľom je preskúmať rozdiely v metabolizme medzi kvetenstvami v neliečivých častiach a šťavnatými stonkami v liečivých častiach, aby sa posilnila aplikácia a rozvoj neliečivých častí C. deserticola. Uskutočnili sme metabolomickú analýzu pomocou LC-ESI-MS/MS na kvetenstvách a sukulentných stonkách troch ekotypov (slano-alkalická pôda, trávnatá plocha a piesčitá pôda) C. deserticola. Celkovo bolo identifikovaných 391 bežných metabolitov v šiestich skupinách, z ktorých izoramnetín O-hexozid (kvetenstvo) a rosinidín O-hexozid (sukulentné stonky) možno použiť ako chemické markery na rozlíšenie sukulentných stoniek a kvetenstiev. Porovnaním metabolických rozdielov medzi tromi ekotypmi sme zistili, že väčšina rôznych metabolitov súvisiacich so stresom zo soli a zásad boli flavonoidy. Najmä sme zmapovali biosyntetickú dráhu fenyletanoidných glykozidov (PhG) a ukázali sme metabolické rozdiely v šiestich skupinách. Aby sme lepšie porozumeli farmakodynamickým mechanizmom a cieľom C. deserticola, pomocou molekulárneho dokovania sme preskúmali 88 chemických zložiek a 15 potenciálnych cieľov ochorenia. Aktívne zložky C. deserticola majú pozoruhodný dokovací účinok na ciele chorôb starnutia, ako je osteoporóza, cievne ochorenia a ateroskleróza. Aby sme preskúmali úžitkovú hodnotu kvetenstva, analyzovali sme molekulárne dokovanie jedinečných flavonoidných metabolitov v kvetenstve so zápalovými cieľmi. Výsledky ukázali, že chryzoberyl a cynarosid mali vyššie skóre pre ciele zápalu. Táto štúdia poskytuje vedecký základ pre objav a industrializáciu zdrojovej hodnoty neliečivých častí C. deserticola a realizáciu trvalo udržateľného rozvoja C. deserticola. Poskytuje tiež novú stratégiu na skúmanie indikácií čínskych bylín.

Podľa relevantných štúdií je cistanche bežná bylina, ktorá je známa ako „zázračná bylina, ktorá predlžuje život“. Jeho hlavnou zložkou je cistanozid, ktorý má rôzne účinky ako antioxidačné, protizápalové a podporuje imunitné funkcie. Mechanizmus medzi cistanche a bielením kože spočíva v antioxidačnom účinku cistanchových glykozidov. Melanín v ľudskej koži je produkovaný oxidáciou tyrozínu katalyzovanou tyrozinázou a oxidačná reakcia vyžaduje účasť kyslíka, takže voľné radikály v tele sa stávajú dôležitým faktorom ovplyvňujúcim produkciu melanínu. Cistanche obsahuje cistanozid, ktorý je antioxidantom a môže znížiť tvorbu voľných radikálov v tele, čím inhibuje produkciu melanínu.

Kliknite na položku Na predaj Cistanche

Ďalšie informácie:

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

1. Úvod

Cistanche deserticola je jedlá a liečivá rastlina, ktorá sa často nazýva „púštny ženšen“. 1 C. deserticola bola prvýkrát zaznamenaná v čínskej Materia Medica od Shen Nonga asi pred 1800 rokmi a už mnoho rokov sa vo veľkej miere používa ako tradične významné tonikum v Číne a Japonsku. Zlúčeniny, ktoré boli izolované z C. deserticola, sú fenyletanoidné glykozidy (PhG), iridoidy, lignany, mastné kyseliny, alditoly, uhľohydráty a polysacharidy, medzi ktorými je PhGs hlavnou aktívnou zložkou.2 Moderná farmakológia ukazuje, že extrakty C. deserticola (ako sú fenyletanoidové glykozidy, polysacharidy atď.) majú široké spektrum liečivých funkcií, najmä pri zlepšovaní sexuálnych funkcií, zlepšovaní pamäti, imunitnej regulácii, ochrane pečene, laxatívnej aktivite, antioxidačnej aktivite atď.3–5 liečivá hodnota, C. deserticola má ekologickú hodnotu pre kontrolu púšte vďaka svojej schopnosti rásť v suchom prostredí, ako aj v podmienkach slano-alkalického stresu.6 Avšak divoké zdroje C. deserticola boli v poslednom čase považované za ohrozené. rokov v dôsledku rýchlo rastúceho dopytu na trhu a nadmerného využívania. V Číne bola uvedená ako jedna z rastlín triedy II, ktoré potrebujú ochranu.2 V dôsledku toho je naliehavé efektívne rozvíjať zdroje C. deserticola a určiť najlepšie prostredie pre rast C. deserticola.

Tradičné liečivé časti liečivých rastlín sú široko používané, zatiaľ čo neliečivé časti sa často vyraďujú. Veľký počet štúdií ukázal, že niektoré neliečivé časti, ako sú Salvia miltiorrhiza, Paris polyphylla a Crocus sativus, majú podobné chemické zloženie a farmakologické účinky ako liečivé časti. Výskum neliečivých častí prispieva k rozšíreniu medicínskych zdrojov, najmä na ochranu ohrozených liečivých rastlín.7,8 Qiao et al. použili technológiu GC-MS na identifikáciu 40 prchavých zložiek v kvetenstve C. deserticola.9 Peng et al. použili transkriptomiku a metabolomiku na komplexnú analýzu analgetických účinkov rôznych častí citronely.10 Yang et al. izolované druhy flavonoidov zo vzdušných častí Salvia miltiorrhiza a študovali ich antioxidačnú aktivitu.8 Liečivá časť C. deserticola je šťavnatá stonka, ktorá spôsobuje každoročné vyhadzovanie veľkého množstva súkvetí, čo vedie k obrovskému plytvaniu zdrojmi. .

Metabolity ako konečné produkty rôznych biochemických procesov katalyzovaných enzýmami poskytujú užitočné molekulárne poznatky pre biochémiu organizmov v danom čase.11 Metabolizmus úzko súvisí s kvalitou rastlín. Primárne metabolity ovplyvňujú rast a vývoj rastlín a sekundárne metabolity môžu pomôcť rastlinám odolávať environmentálnemu stresu.12 Preto sa pri hodnotení kvality rastlín široko používa metabolomická technológia.13–15 Predtým sme integrovali transkriptóm a metabolóm na hodnotenie kvality sukulentných stoniek rastlín. tri ekotypy C. deserticola a preskúmať molekulárny mechanizmus kvalitatívnych variácií.16 Zistili sme, že 20 -acetylakteozid možno použiť ako chemický marker na rozlíšenie troch ekotypov. Wenjing Liu a kol. na základe 1H NMR nezacielenia na cielenú metabolomickú stratégiu založenú na LC-MS vykonali hĺbkové porovnanie chemických skupín štyroch sukulentných druhov Cistanche a identifikovali echinakozid, acetonid, betaín, manitol, 6-deoxykatalpol, sacharózu, a 8- epiorganická kyselina sa môže použiť ako chemické markery na rozlíšenie štyroch druhov Cistanche.17 Pingping Zou et al. aplikoval metabolomiku založenú na 1H NMR na identifikáciu hornej a dolnej časti stonky C. deserticola a zistil, že sériové primárne metabolity, najmä sacharidy a metabolity cyklu trikarboxylových kyselín, ako primárne molekuly, ktoré riadia rozlišovanie.18 HaiLi Qiao et al. ukázali, že vyšší obsah esterov a aromátov bol zistený v kvetoch, ktoré boli významne zvýšené v porovnaní s prchavými zlúčeninami z púčikov pomocou GC-MS analýzy prchavých zložiek kvetenstva C. deserticola. 9 V súčasnosti stále chýba výskum kvalitatívnych variácií medzi sukulentnou stonkou a kvetenstvom C. deserticola z pohľadu metabolizmu.

Existujúce štúdie použili sieťovú simuláciu molekulárneho dokovania na preskúmanie cieľov a mechanizmov čínskej medicíny pri liečbe chorôb.19–21 Jianling Liu et al. skúmali účinné kombinácie liečiv na základe systémovej farmakológie medzi zlúčeninami z Cistanche tubulosa. Predbežne skrínovali 61 zlúčenín a 43 cieľov súvisiacich s neurozápalom, z ktorých verbaskozid a tubulozid B by mohli hrať kľúčovú úlohu pri neuroprotekcii.22 YingQi Li et al. integrovaná sieťová farmakológia a model zebrafish na skúmanie zložiek Cistanche tubulosa s dvojitým účinkom na liečbu osteoporózy aj Alzheimerovej choroby.23 Chemické zložky C. deserticola sú zložité a majú široké spektrum farmakologických účinkov. Terapeutické mechanizmy však ešte nie sú jasné. Je veľmi dôležité objasniť ciele choroby a mechanizmy pre ďalší vývoj C. deserticola.

V tejto štúdii sme použili metabolomiku na skúmanie metabolických rozdielov v kvetenstvách a sukulentných stonkách troch ekotypov (slano-alkalická pôda, pastviny a piesočnatá pôda) C. deserticola a porovnali sme ekotypy trávnych porastov a piesočnatých pozemkov s ekotypmi slaných pôd. ekotyp alkalickej krajiny na preskúmanie metabolických variácií v C. deserticola, ktoré sú ovplyvnené soľným alkalickým stresom. Konkrétne sme identifikovali a analyzovali metabolity šiestich skupín zapojených do biosyntézy PhG. Použili sme molekulárne dokovanie na skríning potenciálnych zlúčenín a cieľov a nakreslili sme sieťové simulačné diagramy, ako aj analýzy obohatenia GO a KEGG. Naše zistenia poskytujú nový pohľad na metabolické rozdiely medzi kvetenstvom a sukulentnými stonkami troch ekotypov C. deserticola.

2. Materiály a metódy

2.1 Rastlinné materiály a odber vzoriek

Kvetenstvo (prípona sériového čísla vzorky je „1“) a sukulentné stonky (prípona sériového čísla vzorky je „2“) pre C. deserticola v štádiu výkopu (apríl až máj 2017) z troch rôznych ekotypov: jazero Ebinur Xinjiang (A1 & A2: slano-alkalická pôda), Tula Village of Xinjiang (B1 & B2: pastviny) a Alxa Left Banner z Vnútorného Mongolska (C1 & C2: piesčitá krajina) v severozápadnej Číne (tabuľka 1 a obr. 1a) . Poukážkové exempláre boli uložené v herbári Inštitútu vývoja liečivých rastlín pri Čínskej akadémii lekárskych vied v Pekingu v Číne. Vzorky sa odoberali na poli a rýchlo sa skladovali v tekutom dusíku. Po čistení vzduchu pomocou PBS sa sukulentné stonkové tkanivá narezali na malé kúsky a ihneď sa skladovali pri teplote 80 stupňov Celzia v mrazničke až do ďalšieho spracovania. Z hrubých častí kvetenstva a mäsitých stoniek sa odobralo 18 vzoriek (tri biologické replikáty na biotop, dve časti tkaniva na vzorku) na analýzu metabolómu.

2.2 Extrakcia a separácia metabolitov

Lyofilizovaná vzorka bola rozdrvená pomocou miešacieho mlyna (MM 40}0, Retsch) s guľôčkami zirkónia počas 1,5 minúty pri 30 Hz. 100 mg prášku sa odvážilo a extrahovalo cez noc pri 4 stupňoch 1,0 ml 70 % vodného metanolu. Po centrifugácii pri 10 000 g počas 10 minút boli extrakty absorbované pred analýzou LC-MS.

Na analýzu lyofilizovaného extraktu vzorky sa použil systém LC-ESI-MS/MS (UPLC, systém Shim-pack UFLC SHIMADZU CBM30A). Analytické podmienky boli nasledujúce: UPLC kolóna, Waters ACQUITY UPLC HSS T3 C18 (1,8 mm, 2,1 mm x 1 00 mm); rozpúšťadlo, voda (0.04 % kyselina octová): acetonitril (0.04 % kyselina octová); gradientový program, 100 : 0 v/v pri 0 min, 5: 95 v/v po 11,0 min, 5: 95 v/v po 12,0 min, 95: 5 v/v po 12,1 min a 95 : 5 obj./obj. pri 15,0 min; prietoková rýchlosť, 0,40 ml/min; teplota, 40 stupňov; a injekčný objem 2 ml. Odtok bol alternatívne pripojený k ESI-trojnásobnému kvadrupólovému lineárnemu iónovému pascu (Q TRAP)-MS. V tomto experimente sa vzorka na kontrolu kvality pripravila rovnomerným miešaním; počas analýzy sa každých 10 nástrekov testovali vzorky na kontrolu kvality, aby sa monitorovala stabilita podmienok analýzy.24–26

Skenovanie lineárnej pasce iónov (LIT) a trojitého štvorpólu (QQQ) sa získalo na hmotnostnom spektrometri s trojitým štvorpólom s lineárnou pascou iónov (Q TRAP), systémom API 6500 Q TRAP LC/MS/MS, vybavenom Rozhranie ESI turbo ión-sprej, pracujúce v režime kladných iónov a riadené softvérom Analyst 1.6 (AB Sciex). Prevádzkové parametre zdroja ESI boli nasledujúce: iónový zdroj, turbosprej; teplota zdroja 500 stupňov; napätie iónového spreja (IS) 5500 V; iónový zdrojový plyn I (GSI), plyn II (GSII), clonový plyn (CUR) boli nastavené na 55, 60 a 25,0 psi; kolíziový plyn (CAD) bol vysoký (12 psi). Ladenie prístroja a hmotnostná kalibrácia sa uskutočňovali s 10 a 100 mmol L1 polypropylénglykolových roztokov v režimoch QQQ a LIT. QQQ skeny boli získané ako MRM experimenty s kolíznym plynom (dusíkom) nastaveným na 5 psi. Deklastračný potenciál (DP) a kolízna energia (CE) pre jednotlivé MRM prechody boli vykonané s ďalšou optimalizáciou. Špecifický súbor MRM prechodov sa monitoroval pre každé obdobie na základe metabolitov eluovaných počas tohto obdobia.

2.3 Identifikácia a kvantifikácia metabolitov

Kvalitatívna analýza primárnych a sekundárnych údajov MS sa uskutočnila porovnaním hodnôt prekurzorových iónov (Q1), fragmentových iónov (Q3) (izolačné okná (±15 Da), čas zotrvania (ms) alebo čas cyklu (1 sekunda)), retenčný čas (RT) a vzory fragmentácie s tými, ktoré sa získali vstreknutím štandardov za rovnakých podmienok, ak boli štandardy dostupné alebo boli vykonané pomocou samostatne zostavenej databázy MWDB (NetWare Biological Science and Technology Co., Ltd Wuhan, Čína) a verejne dostupnej databázy metabolitov, ak by štandardy neboli k dispozícii. Opakované signály K+, Na+, NH4+ a iných látok s vysokou molekulovou hmotnosťou boli počas identifikácie eliminované. Kvantitatívna analýza metabolitov bola založená na režime MRM. Charakteristické ióny každého metabolitu sa skrínovali pomocou hmotnostného spektrometra QQQ, aby sa získala intenzita signálu. Integrácia a korekcia chromatografických píkov sa uskutočnili pomocou Multi Quant verzie 3.0.2 (AB SCIEX, Concord, Ontario, Kanada). Zodpovedajúce relatívne obsahy metabolitov boli reprezentované ako integrály plochy píku chromatografie.

Hodnoty VIP (premenná dôležitá v projekcii) vzoriek C. deserticola (tri biologické repliky) boli vypočítané softvérom SIMCA-P (verzia 14.1, Sartorius Stedim Biotech, Ume˚a, Švédsko) na základe analýzy hlavných komponentov a ortogonálnych čiastočných najmenších štvorcová diskriminačná analýza. Nastavili sme násobok zmeny $2 alebo #0.5 a VIP hodnotu $1 ako prah na skríning výrazne odlišných metabolitov. Údaje o metabolitoch sa normalizovali, na všetkých vzorkách sa vykonala analýza klastrovej tepelnej mapy a na kreslenie klastrových tepelných máp sa použil programový skript R.

2.4 Molekulárne dokovanie

2.4.1 Zber chemických zlúčenín.Prostredníctvom predbežných experimentálnych výsledkov našej výskumnej skupiny a výsledkov vyhľadávania v literatúre sa zozbieralo celkovo 127 izolovaných zlúčenín zo sukulentných stoniek C. deserticola, ktoré sa stiahli z webovej stránky Chemical Book alebo použili ChemDraw na nakreslenie 2D molekulárnej štruktúry. Okrem toho sme prostredníctvom výsledkov metabolómu zistili 4 vyhýbanie (chryzoberyl, cynarosid, hesperetin a homoeriodictyol) zistené iba v kvetenstve. 2D štruktúra bola prevedená na trojrozmernú štruktúru pomocou softvéru ChemDraw 3D a bola vykonaná predbežná optimalizácia. Potom bola predbežne optimalizovaná trojrozmerná štruktúra overená softvérom Avogadro a ďalšia energetická optimalizácia sa použila na vytvorenie formátu súboru konečnej zlúčeniny potrebného na následné molekulárne dokovanie.

2.4.2 Zhromažďovanie cieľového zberu.Hľadali sme ciele chorobných proteínov prostredníctvom literatúry a databázy STITCH. Získali sme zodpovedajúce génové ciele pomocou databázy Uniport a získali sme PDB ID haplotypu proteínu a štruktúru malých molekúl pomocou RCSB. Pri určovaní pozitívneho lieku sme použili literatúru a webovú stránku Yaodu na predbežnú identifikáciu 45 cieľov súvisiacich s chorobami, ktoré boli hlásené, vrátane 10 chorôb súvisiacich so sukulentnými stonkami C. deserticola v literatúre. Týchto desať chorôb boli ateroskleróza, osteoporóza, senilná demencia, Alzheimerova choroba, Parkinsonova choroba, chronická zápcha, torsades de pointes ventrikulárna tachykardia, vaskulárne ochorenie, poranenie myokardu a rakovina konečníka. Okrem toho sme zhromaždili 467 cieľov súvisiacich so zápalom a získali sme 2 dôležité ciele (6KBA a 7AWC) prostredníctvom skríningu, ktoré sa použili na analýzu molekulárneho dokovania flavinoidov špecifických pre kvetenstvo.

2.4.3 Simulácia molekulárneho dokovania.Aby sme vyhodnotili väzbovú afinitu zlúčenín v C. deserticola ku kandidátskym cieľom, vykonali sme simuláciu molekulárneho dokovania prostredníctvom softvéru QuickVina 2.0, nástroja s otvoreným zdrojom, ktorý vyvinula výskumná skupina Alhossary. Aby sme overili väzbovú afinitu medzi cieľmi a zlúčeninami, vypočítali sme dokovacie skóre pomocou QuickVina 2.0. Skóre dokovania, ktoré prevyšovalo skóre pozitívnych liekov (údaje pre každý pozitívny liek možno získať zo zodpovedajúcich cieľov v RCSB alebo v literatúre), indikovali silnú väzbovú afinitu medzi kandidátskymi cieľmi a zodpovedajúcimi zlúčeninami.27–30 použil PyMOL (verzia 2.0 Schr¨odinger, LLC) na vykreslenie výsledkov dokovania zlúčeniny a cieľa.

2.4.4 Konštrukcia siete komponent-cieľ-cesta a analýza funkcie GO/KEGGKonštrukcia siete komponent-cieľ-cesta sa uskutočnila pomocou softvéru na vizualizáciu siete Cytoscape. V sieťových interakciách predstavujú uzly komponenty, ciele a cesty, zatiaľ čo hrany predstavujú vzájomnú interakciu. Ako indikátor farby spojenia sme použili skórovaciu hodnotu molekulárneho dokovania zlúčeniny a cieľového génu. Čím zelenšia farba, tým vyššia hodnota skóre. Sieť interakcie proteín-proteín (PPI) spojená s génovými cieľmi bola skonštruovaná a analyzovaná pomocou STRING.31

Na ďalšie zistenie biologických funkcií v rámci vytvorenej siete sme použili funkčný anotačný modul databázy DAVID29 na vykonanie analýz génovej ontológie (GO) a KEGG obohatenia cieľových génov.

3. Výsledky

3.1 Metabolické profily C. deserticola

Na získanie prehľadu o metabolických zmenách troch ekotypov C. deserticola súkvetia a sukulentné stonky sa uskutočnila široko cielená metabolómová analýza pomocou LC-ESI-MS/MS. Ako je znázornené na obr. 1b, kvetenstvo a sukulentné stonky C. deserticola z rôznych ekotypov vykazovali rôzne separácie a separácia rôznych tkanív bola väčšia ako separácia rôznych ekotypov. A tri replikované vzorky majú podobné PC skóre, čo naznačuje, že metabolity C. deserticola vykazovali malú separáciu medzi replikovanými vzorkami. Okrem toho sa vzorky kontroly kvality (zmes) zoskupili v strede grafu skóre PCA. Diagram okvetných lístkov (obr. 1c) a diagram rozrušenia (obr. 1d) naznačovali, že v šiestich skupinách bolo 391 bežných metabolitov a počet metabolitov zistených v kvetenstve bol vo všeobecnosti vyšší ako v šťavnatej stonke. Počet metabolitov zistených v soľno-alkalickom kvetenstve (A1) bol najväčší, celkovo 515, z ktorých 18 metabolitov bolo detegovaných len v A1. Počet metabolitov zistených v sukulentných stonkách trávnych porastov (B2) bol najmenší, s celkovým počtom 458, bez jeho jedinečných metabolitov.

Stanovil sa relatívny obsah 578 metabolitov, vrátane 35 kategórií metabolitov (ESI súbor S1). Najhojnejšími metabolitmi súkvetí a šťavnatých stoniek v oboch troch ekotypoch boli lipidy, glycerolipidy, aminokyseliny, nukleotidy a ich deriváty, fenyletanoidné glykozidy (PhGs) a flavonoidy (obr. S3a, 3b a c). Po normalizácii sa proporcionálny obsah každého metabolitu určil priemernou oblasťou odozvy vrcholu počas UPLC-MS/MS, ako je znázornené na obr. 1e s tepelnou mapou, a ďalej sa uskutočnila hierarchická zhluková analýza. Viac sekundárnych metabolitov vykazovalo vysoké relatívne koncentrácie v A1 a C2 ako v iných skupinách. Spomedzi sekundárnych metabolitov vo všetkých troch ekotypoch bol relatívny obsah fenyletanoidných glykozidov (PhGs) v sukulentných stonkách vyšší ako v kvetenstvách, zatiaľ čo relatívny obsah flavonoidov v kvetenstvách bol vyšší ako v sukulentných stonkách.

V tejto metabolómovej analýze bolo zistených 12 hlavných aktívnych zložiek C. deserticola, vrátane 2′-acetylakteozidu, akteozidu, cistanozidu A, koniferínu, echinakozidu, formononetín-7--O-glukozidu, inozínu, izoakteozidu, ononínu, pinorezinolu, injekčných striekačiek a uridín. Pre hlavné aktívne zložky C. deserticola detekované metabolómom bola nakreslená hierarchická zhluková tepelná mapa (obr. 1f), ktorá ukazuje, že relatívny obsah hlavných aktívnych zložiek v sukulentnej stonke bol vyšší ako v kvetenstve. V porovnaní s rôznymi tkanivami boli účinnými zložkami s relatívne vysokým obsahom v kvetenstve 2'-acetylakteozid a koniferín, zatiaľ čo účinnými zložkami s relatívne vysokým obsahom v sukulentných stonkách boli akteozid, cistanozid A, echinakozid a izoakteozid. V porovnaní s rôznymi ekotypmi bol relatívne vysoký obsah účinných látok v slano-alkalickej pôde 2′-acetylakteozid, akteozid, koniferín, echinakozid a izoakteozid. Relatívne vysoký obsah v trávnatých porastoch bol echinakozid a relatívne vysoký obsah v piesočnatej pôde bol cistanozid A.

3.2 Metabolický rozdiel medzi kvetenstvom a šťavnatou stonkou C. deserticola

Aby sme pochopili rozdiel v metabolizme medzi kvetenstvom a sukulentnou stonkou C. deserticola v troch ekotypoch, skúmali sme rôzne metabolity. Pozorovala sa vysoká predvídateľnosť (Q2) modelov OPLS-DA pri vytváraní párového porovnania medzi kvetenstvom a sukulentnou stonkou v slano-alkalickej pôde (Q2 = 0.996), trávnatých porastoch (Q2 = 0.997) a piesočnatá krajina (Q2 = 0.997) (obr. S1a). Hodnoty Q2 a R2 boli v permutačnom teste vyššie ako v modeli OPLS-DA (obr. S1b). Aby sme identifikovali potenciálne premenné, nastavili sme násobnú zmenu väčšiu alebo rovnú 2 alebo menšiu alebo rovnú 0.5 a VIP hodnotu väčšiu alebo rovnú 1 ako prah na skríning výrazne odlišných metabolitov v každom páre porovnaní. Top 10 rôznych metabolitov troch ekotypových kvetenstiev a sukulentných stoniek je uvedených v tabuľke S1. V porovnaní so sukulentnými stonkami bol relatívne vysoký obsah diferenciálnych metabolitov v kvetenstvách flavonoidy, ako sú flavonol, flavón a flavón C-glykozidy.

V slano-alkalickej krajine mali sukulentné stonky v porovnaní s kvetenstvami 43 up-regulovaných diferenciálnych metabolitov a 71 down-regulovaných diferenciálnych metabolitov (obr. 2a). Tepelná mapa (obr. 2b) ukázala, že relatívny obsah súkvetí bol vyšší ako obsah sukulentných stoniek. Pri porovnaní sukulentných stoniek s kvetenstvami boli hlavnými upregulovanými metabolitmi kyanidín 3-O-rutinozid (keracyanín), icariín (kaempferol 3,7-O-diglukozid 8-derivát prenylu), kyselina homovanilová metylester kyseliny chlorogenovej a rosinidín O-hexozid. Medzi hlavné downregulované diferenciálne metabolity patrili N′, N′′-di-p-kumaroylspermidín, 8-C-hexozyl-luteolín O-hexozid, kyselina kávová, izohamnetín O-hexozid a izohamnetín 5- O-hexozid (obr. 2c). Analýza obohatenia metabolickej dráhy KEGG (obr. 2d) klasifikovala diferenciálne metabolity identifikované z kvetenstva a sukulentnej stonky na biosyntézu flavonoidov, biosyntézu flavónov a flavonolov, biosyntézu izoflavonoidov, biosyntézu fenylpropanoidov a metabolizmus éterických lipidov.

Na pastvinách v porovnaní s kvetenstvami mali sukulentné stonky 35 up-regulovaných diferenciálnych metabolitov a 54 down-regulovaných diferenciálnych metabolitov (obr. 2a). Tepelná mapa (obr. 2b) ukázala, že relatívny obsah súkvetí bol vyšší ako obsah sukulentných stoniek. Pri porovnaní sukulentných stoniek s kvetenstvami boli hlavnými upregulovanými metabolitmi l-(plus)-arginín, kyselina adipová, N-metylnikotínamid, kyselina 4-hydroxybenzoová a dihydromyricetín. Medzi hlavné down-regulované diferenciálne metabolity patrili rosinidín O-hexozid, kyselina kávová, izohamnetín O-hexozid, predajný 5-O-hexozid a izohamnetín 5-O-hexozid (obr. 2c). Analýza obohatenia metabolickej dráhy KEGG (obr. 2d) klasifikovala rozdielne metabolity identifikované z kvetenstva a sukulentnej stonky na biosyntézu flavonoidov, biosyntézu flavónov a flavonolov, biosyntézu diterpenoidov, biosyntézu izoflavonoidov a cirkadiánne strhávanie.

V piesočnatej krajine mali sukulentné stonky v porovnaní s kvetenstvami 40 up-regulovaných diferenciálnych metabolitov a 87 down-regulovaných diferenciálnych metabolitov (obr. 2a). Tepelná mapa (obr. 2b) ukázala, že relatívny obsah súkvetí bol vyšší ako obsah sukulentných stoniek. Pri porovnaní sukulentných stoniek s kvetenstvami boli hlavnými upregulovanými metabolitmi O-feruloyl 4-hydroxylkumarín, syringing, rosinidín O-hexozid, kyselina 3-(4-hydroxyfenyl) propiónová a kyselina homovanilová. Medzi hlavné downregulované diferenciálne metabolity patrili chrysoeriol O-ramnosyl-O-glukurónová kyselina, C-hexozyl-apigenín O-kafeoylhexozid, predajný O-malonylhexozid, izohamnetín O-hexozid a 8-C-hexozyl-luteolín O- hexozid (obr. 2c). Analýza obohatenia metabolickej dráhy KEGG (obr. 2d) klasifikovala diferenciálne metabolity identifikované z kvetenstva a sukulentnej stonky na biosyntézu flavónov a flavonolov, biosyntézu flavonoidov, biosyntézu izoflavonoidov, biosyntézu diterpenoidov a degradáciu aromatických zlúčenín.

3.3 Metabolické rozdiely súvisiace so slano-alkalickým stresom v troch ekotypoch C. deserticola

Aby sme pochopili jedinečné metabolické charakteristiky troch ekotypov slano-alkalickej pôdy C. deserticola, skúmali sme rôzne metabolity v slano-alkalickej pôde oproti trávnatým porastom a piesočnatej pôde oproti slano-alkalickej pôde. Pozorovala sa vysoká predvídateľnosť (Q2) modelov OPLS-DA, aby sa vytvorilo párové porovnanie medzi slano-alkalickou pôdou verzus trávnatý porast kvetenstva (Q2 = 0.997) a sukulentná stonka (Q2 = 0.991) . Medzitým vysoká predvídateľnosť (Q2) modelov OPLS-DA medzi piesočnatou pôdou verzus slano-alkalickou krajinou kvetenstva (Q2 = 0.988) a šťavnatou stonkou (Q2 = 0.995). Hodnoty Q2 a R2 boli v permutačnom teste vyššie ako v modeli OPLS-DA (obr. S2†). Aby sme identifikovali potenciálne premenné, nastavili sme násobnú zmenu väčšiu alebo rovnú 2 alebo menšiu alebo rovnú 0.5 a VIP hodnotu väčšiu alebo rovnú 1 ako prah na skríning výrazne odlišných metabolitov v každom páre porovnaní. Tabuľka 2 ukazuje rôzne metabolity kvetenstva a sukulentných stoniek súvisiace so slano-alkalickým stresom (slano-alkalická pôda vs. pasienky a piesčitá pôda vs. slano-alkalická pôda), zoradené podľa kategórie metabolitov a demonštrovala, že väčšina metabolitov bola trieda flavonoidov . Spomedzi nich je relatívny obsah antokyanov, flavonoidov, flavonolu, flavanónu, katechínu a ich derivátov a izoflavónu najvyšší v slano-alkalickej pôde. Ďalej teplotná mapa (obr. 3d) ukázala, že skupiny s vyšším relatívnym obsahom diferenciálnych metabolitov flavonoidov boli A1 a C1. Relatívny obsah antokyánov bol najvyšší v skupine A2 a relatívny obsah flavonoidov a flavonolov bol najvyšší v skupine A1.

Mapy sopiek (obr. 3a) ukázali, že počet upregulovaných diferenciálnych metabolizmu v slano-alkalických pôdach je vyšší ako v trávnatých a piesočnatých pôdach, či už v kvetenstvách alebo sukulentných stonkách. 20 najlepších rozdielnych metabolitov každého porovnania je znázornených na obr. 3b. V slano-alkalickej pôde vs. trávnaté porasty boli KEGG dráhy rôznych metabolitov kvetenstva obohatené najmä o biosyntézu flavonoidov, biosyntézu flavonolov a flavonolov, biosyntézu diterpenoidov, biosyntézu izoflavonoidov a biosyntézu fenylpropanoidov. Okrem toho boli dráhy KEGG rôznych metabolitov sukulentného kmeňa obohatené hlavne o dopaminergnú synapsiu, metabolizmus purínov, biosyntézu flavonoidov, metabolizmus pyrimidínu a cirkadiánne strhávanie. V slano-alkalickej pôde vs. trávnaté porasty boli KEGG dráhy rôznych metabolitov kvetenstva obohatené najmä o biosyntézu izoflavonoidov, biosyntézu sekundárnych metabolitov, biosyntézu flavónov a flavonolov, antineoplastické látky z prírodných produktov a astmu. Okrem toho boli KEGG dráhy rôznych metabolitov sukulentnej stonky obohatené hlavne o biosyntézu aminoacyl-tRNA, trávenie a absorpciu proteínov, centrálny metabolizmus uhlíka pri rakovine, biosyntézu aminokyselín a biosyntézu fenylpropanoidov (obr. 3c).

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