Բույսերի պաշտպանության տարբեր տեսությունները կարևոր տեսական ուղեցույց են տալիս բույսերի մասնագիտացված նյութափոխանակության օրինաչափությունները բացատրելու համար, սակայն դրանց հիմնական կանխատեսումները դեռ պետք է ստուգվեն: Այստեղ մենք օգտագործել ենք անաչառ տանդեմ զանգվածային սպեկտրոմետրիայի (MS/MS) վերլուծություն՝ ծխախոտի թուլացած շտամների մետաբոլոմը առանձին բույսերից մինչև պոպուլյացիաներ և սերտորեն կապված տեսակներ համակարգված ուսումնասիրելու համար, և մշակել ենք զանգվածային սպեկտրոմետրիայի մեծ թվով առանձնահատկությունների տեսություններ՝ հիմնված տեղեկատվության մեջ առկա բարդ սպեկտրների վրա: Շրջանակ՝ օպտիմալ պաշտպանության (OD) և շարժվող թիրախի (MT) տեսությունների հիմնական կանխատեսումները ստուգելու համար: Բույսերի մետաբոլոմիկայի տեղեկատվական բաղադրիչը համապատասխանում է OD տեսությանը, բայց հակասում է խոտակերների կողմից առաջացած մետաբոլոմիկայի դինամիկայի վերաբերյալ MT տեսության հիմնական կանխատեսմանը: Միկրոից մինչև մակրո էվոլյուցիոն մասշտաբով ջասմոնատի ազդանշանը նույնականացվել է որպես OD-ի հիմնական որոշիչ, մինչդեռ էթիլենի ազդանշանը ապահովել է խոտակերներին բնորոշ արձագանքի նուրբ կարգավորումը՝ մեկնաբանված MS/MS մոլեկուլային ցանցի կողմից:
Բազմազան կառուցվածք ունեցող հատուկ մետաբոլիտները բույսերի շրջակա միջավայրին հարմարվողականության հիմնական մասնակիցներն են, հատկապես թշնամիներից պաշտպանվելու համար (1): Բույսերում հայտնաբերված հատուկ նյութափոխանակության զարմանալի դիվերսիֆիկացիան խթանել է տասնամյակներ շարունակ խորը հետազոտություններ դրա էկոլոգիական գործառույթների բազմաթիվ ասպեկտների վերաբերյալ և ձևավորել է բույսերի պաշտպանության տեսությունների երկար ցանկ, որոնք բույս-միջատ փոխազդեցությունների էվոլյուցիոն և էկոլոգիական զարգացումն են: Էմպիրիկ հետազոտությունները կարևոր ուղեցույց են տալիս (2): Այնուամենայնիվ, բույսերի պաշտպանության այս տեսությունները չեն հետևել հիպոթետիկ դեդուկտիվ դատողության նորմատիվ ուղուն, որտեղ հիմնական կանխատեսումները գտնվում էին վերլուծության նույն մակարդակում (3) և փորձարկվել են փորձարարականորեն՝ տեսական զարգացման հաջորդ ցիկլը առաջ մղելու համար (4): Տեխնիկական սահմանափակումները սահմանափակում են տվյալների հավաքագրումը որոշակի նյութափոխանակության կատեգորիաներով և բացառում են մասնագիտացված մետաբոլիտների համապարփակ վերլուծությունը, այդպիսով կանխելով միջկատեգորիկ համեմատությունները, որոնք անհրաժեշտ են տեսական զարգացման համար (5): Համապարփակ մետաբոլոմիկական տվյալների և տարբեր բույսերի խմբերի միջև նյութափոխանակության տարածքի մշակման աշխատանքային հոսքը համեմատելու համար ընդհանուր արժույթի բացակայությունը խոչընդոտում է ոլորտի գիտական ​​հասունությանը:
Տանդեմ զանգվածային սպեկտրոմետրիայի (MS/MS) մետաբոլոմիկայի ոլորտի վերջին զարգացումները կարող են համապարփակ բնութագրել տվյալ համակարգային կլադի տեսակների ներսում և միջև նյութափոխանակության փոփոխությունները և կարող են համակցվել հաշվողական մեթոդների հետ՝ այս բարդ խառնուրդների միջև կառուցվածքային նմանությունը հաշվարկելու համար: Քիմիայի նախորդ գիտելիքներ (5): Վերլուծության և հաշվողական տեխնիկայի առաջադեմ տեխնոլոգիաների համադրությունը անհրաժեշտ հիմք է հանդիսանում նյութափոխանակության բազմազանության էկոլոգիական և էվոլյուցիոն տեսությունների կողմից արված բազմաթիվ կանխատեսումների երկարաժամկետ ստուգման համար: Շենոնը (6) իր հիմնարար հոդվածում առաջին անգամ ներկայացրել է տեղեկատվության տեսությունը 1948 թվականին՝ հիմք դնելով տեղեկատվության մաթեմատիկական վերլուծությանը, որն օգտագործվել է իր սկզբնական կիրառությունից բացի շատ այլ ոլորտներում: Գենոմիկայի մեջ տեղեկատվության տեսությունը հաջողությամբ կիրառվել է հաջորդականության պահպանողական տեղեկատվությունը քանակականացնելու համար (7): Տրանսկրիպտոմիկայի հետազոտություններում տեղեկատվության տեսությունը վերլուծում է տրանսկրիպտոմի ընդհանուր փոփոխությունները (8): Նախորդ հետազոտություններում մենք տեղեկատվության տեսության վիճակագրական շրջանակը կիրառել ենք մետաբոլոմիկայի վրա՝ բույսերի հյուսվածքային մակարդակի նյութափոխանակության փորձագիտությունը նկարագրելու համար (9): Այստեղ մենք համատեղում ենք MS/MS-ի վրա հիմնված աշխատանքային հոսքը տեղեկատվական տեսության վիճակագրական շրջանակի հետ, որը բնութագրվում է ընդհանուր արժույթում նյութափոխանակության բազմազանությամբ, որպեսզի համեմատենք խոտակերների կողմից ինդուկցված մետաբոլոմի բույսերի պաշտպանության տեսության հիմնական կանխատեսումները։
Բույսերի պաշտպանության տեսական շրջանակները սովորաբար փոխադարձաբար ներառող են և կարելի է բաժանել երկու կատեգորիայի՝ նրանք, որոնք փորձում են բացատրել բույսերին բնորոշ մետաբոլիտների բաշխումը՝ հիմնվելով պաշտպանական գործառույթների վրա, ինչպիսիք են օպտիմալ պաշտպանությունը (ՕՊ) (10), շարժվող թիրախը (ՇԹ) (11) և արտաքին տեսքի (12) տեսությունը, մինչդեռ մյուսները փնտրում են մեխանիկական բացատրություններ այն մասին, թե ինչպես են ռեսուրսների մատչելիության փոփոխությունները ազդում բույսերի աճի և մասնագիտացված մետաբոլիտների կուտակման վրա, ինչպիսիք են ածխածինը՝ սննդանյութերի հավասարակշռության վարկածը (13), աճի տեմպի վարկածը (14) և աճի և դիֆերենցիացիայի հավասարակշռության վարկածը (15): Երկու տեսությունների հավաքածուները գտնվում են վերլուծության տարբեր մակարդակներում (4): Այնուամենայնիվ, բույսերի կազմավորող և ինդուկցվող պաշտպանության մասին խոսակցություններում գերակշռում են երկու տեսություններ, որոնք ներառում են պաշտպանական գործառույթներ ֆունկցիոնալ մակարդակում. ՕՊ տեսությունը, որը ենթադրում է, որ բույսերը ներդնում են իրենց թանկարժեք քիմիական պաշտպանության մեջ միայն անհրաժեշտության դեպքում, օրինակ, երբ դրանք կուլ են տրվում: Երբ խոտածածկ կենդանին հարձակվում է, հետևաբար, ապագա հարձակման հնարավորության համաձայն, նշանակվում է պաշտպանական գործառույթ ունեցող միացություն (10): ՄՏ վարկածը ենթադրում է, որ չկա ուղղորդված մետաբոլիտների փոփոխության առանցք, այլ մետաբոլիտը փոխվում է պատահականորեն, այդպիսով ստեղծելով հնարավորություն՝ խոչընդոտել խոտակերների վրա հարձակվող նյութափոխանակության «շարժման թիրախը»։ Այլ կերպ ասած, այս երկու տեսությունները հակառակ կանխատեսումներ են անում խոտակերների հարձակումից հետո տեղի ունեցող նյութափոխանակության վերակառուցման վերաբերյալ՝ պաշտպանական գործառույթ ունեցող մետաբոլիտների միակողմանի կուտակման (ՊՖ) և ոչ ուղղորդված նյութափոխանակության փոփոխությունների (ՉՄ) միջև եղած կապը (11):
OD և MT վարկածները ներառում են ոչ միայն մետաբոլոմում առաջացրած փոփոխությունները, այլև այդ մետաբոլիտների կուտակման էկոլոգիական և էվոլյուցիոն հետևանքները, ինչպիսիք են այս նյութափոխանակության փոփոխությունների հարմարվողական ծախսերն ու օգուտները որոշակի էկոլոգիական միջավայրում (16): Չնայած երկու վարկածներն էլ ճանաչում են մասնագիտացված մետաբոլիտների պաշտպանիչ գործառույթը, որը կարող է թանկ լինել կամ չլինել, OD և MT վարկածները տարբերակող հիմնական կանխատեսումը կայանում է առաջացրած նյութափոխանակության փոփոխությունների ուղղվածության մեջ: OD տեսության կանխատեսումը մինչ օրս ամենաշատ փորձարարական ուշադրությանն է արժանացել: Այս թեստերը ներառում են ջերմոցներում և բնական պայմաններում որոշակի միացությունների տարբեր հյուսվածքների ուղղակի կամ անուղղակի պաշտպանիչ գործառույթների ուսումնասիրությունը, ինչպես նաև բույսերի զարգացման փուլի փոփոխությունները (17-19): Այնուամենայնիվ, մինչ օրս, ցանկացած օրգանիզմի նյութափոխանակության բազմազանության գլոբալ համապարփակ վերլուծության համար աշխատանքային հոսքի և վիճակագրական շրջանակի բացակայության պատճառով, երկու տեսությունների միջև հիմնական տարբերության կանխատեսումը (այսինքն՝ նյութափոխանակության փոփոխությունների ուղղությունը) դեռ պետք է ստուգվի: Այստեղ մենք ներկայացնում ենք նման վերլուծություն:
Բույսերին բնորոշ մետաբոլիտների ամենակարևոր բնութագրիչներից մեկը դրանց ծայրահեղ կառուցվածքային բազմազանությունն է բոլոր մակարդակներում՝ սկսած առանձին բույսերից, պոպուլյացիաներից մինչև նմանատիպ տեսակներ (20): Մասնագիտացված մետաբոլիտների բազմաթիվ քանակական փոփոխություններ կարելի է դիտարկել պոպուլյացիայի մասշտաբով, մինչդեռ ուժեղ որակական տարբերություններ սովորաբար պահպանվում են տեսակների մակարդակում (20): Հետևաբար, բույսերի նյութափոխանակության բազմազանությունը ֆունկցիոնալ բազմազանության հիմնական ասպեկտն է, որը արտացոլում է տարբեր խորշերի հարմարվողականությունը, հատկապես այն խորշերին, որոնք ունեն հատուկ միջատների և սովորական խոտակերների տարբեր ներխուժման հնարավորություններ (21): Բույսերին բնորոշ մետաբոլիտների գոյության պատճառների մասին Ֆրենկելի (22) նորարարական հոդվածից ի վեր, տարբեր միջատների հետ փոխազդեցությունները համարվել են կարևոր ընտրության ճնշումներ, և ենթադրվում է, որ այդ փոխազդեցությունները ձևավորել են բույսերը էվոլյուցիայի ընթացքում: Նյութափոխանակության ուղի (23): Մասնագիտացված մետաբոլիտների բազմազանության միջտեսակային տարբերությունները կարող են նաև արտացոլել ֆիզիոլոգիական հավասարակշռությունը, որը կապված է բույսերի կազմավորող և ինդուկտիվ պաշտպանության հետ խոտակեր ռազմավարությունների դեմ, քանի որ երկու տեսակները հաճախ բացասականորեն կապված են միմյանց հետ (24): Չնայած միշտ լավ պաշտպանություն պահպանելը կարող է օգտակար լինել, պաշտպանության հետ կապված ժամանակին կատարված նյութափոխանակության փոփոխությունները հստակ առավելություններ են տալիս՝ թույլ տալով բույսերին արժեքավոր ռեսուրսներ հատկացնել այլ ֆիզիոլոգիական ներդրումների համար (19, 24) և խուսափելով սիմբիոզի անհրաժեշտությունից: Կողմնակի վնաս (25): Բացի այդ, միջատ-խոտակերների կողմից առաջացած մասնագիտացված մետաբոլիտների այս վերակազմակերպումները կարող են հանգեցնել պոպուլյացիայի ապակառուցողական բաշխման (26) և կարող են արտացոլել ջասմոնաթթվի (JA) ազդանշանի էական բնական փոփոխությունների ուղղակի ընթերցումները, որոնք կարող են պահպանվել պոպուլյացիայի մեջ: Բարձր և ցածր JA ազդանշանները փոխզիջում են խոտակերների դեմ պաշտպանության և որոշակի տեսակների հետ մրցակցության միջև (27): Բացի այդ, մասնագիտացված մետաբոլիտների կենսասինթետիկ ուղիները էվոլյուցիայի ընթացքում կենթարկվեն արագ կորստի և փոխակերպման, ինչը կհանգեցնի սերտորեն կապված տեսակների միջև նյութափոխանակության անհավասար բաշխման (28): Այս պոլիմորֆիզմները կարող են արագորեն հաստատվել խոտակերների փոփոխվող օրինաչափություններին ի պատասխան (29), ինչը նշանակում է, որ խոտակեր համայնքների տատանումը նյութափոխանակության տարասեռությունը խթանող հիմնական գործոն է:
Այստեղ մենք մասնավորապես լուծեցինք հետևյալ խնդիրները։ (I) Ինչպե՞ս է խոտակեր միջատը վերակազմավորում բույսերի մետաբոլոմը։ (Ii) Որո՞նք են նյութափոխանակության պլաստիկության հիմնական տեղեկատվական բաղադրիչները, որոնք կարող են քանակականացվել՝ երկարաժամկետ պաշտպանության տեսության կանխատեսումները ստուգելու համար։ (Iii) Արդյո՞ք պետք է վերածրագրավորել բույսերի մետաբոլոմը հարձակվողին բնորոշ ձևով, եթե այո, ապա ի՞նչ դեր է խաղում բուսական հորմոնը որոշակի նյութափոխանակության արձագանքի ձևավորման գործում, և որ մետաբոլիտներն են նպաստում պաշտպանության տեսակային առանձնահատկությանը։ (Iv) Քանի որ շատ պաշտպանության տեսությունների կողմից արված կանխատեսումները կարող են տարածվել կենսաբանական հյուսվածքների բոլոր մակարդակների վրա, մենք հարցրեցինք, թե որքանով է պայմանավորված նյութափոխանակության արձագանքը՝ ներքին համեմատությունից մինչև միջտեսակային համեմատություն։ Այս նպատակով մենք համակարգված կերպով ուսումնասիրել ենք ծխախոտի նիկոտինի տերևի մետաբոլոմը, որը էկոլոգիական մոդելային բույս ​​է՝ հարուստ մասնագիտացված նյութափոխանակությամբ և արդյունավետ է երկու բնիկ խոտակեր կենդանիների՝ Lepidoptera Datura (Ms) (շատ ագրեսիվ, հիմնականում ուտվող) թրթուրների դեմ: Solanaceae և Spodoptera littoralis (Sl) վրա բամբակի տերևի որդերը մի տեսակ «սեռ» են, որտեղ Solanaceae-ի և այլ սեռերի ու ընտանիքների այլ տերերը բույսերի սնունդ են: Մենք վերլուծել ենք MS/MS մետաբոլոմիկայի սպեկտրը և արդյունահանել ենք տեղեկատվական տեսության վիճակագրական նկարագրիչներ՝ OD և MT տեսությունները համեմատելու համար: Ստեղծել ենք յուրահատկության քարտեզներ՝ հիմնական մետաբոլիտների ինքնությունը բացահայտելու համար: Վերլուծությունը տարածվել է N. nasi-ի և սերտորեն կապված ծխախոտի տեսակների բնիկ պոպուլյացիայի վրա՝ բույսերի հորմոնալ ազդանշանային և OD ինդուկցիայի միջև կովարիացիան հետագա վերլուծելու համար:
Բուսակեր ծխախոտի տերևային մետաբոլոմի պլաստիկության և կառուցվածքի վերաբերյալ ընդհանուր քարտեզ կազմելու համար մենք օգտագործել ենք նախկինում մշակված վերլուծության և հաշվարկման աշխատանքային հոսք՝ բույսերի քաղվածքներից (9) բարձր թույլտվությամբ անկախ MS/MS սպեկտրներ համապարփակ հավաքելու և վերլուծելու համար: Այս չդիֆերենցված մեթոդը (որը կոչվում է MS/MS) կարող է կառուցել ոչ ավելորդ միացությունների սպեկտրներ, որոնք այնուհետև կարող են օգտագործվել այստեղ նկարագրված բոլոր միացությունների մակարդակի վերլուծությունների համար: Այս վերլուծված բույսերի մետաբոլիտները տարբեր տեսակի են՝ բաղկացած հարյուրավորից մինչև հազարավոր մետաբոլիտներից (այստեղ՝ մոտ 500-1000-s/MS/MS): Այստեղ մենք դիտարկում ենք նյութափոխանակության պլաստիկությունը տեղեկատվության տեսության շրջանակներում և քանակականացնում ենք մետաբոլոմի բազմազանությունն ու պրոֆեսիոնալիզմը՝ հիմնվելով նյութափոխանակության հաճախականության բաշխման Շենոնի էնտրոպիայի վրա: Օգտագործելով նախկինում կիրառված բանաձևը (8), մենք հաշվարկել ենք ցուցանիշների մի շարք, որոնք կարող են օգտագործվել մետաբոլոմի բազմազանությունը (Hj ցուցանիշ), նյութափոխանակության պրոֆիլի մասնագիտացումը (δj ցուցանիշ) և մեկ մետաբոլիտի նյութափոխանակության առանձնահատկությունը (Si ցուցանիշ) քանակականացնելու համար: Բացի այդ, մենք կիրառեցինք Հարաբերական Հեռավորության Պլաստիկության Ինդեքսը (RDPI)՝ խոտակերների մետաբոլոմի ինդուկտիվությունը քանակականացնելու համար (Նկար 1A) (30): Այս վիճակագրական շրջանակներում մենք MS/MS սպեկտրը դիտարկում ենք որպես հիմնական տեղեկատվական միավոր և MS/MS-ի հարաբերական առատությունը մշակում ենք հաճախականության բաշխման քարտեզի մեջ, այնուհետև օգտագործում ենք Շենոնի էնտրոպիան՝ դրանից մետաբոլոմի բազմազանությունը գնահատելու համար: Մետաբոլոմի մասնագիտացումը չափվում է մեկ MS/MS սպեկտրի միջին յուրահատկությամբ: Հետևաբար, խոտակերների ինդուկցիայից հետո որոշ MS/MS դասերի առատության աճը վերափոխվում է սպեկտրալ ինդուկտիվության, RDPI-ի և մասնագիտացման, այսինքն՝ δj ինդեքսի աճի, քանի որ արտադրվում են ավելի մասնագիտացված մետաբոլիտներ և բարձր Si ինդեքս: Hj բազմազանության ինդեքսի իջեցումը արտացոլում է, որ կամ գեներացված MS/MS-ների քանակը նվազում է, կամ պրոֆիլի հաճախականության բաշխումը փոխվում է ավելի քիչ միատարր ուղղությամբ՝ միաժամանակ նվազեցնելով դրա ընդհանուր անորոշությունը: Si ինդեքսի հաշվարկի միջոցով հնարավոր է ընդգծել, թե որ MS/MS-ներն են ինդուկցվում որոշակի խոտակեր կենդանիների կողմից, և ընդհակառակը, թե որ MS/MS-ներն են չեն արձագանքում ինդուկցիային, ինչը հիմնական ցուցանիշ է MT-ի և OD-ի կանխատեսումը տարբերակելու համար։
(Ա) Բուսակերների (H1-ից Hx) MS/MS տվյալների ինդուկցիայի (RDPI), բազմազանության (Hj ինդեքս), մասնագիտացման (δj ինդեքս) և մետաբոլիտների յուրահատկության (Si ինդեքս) համար օգտագործվող վիճակագրական նկարագրիչներ: Մասնագիտացման աստիճանի (δj) աճը ցույց է տալիս, որ միջինում կարտադրվեն ավելի շատ խոտակեր սպեցիֆիկ մետաբոլիտներ, մինչդեռ բազմազանության նվազումը (Hj) ցույց է տալիս մետաբոլիտների արտադրության նվազում կամ մետաբոլիտների անհավասար բաշխում բաշխման քարտեզում: Si արժեքը գնահատում է, թե արդյոք մետաբոլիտը սպեցիֆիկ է տվյալ պայմանին (այստեղ՝ խոտակեր), թե հակառակը պահպանվում է նույն մակարդակի վրա: (Բ) Պաշտպանական տեսության կանխատեսման հայեցակարգային դիագրամ՝ օգտագործելով տեղեկատվության տեսության առանցքը: OD տեսությունը կանխատեսում է, որ խոտակերների հարձակումը կմեծացնի պաշտպանական մետաբոլիտները, դրանով իսկ մեծացնելով δj-ն: Միևնույն ժամանակ, Hj-ն նվազում է, քանի որ պրոֆիլը վերակազմակերպվում է նյութափոխանակության տեղեկատվության անորոշության նվազման ուղղությամբ: MT տեսությունը կանխատեսում է, որ խոտակերների հարձակումը կառաջացնի ոչ ուղղորդված փոփոխություններ մետաբոլոմում, դրանով իսկ մեծացնելով Hj-ն՝ որպես նյութափոխանակության տեղեկատվության անորոշության աճի ցուցանիշ և առաջացնելով Si-ի պատահական բաշխում: Մենք նաև առաջարկել ենք խառը մոդել՝ լավագույն MT, որտեղ որոշ մետաբոլիտներ, որոնք ունեն ավելի բարձր պաշտպանական արժեքներ, հատկապես կբարձրանան (բարձր Si արժեք), մինչդեռ մյուսները կցուցաբերեն պատահական արձագանքներ (ցածր Si արժեք):
Տեղեկատվական տեսության նկարագրիչներն օգտագործելով՝ մենք մեկնաբանում ենք OD տեսությունը՝ կանխատեսելու համար, որ խոտակերների կողմից առաջացած հատուկ մետաբոլիտների փոփոխությունները չառաջացած կազմավոր վիճակում կհանգեցնեն (i) նյութափոխանակության յուրահատկության (Si ինդեքս) աճի, որը կհանգեցնի մետաբոնոմիկ յուրահատկության (δj ինդեքս) աճի։ Ավելի բարձր պաշտպանական արժեք ունեցող որոշակի հատուկ մետաբոլիտների խմբերի աճի, և (ii) մետաբոլոմների բազմազանության (Hj ինդեքս) նվազման՝ նյութափոխանակության հաճախականության բաշխման փոփոխության և լեպտինային մարմինների ավելի մեծ բաշխման պատճառով։ Մեկ մետաբոլիտի մակարդակում սպասվում է կարգավորված Si բաշխում, որտեղ մետաբոլիտը կբարձրացնի Si արժեքը՝ համաձայն իր պաշտպանական արժեքի (Նկար 1Բ)։ Այս ուղղությամբ մենք բացատրում ենք MT տեսությունը՝ կանխատեսելու համար, որ գրգռումը կհանգեցնի (i) մետաբոլիտների ոչ ուղղորդված փոփոխությունների, որոնք կհանգեցնեն δj ինդեքսի նվազմանը, և (ii) Hj ինդեքսի աճի՝ նյութափոխանակության անորոշության աճի պատճառով։ Կամ պատահականության, որը կարող է քանակականացվել Շենոնի էնտրոպիայի միջոցով՝ ընդհանրացված բազմազանության տեսքով։ Ինչ վերաբերում է նյութափոխանակության կազմին, MT տեսությունը կկանխատեսի Si-ի պատահական բաշխումը։ Հաշվի առնելով, որ որոշակի մետաբոլիտներ գտնվում են որոշակի պայմաններում, իսկ մյուս պայմանները՝ ոչ, և դրանց պաշտպանական արժեքը կախված է միջավայրից, մենք նաև առաջարկել ենք խառը պաշտպանության մոդել, որտեղ δj-ն և Hj-ն բաշխված են երկու մասով՝ Si-ի երկայնքով։ Բոլոր ուղղություններով աճը ցույց է տալիս, որ միայն որոշակի մետաբոլիտների խմբեր, որոնք ունեն ավելի բարձր պաշտպանական արժեքներ, կբարձրացնեն Si-ը, մինչդեռ մյուսները կունենան պատահական բաշխում (Նկար 1Բ):
Վերասահմանված պաշտպանական տեսության կանխատեսումը տեղեկատվության տեսության նկարագրիչի առանցքի վրա ստուգելու համար մենք Nepenthes pallens-ի տերևների վրա հայտնաբերեցինք փորձագիտական ​​(Ms) կամ ընդհանուր (Sl) խոտակեր թրթուրներ (Նկար 2A): MS/MS վերլուծությունն օգտագործելով՝ մենք թրթուրի կերակրումից հետո հավաքված տերևի հյուսվածքի մեթանոլային քաղվածքներից ստացանք 599 ոչ ավելորդ MS/MS սպեկտր (տվյալների ֆայլ S1): MS/MS կոնֆիգուրացիայի ֆայլերում տեղեկատվական բովանդակության վերակազմակերպումը պատկերացնելու համար RDPI, Hj և δj ինդեքսների օգտագործումը բացահայտում է հետաքրքիր օրինաչափություններ (Նկար 2B): Ընդհանուր միտումն այն է, որ, ինչպես նկարագրված է տեղեկատվության նկարագրիչում, քանի որ թրթուրները շարունակում են տերևներ ուտել, նյութափոխանակության բոլոր վերակազմակերպման աստիճանը ժամանակի ընթացքում մեծանում է. խոտակերի կողմից ուտելուց 72 ժամ անց RDPI-ն զգալիորեն մեծանում է: Համեմատած չվնասված վերահսկողության հետ, Hj-ն զգալիորեն նվազել է, ինչը պայմանավորված էր նյութափոխանակության պրոֆիլի մասնագիտացման աստիճանի աճով, որը քանակականացվել է δj ինդեքսով: Այս ակնհայտ միտումը համապատասխանում է OD տեսության կանխատեսումներին, սակայն անհամատեղելի է MT տեսության հիմնական կանխատեսումների հետ, որը կարծում է, որ մետաբոլիտների մակարդակների պատահական (ոչ ուղղորդված) փոփոխությունները օգտագործվում են որպես պաշտպանական քողարկում (Նկար 1Բ): Չնայած այս երկու խոտակերների բերանային սեկրեցիայի (OS) էլիկատորի պարունակությունը և սննդային վարքագիծը տարբեր են, նրանց անմիջական սնունդը հանգեցրել է Hj-ի և δj-ի ուղղությունների նմանատիպ փոփոխությունների 24-ժամյա և 72-ժամյա բերքահավաքի ժամանակահատվածներում: Միակ տարբերությունը տեղի է ունեցել RDPI-ի 72 ժամվա ընթացքում: Ms սնուցման պատճառով առաջացածի համեմատ, Sl սնուցմամբ առաջացած ընդհանուր նյութափոխանակությունն ավելի բարձր էր:
(Ա) Փորձարարական դիզայն. սովորական խոզ (S1) կամ փորձառու (Ms) խոտակերները սնվում են կուժային բույսերի աղազրկված տերևներով, մինչդեռ սիմուլյացիոն խոտակերության դեպքում Ms-ի OS-ը (W + OSMs) օգտագործվում է ստանդարտացված տերևների դիրքերի ծակոցը կարգավորելու համար: S1 (W + OSSl) թրթուրներ կամ ջուր (W + W): Վերահսկիչ (Գ)-ն չվնասված տերև է: (Բ) Հատուկ մետաբոլիտների քարտեզի համար հաշվարկված ինդուկտիվության (RDPI համեմատած վերահսկիչ գծապատկերի հետ), բազմազանության (Hj ինդեքս) և մասնագիտացման (δj ինդեքս) ինդեքսները (599 MS/MS; տվյալների ֆայլ S1): Աստղանիշները ցույց են տալիս խոտակերների ուղղակի կերակրման և վերահսկիչ խմբի միջև նշանակալի տարբերությունները (Ստուդենտի t-փորձարկում զույգ t-փորձարկմամբ, *P<0.05 և ***P<0.001): ns, կարևոր չէ: (Գ) Հիմնական (կապույտ արկղ, ամինաթթու, օրգանական թթու և շաքար; տվյալների ֆայլ S2) և հատուկ մետաբոլիտների սպեկտրի (կարմիր արկղ 443 MS/MS; տվյալների ֆայլ S1) ժամանակային լուծաչափի ինդեքսը խոտակերային մշակման սիմուլյացիայից հետո: Գունային գոտին վերաբերում է 95% վստահության միջակայքին: Աստղանիշը ցույց է տալիս մշակման և վերահսկողության միջև նշանակալի տարբերությունը [վարիացիայի քառակուսային վերլուծություն (ANOVA), որին հաջորդում է Թյուքիի անկեղծ նշանակալի տարբերությունը (HSD) հետհոկ բազմակի համեմատությունների համար, *P<0.05, **P<0.01 և *** P <0.001]: (Դ) Ցրման գրաֆիկների մասնագիտացում և հատուկ մետաբոլիտների պրոֆիլներ (կրկնվող նմուշներ տարբեր մշակումներով):
Որպեսզի ուսումնասիրենք, թե արդյոք խոտակերների կողմից առաջացած վերակառուցումը մետաբոլոմի մակարդակում արտացոլվում է առանձին մետաբոլիտների մակարդակի փոփոխություններում, մենք նախ կենտրոնացանք Nepenthes pallens-ի տերևներում նախկինում ուսումնասիրված մետաբոլիտների վրա, որոնք ունեն խոտակերների նկատմամբ ապացուցված դիմադրողականություն: Ֆենոլային ամիդները հիդրօքսիցինամամիդ-պոլիամին կոնյուգատներ են, որոնք կուտակվում են միջատների խոտակերության գործընթացում և հայտնի են միջատների կատարողականը նվազեցնելու իրենց հատկությամբ (32): Մենք ուսումնասիրեցինք համապատասխան MS/MS-ի նախորդները և գծագրեցինք դրանց կուտակային կինետիկ կորերը (Նկար S1): Զարմանալի չէ, որ ֆենոլային ածանցյալները, որոնք անմիջականորեն չեն մասնակցում խոտակերների դեմ պաշտպանությանը, ինչպիսիք են քլորոգենաթթուն (CGA) և ռուտինը, խոտակերությունից հետո նվազում են: Ի տարբերություն դրա, խոտակերները կարող են ֆենոլային ամիդները դարձնել բարձր հզոր: Երկու խոտակերների անընդհատ կերակրումը հանգեցրեց ֆենոլամիդների գրեթե նույն գրգռման սպեկտրի, և այս օրինաչափությունը հատկապես ակնհայտ էր ֆենոլամիդների de novo սինթեզի համար: Նույն երևույթը կդիտարկվի նաև 17-հիդրօքսիգերանիլ նոնանեդիոլ դիմերպենային գլիկոզիդների (17-HGL-DTG) ուղին ուսումնասիրելիս, որն արտադրում է մեծ քանակությամբ ացիկլիկ դիմերպեններ՝ արդյունավետ հակաբուսակեր ֆունկցիաներով (33), որոնցից Ms-ի կողմից Sl-ով կերակրումը առաջացրել է նմանատիպ արտահայտման պրոֆիլ (Նկար S1):
Բուսակերների ուղղակի սնման փորձերի հնարավոր թերությունը տերևների սպառման արագության և բուսակերների սնման ժամանակի տարբերությունն է, ինչը դժվարացնում է վերքերի և բուսակերների կողմից առաջացած բուսակերներին բնորոշ ազդեցությունների վերացումը: Որպեսզի ավելի լավ լուծենք տերևի ինդուկցված նյութափոխանակության արձագանքի բուսակերների տեսակային առանձնահատկությունը, մենք մոդելավորեցինք Ms և Sl թրթուրների սնվելը՝ անմիջապես կիրառելով թարմ հավաքված OS-ն (OSM և OSS1) տերևների համապատասխան դիրքերի ստանդարտ պունկցիայի W-ի վրա: Այս ընթացակարգը կոչվում է W + OS բուժում, և այն ստանդարտացնում է ինդուկցիան՝ ճշգրիտ ժամանակագրելով բուսակերի կողմից առաջացած արձագանքի սկիզբը՝ առանց հյուսվածքների կորստի արագության կամ քանակի տարբերությունների շփոթեցնող ազդեցություններ առաջացնելու (Նկար 2A) (34): MS/MS վերլուծության և հաշվարկման խողովակաշարի միջոցով մենք ստացանք 443 MS/MS սպեկտր (տվյալների ֆայլ S1), որոնք համընկնում էին ուղղակի սնման փորձերից նախկինում հավաքված սպեկտրների հետ: Այս MS/MS տվյալների հավաքածուի տեղեկատվական տեսության վերլուծությունը ցույց տվեց, որ տերևներին մասնագիտացված մետաբոլոմների վերածրագրավորումը՝ բուսակերներին մոդելավորելով, ցույց տվեց OS-ին բնորոշ ինդուկցիաներ (Նկար 2C): Մասնավորապես, OSS1-ով բուժման համեմատ, OSM-ը 4 ժամվա ընթացքում առաջացրել է մետաբոլոմի մասնագիտացման ուժեղացում: Հարկ է նշել, որ խոտակերների անմիջական սնման փորձարարական տվյալների համեմատ, երկչափ տարածության մեջ պատկերված նյութափոխանակության կինետիկան՝ օգտագործելով Hj-ն և δj-ն որպես կոորդինատներ, և մետաբոլոմի մասնագիտացման ուղղությունը՝ խոտակերների սիմուլյացիոն բուժմանը ի պատասխան ժամանակի ընթացքում, աճել է համապատասխանաբար (Նկար 2D): Միևնույն ժամանակ, մենք քանակականացրել ենք ամինաթթուների, օրգանական թթուների և շաքարների պարունակությունը (տվյալների ֆայլ S2)՝ պարզելու համար, թե արդյոք մետաբոլոմի փորձագիտության այս նպատակային աճը պայմանավորված է կենտրոնական ածխածնային նյութափոխանակության վերակազմակերպմամբ՝ խոտակերների սիմուլյացիայի ի պատասխան (Նկար S2): Այս օրինաչափությունն ավելի լավ բացատրելու համար մենք հետագայում վերահսկել ենք նախկինում քննարկված ֆենոլամիդի և 17-HGL-DTG ուղիների նյութափոխանակության կուտակման կինետիկան: Խոտակերների OS-սպեցիֆիկ ինդուկցիան ֆենոլամիդի նյութափոխանակության շրջանակներում վերափոխվում է դիֆերենցիալ վերադասավորման օրինաչափության (Նկար S3): Կումարին և կոֆեոիլային մասնիկներ պարունակող ֆենոլային ամիդները նախընտրելիորեն ինդուկցվում են OSS1-ով, մինչդեռ OSM-ները առաջացնում են ֆերուլիլ կոնյուգատների յուրահատուկ ինդուկցիա: 17-HGL-DTG ուղու համար հայտնաբերվել է OS-ի դիֆերենցիալ ինդուկցիա՝ հոսանքն ի վար մալոնիլացման և դիմալոնիլացման արգասիքների միջոցով (Նկար S3):
Հաջորդը, մենք ուսումնասիրեցինք OS-ի կողմից առաջացած տրանսկրիպտոմային պլաստիկությունը՝ օգտագործելով ժամանակային միկրոշարքային տվյալների հավաքածուն, որը մոդելավորում է OSM-ների օգտագործումը խոտակեր կենդանիների մոտ վարդակավոր բույսի տերևների մշակման համար: Նմուշառման կինետիկան հիմնականում համընկնում է այս մետաբոլոմիկայի ուսումնասիրության մեջ օգտագործված կինետիկայի հետ (35): Համեմատած մետաբոլոմի վերակազմակերպման հետ, որտեղ նյութափոխանակության պլաստիկությունը հատկապես մեծանում է ժամանակի ընթացքում, մենք դիտարկում ենք Ms-ի կողմից առաջացած անցողիկ տրանսկրիպցիոն պոռթկումներ տերևներում, որտեղ տրանսկրիպտոմային ինդուկտիվությունը (RDPI) և մասնագիտացումը (δj) գտնվում են 1-ի վրա: Այս ժամանակահատվածում ժամերի և բազմազանության (Hj) զգալի աճ է գրանցվել, BMP1-ի արտահայտությունը զգալիորեն նվազել է, որին հաջորդել է տրանսկրիպտոմային մասնագիտացման թուլացումը (Նկար S4): Մետաբոլիկ գեների ընտանիքները (օրինակ՝ P450, գլիկոզիլտրանսֆերազ և BAHD ացիլտրանսֆերազ) մասնակցում են առաջնային նյութափոխանակությունից ստացված կառուցվածքային միավորներից հատուկ մետաբոլիտների հավաքման գործընթացին՝ հետևելով վերոնշյալ վաղ բարձր մասնագիտացման մոդելին: Որպես դեպքի ուսումնասիրություն, վերլուծվել է ֆենիլալանինի ուղին: Վերլուծությունը հաստատեց, որ ֆենոլամիդի նյութափոխանակության հիմնական գեները բուսակերների մոտ խիստ ինդուկցված են OS-ով՝ համեմատած չգրավված բույսերի հետ, և իրենց արտահայտման օրինաչափություններով մոտ են համընկնում: Այս ուղու վերին հոսանքում գտնվող MYB8 տրանսկրիպցիոն գործոնը և PAL1, PAL2, C4H և 4CL կառուցվածքային գեները ցույց տվեցին տրանսկրիպցիայի վաղ սկիզբ: Ֆենոլամիդի վերջնական հավաքման մեջ դեր ունեցող ացիլտրանսֆերազները, ինչպիսիք են AT1-ը, DH29-ը և CV86-ը, ցուցաբերում են երկարատև վերընթաց կարգավորման օրինաչափություն (Նկար S4): Վերոնշյալ դիտարկումները ցույց են տալիս, որ տրանսկրիպտոմների մասնագիտացման վաղ սկիզբը և մետաբոլոմիկայի մասնագիտացման ավելի ուշ ուժեղացումը զուգակցված ռեժիմ են, որը կարող է պայմանավորված լինել համաժամանակյա կարգավորող համակարգով, որը նախաձեռնում է հզոր պաշտպանական պատասխան:
Բույսերի հորմոնների ազդանշանային համակարգի վերակազմակերպումը գործում է որպես կարգավորող շերտ, որը ինտեգրում է խոտակեր տեղեկատվությունը բույսերի ֆիզիոլոգիան վերածրագրավորելու համար: Խոտակերների մոդելավորումից հետո մենք չափեցինք բույսերի հիմնական հորմոնների կատեգորիաների կուտակային դինամիկան և պատկերացրինք դրանց միջև ժամանակային համատեղ արտահայտումը [Պիրսոնի կորելյացիայի գործակից (PCC)> 0.4] (Նկար 3Ա): Ինչպես և սպասվում էր, կենսասինթեզի հետ կապված բույսերի հորմոնները կապված են բույսերի հորմոնների համատեղ արտահայտման ցանցի հետ: Բացի այդ, նյութափոխանակության յուրահատկությունը (Si ինդեքս) քարտեզագրվում է այս ցանցին՝ տարբեր բուժումներով առաջացած բույսերի հորմոնները ընդգծելու համար: Նկարված են խոտակերների յուրահատկության երկու հիմնական ոլորտներ. մեկը JA կլաստերում է, որտեղ JA-ն (նրա կենսաբանորեն ակտիվ ձևը՝ JA-Ile) և այլ JA ածանցյալներ ցույց են տալիս Si-ի ամենաբարձր միավորը. մյուսը էթիլենն է (ET): Գիբերելինը ցույց տվեց խոտակերների յուրահատկության միայն չափավոր աճ, մինչդեռ այլ բուսական հորմոններ, ինչպիսիք են ցիտոկինինը, օքսինը և աբսցիսաթթուն, խոտակերների համար ցածր ինդուկցիոն յուրահատկություն ունեին: Միայն W + W-ի օգտագործման համեմատ, JA ածանցյալների գագաթնակետային արժեքի ուժեղացումը OS կիրառման միջոցով (W + OS) կարող է հիմնականում վերածվել JA-ների ուժեղ սպեցիֆիկ ցուցիչի: Անսպասելիորեն, տարբեր էլիկտորային պարունակությամբ OSM-ը և OSS1-ը հայտնի են JA-ի և JA-Ile-ի նմանատիպ կուտակմամբ: Ի տարբերություն OSS1-ի, OSM-ը սպեցիֆիկ և ուժեղ կերպով ինդուկցվում է OSM-ների կողմից, մինչդեռ OSS1-ը չի ուժեղացնում բազալ վերքերի արձագանքը (Նկար 3Բ):
(Ա) Համաարտահայտման ցանցի վերլուծություն՝ հիմնված խոտակերների կողմից առաջացած բույսերի հորմոնների կուտակման կինետիկայի սիմուլյացիայի PCC հաշվարկի վրա: Հանգույցը ներկայացնում է մեկ բուսական հորմոն, իսկ հանգույցի չափը ներկայացնում է բույսերի հորմոնին բնորոշ Si ինդեքսը բուժումների միջև: (Բ) JA, JA-Ile և ET-ի կուտակումը տերևներում՝ պայմանավորված տարբեր բուժումներով, որոնք նշված են տարբեր գույներով՝ ծիրանագույն, W + OSM; կապույտ, W + OSSl; սև, W + W; մոխրագույն, C (վերահսկիչ): Աստղանիշները ցույց են տալիս բուժման և վերահսկողության միջև նշանակալի տարբերությունները (երկկողմանի ANOVA, որին հաջորդում է Tukey HSD հետհոկ բազմակի համեմատություն, *** P <0.001): (C)697 MS/MS (տվյալների ֆայլ S1) տեղեկատվական տեսության վերլուծություն JA կենսասինթեզում և խանգարված ընկալման սպեկտրում (irAOC և irCOI1) և (D)585 MS/MS (տվյալների ֆայլ S1) ETR1-ում՝ խանգարված ET ազդանշանով: Երկու սիմուլյացված խոտակերների բուժումները ակտիվացրել են բույսերի գծերը և դատարկ տրանսպորտային միջոցի (EV) վերահսկիչ բույսերը: Աստղանիշները ցույց են տալիս W+OS մշակման և չվնասված վերահսկողության միջև նշանակալի տարբերությունները (երկկողմանի ANOVA, որին հաջորդում է Tukey HSD հետհոկ բազմակի համեմատությունը, *P<0.05, **P<0.01 և ***P<0.001): (E) Մասնագիտացմանը ցրված հակադրության ցրված գրաֆիկները: Գույները ներկայացնում են տարբեր գենետիկորեն մոդիֆիկացված շտամներ. խորհրդանիշները ներկայացնում են մշակման տարբեր մեթոդներ. եռանկյունի՝ W + OSS1; ուղղանկյուն՝ W + OSM; շրջան՝ C:
Հաջորդը, մենք օգտագործում ենք թուլացած Նեպենթեսի գենետիկորեն մոդիֆիկացված շտամ (irCOI1 և sETR1) JA և ET կենսասինթեզի (irAOC և irACO) և ընկալման (irCOI1 և sETR1) հիմնական փուլերում՝ խոտակերների վրա այս երկու բուսական հորմոնների նյութափոխանակությունը վերլուծելու համար։ Վերածրագրավորման հարաբերական ներդրումը։ Նախորդ փորձերի համաձայն, մենք հաստատեցինք խոտակեր-OS-ի ինդուկցիան դատարկ կրիչ (EV) բույսերում (Նկար 3, C-ից D) և OSM-ի պատճառով Hj ինդեքսի ընդհանուր նվազումը, մինչդեռ δj ինդեքսը մեծացավ։ Պատասխանն ավելի ցայտուն է, քան OSS1-ի կողմից առաջացած արձագանքը։ Hj-ն և δj-ն որպես կոորդինատներ օգտագործող երկգծային գրաֆիկը ցույց է տալիս սպեցիֆիկ դեկարգավորումը (Նկար 3E): Ամենաակնհայտ միտումն այն է, որ JA ազդանշան չունեցող շտամներում խոտակերների պատճառով մետաբոլոմի բազմազանության և մասնագիտացման փոփոխությունները գրեթե ամբողջությամբ վերանում են (Նկար 3C): Ի հակադրություն դրա, sETR1 բույսերում ET լուռ ընկալումը, չնայած խոտակերների նյութափոխանակության փոփոխությունների վրա ընդհանուր ազդեցությունը շատ ավելի ցածր է, քան JA ազդանշանային ուղին, թուլացնում է Hj և δj ինդեքսների տարբերությունը OSM և OSS1 գրգռումների միջև (Նկար 3D և Նկար S5): Սա ցույց է տալիս, որ JA ազդանշանի փոխանցման հիմնական գործառույթից բացի, ET ազդանշանի փոխանցումը նաև ծառայում է որպես խոտակերների տեսակային նյութափոխանակության արձագանքի նուրբ կարգավորում: Այս նուրբ կարգավորման գործառույթին համապատասխան, sETR1 բույսերում մետաբոլոմի ընդհանուր ինդուկտիվության մեջ փոփոխություն չի եղել: Մյուս կողմից, sETR1 բույսերի համեմատ, irACO բույսերը խոտակերների կողմից առաջացած նյութափոխանակության փոփոխությունների նմանատիպ ընդհանուր ամպլիտուդներ են առաջացրել, բայց ցույց են տվել զգալիորեն տարբեր Hj և δj միավորներ OSM և OSS1 մարտահրավերների միջև (Նկար S5):
Բուսակերների տեսակային արձագանքին կարևոր ներդրում ունեցող մասնագիտացված մետաբոլիտները բացահայտելու և դրանց արտադրությունը ET ազդանշանների միջոցով ճշգրտելու համար մենք օգտագործել ենք նախկինում մշակված կառուցվածքային MS/MS մեթոդը: Այս մեթոդը հիմնված է կրկնակի կլաստերացման մեթոդի վրա՝ MS/MS բեկորներից [նորմալացված կետային արտադրյալ (NDP)] և չեզոք կորստի (NL) վրա հիմնված նմանության միավորից նյութափոխանակության ընտանիքը վերաիմաստավորելու համար: ET տրանսգենային գծերի վերլուծության միջոցով կառուցված MS/MS տվյալների հավաքածուն տվել է 585 MS/MS (տվյալների ֆայլ S1), որը լուծվել է դրանք յոթ հիմնական MS/MS մոդուլների կլաստերացման միջոցով (M) (Նկար 4A): Այս մոդուլներից մի քանիսը խիտ լցված են նախկինում բնութագրված հատուկ մետաբոլիտներով. օրինակ՝ M1, M2, M3, M4 և M7 հարուստ են տարբեր ֆենոլային ածանցյալներով (M1), ֆլավոնոիդ գլիկոզիդներով (M2), ացիլ շաքարներով (M3 և M4) և 17-HGL-DTG (M7): Բացի այդ, հաշվարկվում է յուրաքանչյուր մոդուլում մեկ մետաբոլիտի նյութափոխանակության յուրահատուկ տեղեկատվությունը (Si ինդեքս), և դրա Si բաշխումը կարելի է տեսնել ինտուիտիվ կերպով: Ամփոփելով՝ բարձր բուսակերության և գենոտիպի յուրահատուկություն ցուցաբերող MS/MS սպեկտրները բնութագրվում են Si բարձր արժեքներով, իսկ կուրտոզի վիճակագրությունը ցույց է տալիս մորթու բաշխումը աջ պոչային անկյունում: Նմանատիպ նիհար կոլոիդային բաշխում հայտնաբերվել է M1-ում, որտեղ ֆենոլ ամիդը ցույց է տվել Si-ի ամենաբարձր մասնաբաժինը (Նկար 4Բ): Նախկինում նշված բուսակեր ինդուկտիվ 17-HGL-DTG-ն M7-ում ցույց է տվել Si միջին միավոր, ինչը ցույց է տալիս երկու OS տեսակների միջև դիֆերենցիալ կարգավորման միջին աստիճան: Ի տարբերություն դրա, կոնստիտուցիոնալորեն արտադրված մասնագիտացված մետաբոլիտների մեծ մասը, ինչպիսիք են ռուտինը, CGA-ն և ացիլ շաքարները, Si ամենացածր միավորներից են: Հատուկ մետաբոլիտների միջև կառուցվածքային բարդությունը և Si բաշխումը ավելի լավ ուսումնասիրելու համար յուրաքանչյուր մոդուլի համար կառուցվել է մոլեկուլային ցանց (Նկար 4Բ): OD տեսության կարևոր կանխատեսումը (ամփոփված է նկար 1B-ում) այն է, որ խոտակերությունից հետո հատուկ մետաբոլիտների վերակազմակերպումը պետք է հանգեցնի մետաբոլիտների միակողմանի փոփոխությունների՝ բարձր պաշտպանական արժեքով, մասնավորապես՝ մեծացնելով դրանց յուրահատկությունը (ի տարբերություն պատահական բաշխման): Պաշտպանական մետաբոլիտ (ռեժիմ), որը կանխատեսվում է MT տեսությամբ: M1-ում կուտակված ֆենոլային ածանցյալների մեծ մասը ֆունկցիոնալ առումով կապված է միջատների կատարողականի անկման հետ (32): M1 մետաբոլիտներում Si արժեքները ինդուկցված տերևների և EV վերահսկիչ բույսերի բաղադրիչ տերևների միջև 24 ժամվա ընթացքում համեմատելիս մենք նկատեցինք, որ խոտակեր միջատներից հետո շատ մետաբոլիտների նյութափոխանակության յուրահատկությունը զգալի աճի միտում ունի (Նկար 4C): Si արժեքի յուրահատկ աճը հայտնաբերվել է միայն պաշտպանական ֆենոլամիդներում, բայց Si արժեքի աճ չի հայտնաբերվել այս մոդուլում համակեցող այլ ֆենոլներում և անհայտ մետաբոլիտներում: Սա մասնագիտացված մոդել է, որը կապված է OD տեսության հետ: Խոտակերների կողմից առաջացած նյութափոխանակության փոփոխությունների հիմնական կանխատեսումները համապատասխանում են: Ֆենոլամիդային սպեկտրի այս առանձնահատկությունը OS-սպեցիֆիկ ET-ի կողմից ինդուկցված լինելը ստուգելու համար մենք գծագրեցինք մետաբոլիտ Si ինդեքսը և EV և sETR1 գենոտիպերում OSM-ի և OSS1-ի միջև առաջացրեցինք տարբերակված արտահայտման արժեք (Նկար 4D): sETR1-ում OSM-ի և OSS1-ի միջև ֆենամիդով ինդուկցված տարբերությունը զգալիորեն նվազեց: Բիկլաստերացման մեթոդը կիրառվեց նաև JA-ի անբավարարություն ունեցող շտամներից հավաքված MS/MS տվյալների վրա՝ JA-ի կողմից կարգավորվող նյութափոխանակության մասնագիտացման հետ կապված հիմնական MS/MS մոդուլները եզրակացնելու համար (Նկար S6):
(Ա) 585 MS/MS-ի կլաստերացման արդյունքները, որոնք հիմնված են համատեղ բեկորի (NDP նմանություն) և համատեղ չեզոք կորստի (NL նմանություն), հանգեցնում են նրան, որ մոդուլը (M) համապատասխանում է հայտնի միացությունների ընտանիքին կամ անհայտ կամ վատ նյութափոխանակված մետաբոլիտների կազմին: Յուրաքանչյուր մոդուլի կողքին ցույց է տրված մետաբոլիտի (MS/MS) սպեցիֆիկ (Si) բաշխումը: (Բ) Մոդուլային մոլեկուլային ցանց. Հանգույցները ներկայացնում են MS/MS-ը և եզրերը, NDP (կարմիր) և NL (կապույտ) MS/MS միավորները (շեմային արժեք, > 0.6): Գնահատված մետաբոլիտի սպեցիֆիկության ինդեքսը (Si), որը գունավորված է մոդուլի հիման վրա (ձախ) և քարտեզագրված է մոլեկուլային ցանցին (աջ): (Գ) Էլեկտրոմիումային բույսի M1 մոդուլը կոնստիտուցիոնալ (վերահսկիչ) և ինդուկցված վիճակում (սիմուլյացված խոտակեր) 24 ժամվա ընթացքում. մոլեկուլային ցանցի դիագրամ (Si արժեքը հանգույցի չափն է, պաշտպանական ֆենոլամիդը ընդգծված է կապույտով): (Դ) sETR1 սպեկտրային գծի M1 մոլեկուլային ցանցային դիագրամը՝ EV և ET ընկալման խանգարմամբ. կանաչ շրջանագծով ներկայացված ֆենոլային միացությունը և W + OSM և W + OSS1 մշակումների միջև նշանակալի տարբերությունը (P արժեքը)՝ որպես հանգույցի չափս։ CP, N-կաֆեոիլ-տիրոզին; CS, N-կաֆեոիլ-սպերմիդին; FP, N-ֆերուլաթթվի էսթեր-միզաթթու; FS, N-ֆերուլիլ-սպերմիդին; CoP, N', N “-կումարոլիլ-տիրոզին; DCS, N', N”-դիկաֆեոիլ-սպերմիդին; CFS, N', N”-կաֆեոիլ, ֆերուլոիլ-սպերմիդին; Lycium barbarum-ը գայլածաղիկի մեջ; Nick. O-AS, O-ացիլ շաքար։
Մենք վերլուծությունը մեկ թուլացած Nepenthes գենոտիպից ընդլայնեցինք բնական պոպուլյացիաների վրա, որտեղ խոտակեր JA մակարդակների և որոշակի մետաբոլիտների մակարդակների ուժեղ ներտեսակային փոփոխություններ նախկինում նկարագրվել են բնական պոպուլյացիաներում (26): Օգտագործեք այս տվյալների հավաքածուն 43 գերմապլազմաների համար: Այս գերմապլազմաները բաղկացած են N. pallens-ի 123 տեսակի բույսերից: Այս բույսերը վերցված են Յուտայի, Նևադայի, Արիզոնայի և Կալիֆոռնիայի տարբեր բնիկ բնակավայրերում հավաքված սերմերից (Նկար S7), մենք հաշվարկեցինք մետաբոլոմի բազմազանությունը (այստեղ կոչվում է պոպուլյացիայի մակարդակ) (β բազմազանություն) և OSM-ի պատճառով առաջացած մասնագիտացումը: Նախորդ ուսումնասիրություններին համապատասխան՝ մենք դիտարկեցինք նյութափոխանակության լայն շրջանակի փոփոխություններ Hj և δj առանցքների երկայնքով, ինչը ցույց է տալիս, որ գերմապլազմաները զգալի տարբերություններ ունեն խոտակերների նկատմամբ իրենց նյութափոխանակության արձագանքների պլաստիկության մեջ (Նկար S7): Այս կազմակերպումը հիշեցնում է խոտակերների կողմից առաջացած JAs փոփոխությունների դինամիկ շրջանակի վերաբերյալ նախորդ դիտարկումները և պահպանել է շատ բարձր արժեք մեկ պոպուլյացիայի մեջ (26, 36): JA-ն և JA-Ile-ն օգտագործելով Hj-ի և δj-ի միջև ընդհանուր մակարդակի կորելացիան ստուգելու համար, մենք պարզեցինք, որ JA-ի և մետաբոլոմի β բազմազանության և մասնագիտացման ինդեքսի միջև կա նշանակալի դրական կորելացիա (Նկար S7): Սա ենթադրում է, որ պոպուլյացիայի մակարդակում հայտնաբերված խոտակերների կողմից առաջացած տարասեռությունը JA-ների ինդուկցիայում կարող է պայմանավորված լինել միջատ խոտակերներից ընտրության հետևանքով առաջացած հիմնական նյութափոխանակության պոլիմորֆիզմներով:
Նախորդ ուսումնասիրությունները ցույց են տվել, որ ծխախոտի տեսակները մեծապես տարբերվում են տեսակով և հարաբերական կախվածությամբ ինդուկցված և կազմավորող նյութափոխանակության պաշտպանություններից: Ենթադրվում է, որ հակաբուսակեր ազդանշանների փոխանցման և պաշտպանական կարողությունների այս փոփոխությունները կարգավորվում են միջատների պոպուլյացիայի ճնշմամբ, բույսերի կյանքի ցիկլով և պաշտպանության արտադրության ծախսերով այն խորշում, որտեղ աճում է տվյալ տեսակը: Մենք ուսումնասիրել ենք Հյուսիսային և Հարավային Ամերիկայի բնիկ վեց Nicotiana տեսակների բուսակերների կողմից առաջացած տերևային նյութափոխանակության վերակառուցման հետևողականությունը: Այս տեսակները սերտորեն կապված են Հյուսիսային Ամերիկայի Nepenthes-ի հետ, մասնավորապես՝ Nicolia Bociflo-ի: La, N. nicotinis, Nicotiana n. attenuated grass, Nicotiana tabacum, գծային ծխախոտ, ծխախոտ (Nicotiana spegazzinii) և ծխախոտի տերևի ծխախոտ (Nicotiana obtusifolia) (Նկար 5Ա) (37): Այս տեսակներից վեցը, ներառյալ լավ բնութագրված N. please տեսակը, պետունիաների կլադի միամյա բույսեր են, իսկ obtusifolia N.-ը՝ քույր Trigonophyllae կլադի բազմամյա բույսեր (38): Հետագայում, այս յոթ տեսակների վրա իրականացվել է W + W, W + OSM և W + OSS1 ինդուկցիա՝ միջատների սննդառության տեսակային մակարդակում նյութափոխանակության վերադասավորումն ուսումնասիրելու համար։
(Ա) Բուտսթրեփ ֆիլոգենետիկ ծառ, որը հիմնված է առավելագույն հավանականության վրա [միջուկային գլուտամինի սինթեզի համար (38)] և յոթ սերտորեն կապված Nicotiana տեսակների աշխարհագրական բաշխման վրա (տարբեր գույներ) (37): (Բ) Յոթ Nicotiana տեսակների նյութափոխանակության պրոֆիլների մասնագիտացված բազմազանության ցրման գրաֆիկ (939 MS/MS; տվյալների ֆայլ S1): Տեսակների մակարդակում մետաբոլոմի բազմազանությունը բացասաբար է համակցված մասնագիտացման աստիճանի հետ: Նյութափոխանակության բազմազանության և մասնագիտացման, ինչպես նաև JA կուտակման միջև տեսակների մակարդակի համակցման վերլուծությունը ներկայացված է նկար 2-ում: S9. Գույն, տարբեր տեսակներ. եռանկյունի, W + OSS1. ուղղանկյուն, W + OSM. (Գ) Nicotiana JA-ի և JA-Ile դինամիկան դասակարգվում է OS գրգռման ամպլիտուդի համաձայն (երկկողմանի ANOVA և Tukey HSD բազմակի համեմատությունից հետո, * P <0.05, ** P <0.01 և * ** W + OS-ի և W + W-ի համեմատության համար, P <0.001): Բուսակերների և մեթիլ JA-ի (MeJA) մոդելավորումից հետո յուրաքանչյուր տեսակի (D) բազմազանության և (E) մասնագիտացման վանդակավոր գրաֆիկը։ Աստղանիշը ցույց է տալիս W + OS-ի և W + W կամ լանոլին գումարած W (Lan + W) կամ Lan գումարած MeJA (Lan + MeJa) և Lan վերահսկողության միջև նշանակալի տարբերությունը (երկկողմանի դիսպերսիայի վերլուծություն, որին հաջորդում է Թյուքիի HSD հետհոկ բազմակի համեմատությունը, *P<0.05, **P<0.01 և ***P<0.001):
Երկակի կլաստերային մեթոդի կիրառմամբ մենք նույնականացրել ենք 939 MS/MS մոդուլներից 9-ը (տվյալների ֆայլ S1): Տարբեր մշակումներով վերակազմավորված MS/MS-ի կազմը մեծապես տարբերվում է տարբեր մոդուլների միջև՝ տեսակների միջև (Նկար S8): Hj-ի (այստեղ անվանում են տեսակի մակարդակի γ-բազմազանություն) և δj-ի պատկերացումը ցույց է տալիս, որ տարբեր տեսակները ագրեգացվում են նյութափոխանակության տարածքում շատ տարբեր խմբերի մեջ, որտեղ տեսակի մակարդակի բաժանումը սովորաբար ավելի ցայտուն է, քան գրգռումը: Բացառությամբ N. linear-ի և N. obliquus-ի, դրանք ցուցաբերում են ինդուկցիոն էֆեկտների լայն դինամիկ տիրույթ (Նկար 5B): Ի տարբերություն դրա, այնպիսի տեսակներ, ինչպիսիք են N. purpurea-ն և N. obtusifolia-ն, ունեն պակաս ակնհայտ նյութափոխանակային արձագանք բուժմանը, բայց մետաբոլոմն ավելի բազմազան է: Ինդուկցված նյութափոխանակային արձագանքի տեսակային բաշխումը հանգեցրել է մասնագիտացման և գամմա բազմազանության միջև նշանակալի բացասական կապի (PCC = -0.46, P = 4.9×10-8): OS-ի կողմից առաջացած JAs մակարդակների փոփոխությունները դրականորեն կապված են մետաբոլոմի մասնագիտացման հետ և բացասաբար կապված են յուրաքանչյուր տեսակի կողմից ցուցաբերվող նյութափոխանակության գամմա բազմազանության հետ (Նկար 5B և Նկար S9): Հարկ է նշել, որ Նկար 5C-ում խոսակցական լեզվով «ազդանշանային արձագանք» անվանվող տեսակները, ինչպիսիք են Nepenthes nematodes-ը, Nepenthes nepenthes-ը, Nepenthes acute-ը և Nepenthes attenuated-ը, 30 րոպեում նշանակալի նշաններ են առաջացրել: Վերջերս OS-ի համար բնորոշ JA և JA-Ile բռնկումները, մինչդեռ այլ մանրէներ, որոնք կոչվում են «ազդանշանային անպատասխանատու», ինչպիսիք են Nepenthes mills-ը, Nepenthes powdery-ն և N. obtusifolia-ն, ցույց են տվել միայն JA-Ile Edge ինդուկցիա՝ առանց OS-ի որևէ սպեցիֆիկության (Նկար 5C): Նյութափոխանակության մակարդակում, ինչպես նշվեց վերևում, թուլացած Nepenthes-ի համար ազդանշանային արձագանքող նյութերը ցույց են տվել OS սպեցիֆիկություն և զգալիորեն մեծացրել են δj-ն՝ միաժամանակ նվազեցնելով Hj-ն: Այս OS-սպեցիֆիկ պրայմինգի էֆեկտը չի հայտնաբերվել ազդանշանային ոչ ռեակտիվ տեսակների դասակարգված տեսակների մոտ (Նկար 5, D և E): OS-սպեցիֆիկ մետաբոլիտները ավելի հաճախ են համընկնում ազդանշանային արձագանքող տեսակների միջև, և այս ազդանշանային կլաստերները խմբավորվում են ավելի թույլ ազդանշանային արձագանքներ ունեցող տեսակների հետ, մինչդեռ ավելի թույլ ազդանշանային արձագանքներ ունեցող տեսակները ցուցաբերում են ավելի քիչ փոխկախվածություն (Նկար S8): Այս արդյունքը ցույց է տալիս, որ JA-ների OS-սպեցիֆիկ ինդուկցիան և հոսանքն ի վար մետաբոլոմի OS-սպեցիֆիկ վերակարգավորումը զուգակցված են տեսակների մակարդակում:
Հաջորդը, մենք օգտագործեցինք մեթիլ JA (MeJA) պարունակող լանոլինային մածուկ՝ բույսերը մշակելու համար, որպեսզի պարզենք, թե արդյոք այս միացման ռեժիմները սահմանափակված են բույսերի ցիտոպլազմայում գտնվող էկզոգեն JA-ի կողմից կիրառվող JA-ի առկայությամբ: Արագ դեէսթերացումը JA է: Մենք հայտնաբերեցինք նույն միտումը՝ ազդանշանին արձագանքող տեսակներից ազդանշանին չպատասխանող տեսակների աստիճանական անցման՝ JA-ի շարունակական մատակարարման պատճառով (Նկար 5, D և E): Ամփոփելով՝ MeJA-ի մշակումը ուժեղ վերածրագրավորեց գծային նեմատոդների՝ N. obliquus, N. aquaticus, N. pallens և N. mikimotoi մետաբոլոմները, ինչը հանգեցրեց δj-ի զգալի աճի և Hj-ի նվազման: N. purpurea-ն ցույց տվեց միայն δj-ի աճ, բայց ոչ Hj-ի: N. obtusifolia-ն, որը նախկինում ցույց էր տվել JA-ների չափազանց ցածր մակարդակներ կուտակելու ունակություն, նույնպես վատ է արձագանքում MeJA մշակմանը՝ մետաբոլոմի վերակազմակերպման առումով: Այս արդյունքները ցույց են տալիս, որ JA-ի արտադրությունը կամ ազդանշանի փոխանցումը ֆիզիոլոգիապես սահմանափակված է ազդանշանին չպատասխանող տեսակների մոտ: Այս վարկածը ստուգելու համար մենք ուսումնասիրեցինք չորս տեսակները (N. pallens, N. mills, N. pink և N. microphylla), որոնք ինդուկցվել են W + W, W + OSM-ներով և W + OSS1 տրանսկրիպտոմով (39): Համապատասխանելով մետաբոլոմի վերակառուցման օրինաչափությանը, տեսակները լավ են բաժանված տրանսկրիպտոմային տարածությունում, որոնց մեջ N. attenuated-ը ցուցաբերել է OS-ի ինդուկցված ամենաբարձր RDPI-ն, մինչդեռ N. gracilis-ը՝ ամենացածրը (Նկար 6Ա): Այնուամենայնիվ, պարզվել է, որ N. oblonga-ի ինդուկցված տրանսկրիպտոմային բազմազանությունը չորս տեսակների մեջ ամենացածրն էր, ի տարբերություն N. oblonga-ի մետաբոնոմիկ բազմազանության, որը նախկինում ցույց է տրվել յոթ տեսակների մոտ: Նախորդ ուսումնասիրությունները ցույց են տվել, որ վաղ պաշտպանական ազդանշանների հետ կապված գեների մի շարք, այդ թվում՝ JA ազդանշանները, բացատրում են Nicotiana տեսակների մոտ խոտակերների հետ կապված էլիկատորների ինդուկցված վաղ պաշտպանական արձագանքների առանձնահատկությունը (39): Այս չորս տեսակների միջև JA ազդանշանային ուղիների համեմատությունը բացահայտել է հետաքրքիր օրինաչափություն (Նկար 6Բ): Այս ուղու գեների մեծ մասը, ինչպիսիք են AOC-ն, OPR3-ը, ACX-ը և COI1-ը, այս չորս տեսակներում ցուցաբերել են ինդուկցիայի համեմատաբար բարձր մակարդակներ: Այնուամենայնիվ, JAR4-ը՝ հիմնական գենը, JA-ն վերածում է JA-Ile կուտակված տրանսկրիպտների իր կենսաբանորեն ակտիվ ձևի, և դրա տրանսկրիպցիայի մակարդակը շատ ցածր է, հատկապես N. mills-ում, Nepenthes pieris-ում և N. microphylla-ում: Բացի այդ, N. bifidum-ում չի հայտնաբերվել միայն մեկ այլ գենի՝ AOS-ի տրանսկրիպտը: Գեների արտահայտման այս փոփոխությունները կարող են պատասխանատու լինել ազդանշանային անգերգիկ տեսակների ցածր JA արտադրության և N. gracilis-ի ինդուկցիայի հետևանքով առաջացած ծայրահեղ ֆենոտիպերի համար:
(Ա) Չորս սերտորեն կապված ծխախոտի տեսակների վաղ տրանսկրիպցիոն արձագանքների վերածրագրավորման տեղեկատվական տեսության վերլուծություն, որոնք վերցված են խոտակերության ինդուկցիայից 30 րոպե անց: RDPI-ն հաշվարկվում է խոտակեր OS-ի կողմից ինդուկցված տերևները վերքի վերահսկիչ խմբի հետ համեմատելով: Գույները ցույց են տալիս տարբեր տեսակներ, իսկ խորհրդանիշները՝ տարբեր բուժման մեթոդներ: (Բ) Չորս տեսակների միջև JA ազդանշանային ուղիներում գեների արտահայտման վերլուծություն: Պարզեցված JA ուղին ցույց է տրված վանդակավոր գրաֆիկի կողքին: Տարբեր գույները ցույց են տալիս մշակման տարբեր մեթոդներ: Աստղանիշը ցույց է տալիս, որ կա զգալի տարբերություն W + OS բուժման և W + W վերահսկողության միջև (զույգային տարբերությունների համար Ստյուդենտի t-թեստի համար, *P<0.05, **P<0.01 և ***P<0.001): OPDA, 12-օքսոֆիտոդիենաթթու; OPC-8: 0,3-օքսո-2(2′(Z)-պենտենիլ)-ցիկլոպենտան-1-օկտանոիդ թթու:
Վերջին մասում մենք ուսումնասիրեցինք, թե ինչպես կարող է տարբեր բույսերի տեսակների մետաբոլոմի միջատների տեսակ-սպեցիֆիկ վերակառուցումը դիմացկուն լինել խոտակերների նկատմամբ: Նախորդ հետազոտությունները շեշտը դրել են Nicotiana ցեղի վրա: Նրանց դիմադրությունը Ms-ի և թրթուրների նկատմամբ մեծապես տարբերվում է (40): Այստեղ մենք ուսումնասիրել ենք այս մոդելի և դրանց նյութափոխանակության պլաստիկության միջև կապը: Օգտագործելով վերը նշված չորս ծխախոտի տեսակները և ստուգելով խոտակերների կողմից առաջացած մետաբոլոմի բազմազանության և մասնագիտացման, ինչպես նաև բույսերի Ms-ի և Sl-ի նկատմամբ դիմադրության միջև կապը, մենք պարզեցինք, որ ընդհանուր Sl-ի նկատմամբ դիմադրությունը, բազմազանությունը և մասնագիտացումը դրականորեն կապված են, մինչդեռ փորձառու կանանց նկատմամբ դիմադրության և մասնագիտացման միջև կապը թույլ է, իսկ բազմազանության հետ կապը նշանակալի չէ (Նկար S10): S1 դիմադրության վերաբերյալ, թե՛ թուլացած N. chinensis-ը, թե՛ N. gracilis-ը, որոնք նախկինում ցույց էին տվել ինչպես JA ազդանշանի փոխանցման մակարդակներ, այնպես էլ մետաբոլոմի պլաստիկություն, ունեցան մեծապես տարբեր արձագանքներ խոտակերների ինդուկցիայի նկատմամբ, և նրանք նաև ցուցաբերեցին նմանատիպ բարձր դիմադրություն: Սեռ:
Վերջին վաթսուն տարիների ընթացքում բույսերի պաշտպանության տեսությունը ապահովել է տեսական շրջանակ, որի հիման վրա հետազոտողները կանխատեսել են բույսերի մասնագիտացված մետաբոլիտների էվոլյուցիայի և գործառույթների զգալի քանակ: Այս տեսությունների մեծ մասը չի հետևում ուժեղ եզրակացությունների սովորական ընթացակարգին (41): Նրանք առաջարկում են հիմնական կանխատեսումներ (3) վերլուծության նույն մակարդակում: Երբ հիմնական կանխատեսումների փորձարկումը թույլ է տալիս վերլուծել որոշակի տեսություններ, դա կհանգեցնի ոլորտը առաջ է շարժվում: Աջակցվեք, բայց մերժեք մյուսները (42): Փոխարենը, նոր տեսությունը կանխատեսումներ է անում վերլուծության տարբեր մակարդակներում և ավելացնում է նկարագրական նկատառումների նոր շերտ (42): Այնուամենայնիվ, ֆունկցիոնալ մակարդակում առաջարկվող երկու տեսությունները՝ MT-ն և OD-ն, կարելի է հեշտությամբ բացատրել որպես խոտակերների կողմից առաջացած մասնագիտացված նյութափոխանակության փոփոխությունների կարևոր կանխատեսումներ. OD տեսությունը կարծում է, որ մասնագիտացված նյութափոխանակության «տարածության» փոփոխությունները խիստ ուղղորդված են: MT տեսությունը կարծում է, որ այս փոփոխությունները կլինեն ոչ ուղղորդված և պատահականորեն տեղակայված նյութափոխանակության տարածքում և հակված են ունենալ բարձր պաշտպանական արժեք ունեցող մետաբոլիտներ: OD-ի և MT կանխատեսումների նախորդ ուսումնասիրությունները փորձարկվել են ապրիորի «պաշտպանական» միացությունների նեղ շարքի միջոցով: Այս մետաբոլիտ-կենտրոն թեստերը խոչընդոտում են խոտակերության ընթացքում մետաբոլոմի վերակազմակերպման ծավալի և հետագծի վերլուծության հնարավորությունը և թույլ չեն տալիս, որ հետևողական վիճակագրական շրջանակներում թեստավորումը պահանջի հիմնական կանխատեսումներ, որոնք կարող են դիտարկվել որպես ամբողջություն։ Քանակականացնել բույսերի մետաբոլոմի փոփոխությունները։ Այստեղ մենք օգտագործել ենք մետաբոլոմիկայի նորարարական տեխնոլոգիան՝ հիմնված հաշվողական MS-ի վրա և իրականացրել ենք դեկոնվոլյուցիոն MS վերլուծություն տեղեկատվական տեսության նկարագրիչների ընդհանուր արժույթով՝ ստուգելու գլոբալ մետաբոլոմիկայի մակարդակում առաջարկվող երկուսի միջև տարբերությունը։ Այս տեսության հիմնական կանխատեսումը։ Տեղեկատվական տեսությունը կիրառվել է բազմաթիվ ոլորտներում, մասնավորապես՝ կենսաբազմազանության և սննդանյութերի հոսքի հետազոտության համատեքստում (43)։ Այնուամենայնիվ, որքանով մենք գիտենք, սա առաջին կիրառությունն է, որն օգտագործվել է բույսերի նյութափոխանակային տեղեկատվական տարածքը նկարագրելու և շրջակա միջավայրի ազդակներին ի պատասխան ժամանակավոր նյութափոխանակության փոփոխությունների հետ կապված էկոլոգիական խնդիրները լուծելու համար։ Մասնավորապես, այս մեթոդի կարողությունը կայանում է բույսերի տեսակների ներսում և դրանց միջև օրինաչափությունները համեմատելու ունակության մեջ՝ ուսումնասիրելու համար, թե ինչպես են խոտակերները զարգացել տարբեր տեսակներից դեպի միջտեսակային մակրոէվոլյուցիոն օրինաչափություններ էվոլյուցիայի տարբեր մակարդակներում։ Մետաբոլիզմ։
Գլխավոր բաղադրիչների վերլուծությունը (ԳԿՎ) բազմաչափ տվյալների բազմությունը վերածում է չափողականության նվազեցման տարածության, որպեսզի տվյալների հիմնական միտումը կարողանա բացատրվել, ուստի այն սովորաբար օգտագործվում է որպես հետազոտական ​​տեխնիկա տվյալների բազմությունը վերլուծելու համար, ինչպիսին է դեկոնվոլյուցիոն մետաբոլոմը: Այնուամենայնիվ, չափողականության նվազեցումը կկորցնի տվյալների բազմության տեղեկատվական բովանդակության մի մասը, և ԳԿՎ-ն չի կարող քանակական տեղեկատվություն տրամադրել այն բնութագրերի մասին, որոնք հատկապես կարևոր են էկոլոգիական տեսության համար, ինչպիսիք են՝ ինչպես են խոտակերները վերակազմավորում բազմազանությունը մասնագիտացված ոլորտներում (օրինակ՝ հարստություն, բաշխում) և առատություն) մետաբոլիտները: Ո՞ր մետաբոլիտներն են տվյալ խոտակերի ինդուկցված վիճակի կանխատեսողները: Ճշգրիտության, բազմազանության և ինդուկցիայի տեսանկյունից, տերևներին բնորոշ մետաբոլիտների պրոֆիլի տեղեկատվական բովանդակությունը քայքայվում է, և պարզվում է, որ խոտակերների ուտելը կարող է ակտիվացնել որոշակի նյութափոխանակություն: Անսպասելիորեն, մենք նկատեցինք, որ, ինչպես նկարագրված է տեղեկատվության տեսության ներդրված ցուցանիշներում, արդյունքում ստացված նյութափոխանակության իրավիճակը մեծ համընկնում ունի երկու խոտակերների (գիշերային կերակրման գեներալիստ Ս.Լ.) և Մորուքազգիների փորձագետ տիկին Մ.Ս.-ի հարձակումներից հետո: Չնայած նրանց սննդային վարքագիծը և կենտրոնացումը զգալիորեն տարբերվում են: Ճարպաթթու-ամինաթթու կոնյուգատի (FAC) նախաձեռնող OS-ում (31): Ստանդարտացված ծակած վերքերը բուժելու համար խոտակեր OS-ն օգտագործելով, խոտակերների սիմուլյացիոն բուժումը նույնպես ցույց տվեց նմանատիպ միտում: Բույսերի խոտակերների հարձակումներին արձագանքը սիմուլացնելու այս ստանդարտացված ընթացակարգը վերացնում է խոտակերների սննդային վարքագծի փոփոխությունների հետևանքով առաջացած շփոթեցնող գործոնները, որոնք տարբեր ժամանակներում հանգեցնում են տարբեր աստիճանի վնասի (34): FAC-ը, որը հայտնի է որպես OSM-ի հիմնական պատճառ, նվազեցնում է JAS-ը և բույսերի այլ հորմոնալ արձագանքները OSS1-ում, մինչդեռ OSS1-ը նվազեցնում է հարյուրավոր անգամներ (31): Այնուամենայնիվ, OSS1-ը առաջացրել է JA կուտակման նմանատիպ մակարդակներ՝ համեմատած OSM-ի հետ: Նախկինում ցույց է տրվել, որ թուլացած նեպենթեների մոտ JA արձագանքը շատ զգայուն է OSM-ի նկատմամբ, որտեղ FAC-ը կարող է պահպանել իր ակտիվությունը նույնիսկ ջրով 1:1000 նոսրացման դեպքում (44): Հետևաբար, համեմատած OSM-ի հետ, չնայած OSS1-ում FAC-ը շատ ցածր է, այն բավարար է JA-ի բավարար բռնկում առաջացնելու համար: Նախորդ ուսումնասիրությունները ցույց են տվել, որ պորինանման սպիտակուցները (45) և օլիգոսախարիդները (46) կարող են օգտագործվել որպես մոլեկուլային հուշումներ՝ OSS1-ում բույսերի պաշտպանական ռեակցիաները խթանելու համար: Այնուամենայնիվ, դեռևս պարզ չէ, թե արդյոք OSS1-ում այս էլիկատորներն են պատասխանատու ներկայիս ուսումնասիրության մեջ դիտարկված JA-ի կուտակման համար:
Չնայած կան քիչ ուսումնասիրություններ, որոնք նկարագրում են տարբեր խոտակերների կամ էկզոգեն JA կամ SA (սալիցիլաթթու) կիրառման հետևանքով առաջացած դիֆերենցիալ նյութափոխանակության մատնահետքերը (47), ոչ ոք չի խանգարել խոտակերների տեսակին բնորոշ խանգարումը բույսերի խոտածածկ ցանցում և դրա ազդեցությունը անձնական տեղեկատվության վրա: Նյութափոխանակության ընդհանուր ազդեցությունը համակարգված կերպով ուսումնասիրվում է: Այս վերլուծությունը հետագայում հաստատեց, որ ներքին հորմոնային ցանցի կապը JA-ներից բացի այլ բուսական հորմոնների հետ ձևավորում է խոտակերների կողմից առաջացած նյութափոխանակության վերակազմակերպման առանձնահատկությունը: Մասնավորապես, մենք հայտնաբերեցինք, որ OSM-ի կողմից առաջացած ET-ն զգալիորեն ավելի մեծ էր, քան OSS1-ի կողմից առաջացածը: Այս ռեժիմը համապատասխանում է OSM-ում FAC-ի ավելի մեծ պարունակությանը, ինչը անհրաժեշտ և բավարար պայման է ET պայթյունի առաջացման համար (48): Բույսերի և խոտակերների միջև փոխազդեցության համատեքստում, ET-ի ազդանշանային գործառույթը բույսերին բնորոշ մետաբոլիտների դինամիկայի վրա դեռևս սպորադիկ է և թիրախավորում է միայն մեկ միացության խումբ: Բացի այդ, ուսումնասիրությունների մեծ մասը օգտագործել է էթիլային ֆերմենտի կամ դրա նախորդների կամ տարբեր ինհիբիտորների էկզոգեն կիրառումը՝ էթիլային ֆերմենտի կարգավորումն ուսումնասիրելու համար, որոնցից այս էկզոգեն քիմիական կիրառությունները կառաջացնեն բազմաթիվ ոչ սպեցիֆիկ կողմնակի ազդեցություններ: Մեր իմացության չափով, այս ուսումնասիրությունը ներկայացնում է էթիլային ֆերմենտի դերի առաջին լայնածավալ համակարգված ուսումնասիրությունը՝ բույսերի մետաբոլոմի դինամիկան համակարգելու համար խանգարված տրանսգենային բույսեր արտադրելու և ընկալելու համար: Բուսակերների համար նախատեսված էթիլային ֆերմենտի ինդուկցիան, ի վերջո, կարող է մոդուլացնել մետաբոլոմի արձագանքը: Առավել նշանակալիցը էթիլային ֆերմենտի կենսասինթեզի (ACO) և ընկալման (ETR1) գեների տրանսգենային մանիպուլյացիան է, որը բացահայտեց խոտակերների համար նախատեսված ֆենոլամիդների de novo կուտակումը: Նախկինում ցույց է տրվել, որ էթիլային ֆերմենտը կարող է նուրբ կարգավորել JA-ի կողմից առաջացած նիկոտինի կուտակումը՝ կարգավորելով պուտրեցցին N-մեթիլտրանսֆերազը (49): Այնուամենայնիվ, մեխանիկական տեսանկյունից պարզ չէ, թե ինչպես է էթիլային ֆերմենտը նուրբ կարգավորում ֆենամիդի ինդուկցիան: Բացի էթիլենային թթվածնի (ET) ազդանշանային փոխանցման ֆունկցիայից, նյութափոխանակության հոսքը կարող է նաև շունտավորվել դեպի S-ադենոզիլ-1-մեթիոնին՝ պոլիամինոֆենոլ ամիդների ներդրումը կարգավորելու համար: S-ադենոզիլ-1-մեթիոնինը էթիլենային թթու է և պոլիամինի կենսասինթեզի ուղու ընդհանուր միջանկյալ նյութ: Էթիլենային թթվի ազդանշանի կողմից ֆենոլամիդի մակարդակը կարգավորելու մեխանիզմը հետագա ուսումնասիրության կարիք ունի:
Երկար ժամանակ, անհայտ կառուցվածքի հատուկ մետաբոլիտների մեծ թվի պատճառով, որոշակի նյութափոխանակության կատեգորիաների նկատմամբ ինտենսիվ ուշադրությունը հնարավոր չէր դարձնում խստորեն գնահատել նյութափոխանակության բազմազանության ժամանակային փոփոխությունները կենսաբանական փոխազդեցություններից հետո: Ներկայումս, տեղեկատվական տեսության վերլուծության հիման վրա, անկողմնակալ մետաբոլիտների վրա հիմնված MS/MS սպեկտրի ձեռքբերման հիմնական արդյունքն այն է, որ խոտակերներին սնող կամ մոդելավորող խոտակերները շարունակում են նվազեցնել տերևի մետաբոլոմի ընդհանուր նյութափոխանակության բազմազանությունը՝ միաժամանակ մեծացնելով դրա մասնագիտացման աստիճանը: Խոտակերների կողմից առաջացած մետաբոլոմի յուրահատկության այս ժամանակավոր աճը կապված է տրանսկրիպտոմի յուրահատկության սիներգետիկ աճի հետ: Այս ավելի մեծ մետաբոլոմի մասնագիտացմանը ամենաշատը նպաստող առանձնահատկությունը (որն ունի Si-ի ավելի բարձր արժեք) նախկինում բնութագրված խոտակեր ֆունկցիայով հատուկ մետաբոլիտն է: Այս մոդելը համապատասխանում է OD տեսության կանխատեսմանը, բայց մետաբոլոմի վերածրագրավորման պատահականության հետ կապված MT-ի կանխատեսումը համապատասխան չէ: Այնուամենայնիվ, այս տվյալները համապատասխանում են նաև խառը մոդելի կանխատեսմանը (լավագույն MT; Նկար 1B), քանի որ անհայտ պաշտպանական գործառույթներով այլ չբնութագրված մետաբոլիտները դեռ կարող են հետևել Si պատահական բաշխմանը:
Այս հետազոտության կողմից հետագայում արձանագրված ուշագրավ օրինաչափությունն այն է, որ միկրոէվոլյուցիայի մակարդակից (մեկ բույս ​​և ծխախոտի պոպուլյացիա) մինչև ավելի մեծ էվոլյուցիոն մասշտաբ (սերտորեն կապված ծխախոտի տեսակներ), էվոլյուցիոն կազմակերպման տարբեր մակարդակները գտնվում են «լավագույն պաշտպանության» մեջ: Բուսակերների կարողությունների մեջ կան էական տարբերություններ: Մուրը և այլք (20) և Քեսլերը և Կալսկեն (1) անկախ առաջարկել են Ուիթաքերի (50) կողմից սկզբնապես տարբերակված կենսաբազմազանության երեք ֆունկցիոնալ մակարդակները վերածել քիմիական բազմազանության կազմավորող և առաջացրած ժամանակային փոփոխությունների. այս հեղինակները ոչ մեկը չեն ամփոփել: Մեծածավալ մետաբոլոմի տվյալների հավաքագրման ընթացակարգերը նաև չեն ուրվագծում, թե ինչպես հաշվարկել նյութափոխանակության բազմազանությունը այս տվյալներից: Այս ուսումնասիրության մեջ Ուիթաքերի ֆունկցիոնալ դասակարգման աննշան ճշգրտումները կդիտարկեն α-մետաբոլիկ բազմազանությունը որպես տվյալ բույսի MS/MS սպեկտրների բազմազանություն, իսկ β-մետաբոլիկ բազմազանությունը՝ որպես պոպուլյացիաների խմբի հիմնական ներտեսակային նյութափոխանակություն: Տարածություն, իսկ γ-մետաբոլիկ բազմազանությունը կլինի նմանատիպ տեսակների վերլուծության ընդլայնում:
JA ազդանշանը կարևոր է խոտակերների նյութափոխանակության լայն շրջանակի համար: Այնուամենայնիվ, JA կենսասինթեզի ներտեսակային կարգավորման ներդրման վերաբերյալ խիստ քանակական փորձարկումներ չկան մետաբոլոմի բազմազանության մեջ, և դեռևս պարզ չէ, թե արդյոք JA ազդանշանը սթրեսի հետևանքով նյութափոխանակության դիվերսիֆիկացիայի ընդհանուր տեղ է բարձր մակրոէվոլյուցիոն մասշտաբով: Մենք նկատեցինք, որ Nepenthes խոտակերների խոտակեր բնույթը առաջացնում է մետաբոլոմի մասնագիտացում, և մետաբոլոմի մասնագիտացման տատանումները Nicotiana տեսակների պոպուլյացիայի ներսում և սերտորեն կապված Nicotiana տեսակների միջև համակարգվածորեն դրականորեն կապված են JA ազդանշանային ուղու հետ: Բացի այդ, երբ JA ազդանշանը խաթարվում է, մեկ գենոտիպային խոտակերների կողմից առաջացած նյութափոխանակության յուրահատկությունը կչեղարկվի (Նկար 3, C և E): Քանի որ բնականորեն թուլացած Nepenthes պոպուլյացիաների նյութափոխանակության սպեկտրի փոփոխությունները հիմնականում քանակական են, այս վերլուծության մեջ նյութափոխանակության β բազմազանության և յուրահատկության փոփոխությունները կարող են մեծապես պայմանավորված լինել մետաբոլիտներով հարուստ միացությունների կատեգորիաների ուժեղ գրգռմամբ: Այս միացությունների դասերը գերիշխում են մետաբոլոմի պրոֆիլի մի մասում և հանգեցնում են դրական կապի JA ազդանշանների հետ:
Քանի որ ծխախոտի տեսակների կենսաքիմիական մեխանիզմները, որոնք սերտորեն կապված են դրանց հետ, շատ տարբեր են, մետաբոլիտները հատկապես նույնականացվում են որակական առումով, ուստի այն ավելի վերլուծական է: Տեղեկատվական տեսության կողմից ստացված նյութափոխանակության պրոֆիլի մշակումը ցույց է տալիս, որ խոտակերների ինդուկցիան սրում է նյութափոխանակության գամմա բազմազանության և մասնագիտացման միջև փոխզիջումը: JA ազդանշանը կենտրոնական դեր է խաղում այս փոխզիջման մեջ: Մետաբոլոմի մասնագիտացման աճը համապատասխանում է OD-ի հիմնական կանխատեսմանը և դրականորեն կապված է JA ազդանշանի հետ, մինչդեռ JA ազդանշանը բացասականորեն կապված է նյութափոխանակության գամմա բազմազանության հետ: Այս մոդելները ցույց են տալիս, որ բույսերի OD կարողությունը հիմնականում որոշվում է JA-ի պլաստիկությամբ, անկախ նրանից, թե այն միկրոէվոլյուցիոն մասշտաբով է, թե ավելի մեծ էվոլյուցիոն մասշտաբով: Էկզոգեն JA կիրառման փորձերը, որոնք շրջանցում են JA կենսասինթեզի արատները, հետագայում ցույց են տալիս, որ սերտորեն կապված ծխախոտի տեսակները կարելի է տարբերակել ազդանշանին արձագանքող և ազդանշանին չպատասխանող տեսակների, ինչպես նրանց JA-ի եղանակը և մետաբոլոմի պլաստիկությունը, որոնք առաջացել են խոտակերների կողմից: Ազդանշանին չպատասխանող տեսակները չեն կարող արձագանքել էնդոգեն JA արտադրելու անկարողության պատճառով և, հետևաբար, ենթակա են ֆիզիոլոգիական սահմանափակումների: Սա կարող է պայմանավորված լինել JA ազդանշանային ուղու որոշ կարևոր գեների մուտացիաներով (AOS և JAR4 N. crescens-ի մոտ): Այս արդյունքը ընդգծում է, որ այս միջտեսակային մակրոէվոլյուցիոն օրինաչափությունները կարող են հիմնականում պայմանավորված լինել ներքին հորմոնալ ընկալման և արձագանքման փոփոխություններով:
Բույսերի և խոտակեր կենդանիների փոխազդեցությունից բացի, նյութափոխանակության բազմազանության ուսումնասիրությունը կապված է շրջակա միջավայրին կենսաբանական հարմարվողականության և բարդ ֆենոտիպային հատկանիշների էվոլյուցիայի ուսումնասիրության բոլոր կարևոր տեսական առաջընթացների հետ: Ժամանակակից բազմաֆունկցիոնալ սարքերի կողմից ձեռք բերված տվյալների քանակի աճի հետ մեկտեղ, նյութափոխանակության բազմազանության վերաբերյալ վարկածների ստուգումը այժմ կարող է գերազանցել անհատական/կատեգորիկ մետաբոլիտների տարբերությունները և կատարել գլոբալ վերլուծություն՝ անսպասելի օրինաչափությունները բացահայտելու համար: Մեծածավալ վերլուծության գործընթացում կարևոր փոխաբերություն է իմաստալից քարտեզներ ստեղծելու գաղափարը, որոնք կարող են օգտագործվել տվյալների ուսումնասիրության համար: Հետևաբար, անաչառ բազմաֆունկցիոնալ մետաբոլոմիկայի և տեղեկատվության տեսության ներկայիս համադրության կարևոր արդյունքն այն է, որ այն ապահովում է պարզ չափանիշ, որը կարող է օգտագործվել քարտեզներ կառուցելու համար՝ տարբեր տաքսոնոմիկ մասշտաբներով նյութափոխանակության բազմազանությունը դիտարկելու համար: Սա այս մեթոդի հիմնական պահանջն է: Միկրո/մակրո էվոլյուցիայի և համայնքի էկոլոգիայի ուսումնասիրությունը:
Մակրոէվոլյուցիոն մակարդակում Էրլիխի և Ռավենի բույս-միջատ համատեղ էվոլյուցիայի տեսության (51) միջուկը կանխատեսելն է, որ միջտեսակային նյութափոխանակության բազմազանության տատանումը բույսերի տոհմածառերի դիվերսիֆիկացիայի պատճառն է: Այնուամենայնիվ, այս հիմնարար աշխատանքի հրապարակումից հետո հիսուն տարվա ընթացքում այս վարկածը հազվադեպ է ստուգվել (52): Սա մեծապես պայմանավորված է բույսերի հեռավոր տոհմածառերի համեմատելի նյութափոխանակության բնութագրերի ֆիլոգենետիկ բնութագրերով: Հազվագյուտությունը կարող է օգտագործվել թիրախային վերլուծության մեթոդները խարսխելու համար: Տեղեկատվական տեսությամբ մշակված ներկայիս MS/MS աշխատանքային հոսքը քանակականացնում է անհայտ մետաբոլիտների MS/MS կառուցվածքային նմանությունը (առանց մետաբոլիտների նախնական ընտրության) և այդ MS/MS-ները վերածում է MS/MS-ների հավաքածուի, այդպիսով մասնագիտական ​​նյութափոխանակության մեջ այս մակրոէվոլյուցիոն մոդելները համեմատվում են դասակարգման մասշտաբով: Պարզ վիճակագրական ցուցանիշներ: Գործընթացը նման է ֆիլոգենետիկ վերլուծությանը, որը կարող է օգտագործել հաջորդականության դասավորությունը՝ դիվերսիֆիկացիայի կամ բնույթի էվոլյուցիայի արագությունը քանակականացնելու համար՝ առանց նախնական կանխատեսման:
Կենսաքիմիական մակարդակում, Ֆիրնի և Ջոնսի (53) սկրինինգային վարկածը ցույց է տալիս, որ նյութափոխանակության բազմազանությունը պահպանվում է տարբեր մակարդակներում՝ նախկինում անկապ կամ փոխարինված մետաբոլիտների կենսաբանական ակտիվությունը իրականացնելու համար հումք ապահովելու համար: Տեղեկատվական տեսության մեթոդները ապահովում են մի շրջանակ, որի շրջանակներում մետաբոլիտների մասնագիտացման ընթացքում տեղի ունեցող այս մետաբոլիտ-սպեցիֆիկ էվոլյուցիոն անցումները կարող են քանակականացվել որպես առաջարկվող էվոլյուցիոն սկրինինգային գործընթացի մաս. կենսաբանորեն ակտիվ ադապտացիա ցածր սպեցիֆիկությունից մինչև բարձր սպեցիֆիկություն: Տվյալ միջավայրի արգելակված մետաբոլիտներ:
Ամփոփելով՝ մոլեկուլային կենսաբանության վաղ շրջանում մշակվել են բույսերի պաշտպանության կարևոր տեսություններ, և դեդուկտիվ հիպոթեզների վրա հիմնված մեթոդները լայնորեն համարվում են գիտական ​​առաջընթացի միակ միջոցը։ Սա մեծապես պայմանավորված է ամբողջ մետաբոլոմի չափման տեխնիկական սահմանափակումներով։ Չնայած հիպոթեզների վրա հիմնված մեթոդները հատկապես օգտակար են այլ պատճառահետևանքային մեխանիզմներ ընտրելու հարցում, կենսաքիմիական ցանցերի մեր ըմբռնումը առաջ մղելու դրանց կարողությունն ավելի սահմանափակ է, քան ժամանակակից տվյալատար գիտության մեջ առկա հաշվողական մեթոդները։ Հետևաբար, կանխատեսելի տեսությունները շատ ավելի հեռու են առկա տվյալների շրջանակից, ուստի հետազոտական ​​ոլորտում առաջընթացի հիպոթետիկ բանաձևը/փորձարկման ցիկլը չի ​​կարող վերացվել (4): Մենք կանխատեսում ենք, որ այստեղ ներկայացված մետաբոլոմիկայի հաշվողական աշխատանքային հոսքը կարող է վերակենդանացնել հետաքրքրությունը նյութափոխանակության բազմազանության վերջին (ինչպես) և վերջնական (ինչու) հարցերի նկատմամբ և նպաստել տեսականորեն ուղղորդվող տվյալների գիտության նոր դարաշրջանին։ Դարաշրջանը վերանայեց նախորդ սերունդներին ոգեշնչած կարևոր տեսությունները։
Բուսակերների ուղղակի սնուցումն իրականացվում է երկրորդ փուլի թրթուր կամ Sl թրթուր աճեցնելով մեկ վարդի ծաղկող բույսի մեկ բաց գույնի կուժի տերևի վրա՝ յուրաքանչյուր բույսի համար 10 կրկնօրինակով։ Միջատի թրթուրները ամրացվել են սեղմակներով, իսկ մնացած տերևի հյուսվածքը հավաքվել է վարակվելուց 24 և 72 ժամ անց և արագ սառեցվել, իսկ մետաբոլիտները արդյունահանվել են։
Խոտաբույսերի բուժումը մոդելավորեք խիստ համաժամեցված եղանակով: Մեթոդը կայանում է գործվածքային նախշերով անիվների միջոցով բույսի երեք լիովին լայնացած տերևների միջին կողերի յուրաքանչյուր կողմում գործվածքային ծաղկեպսակի աճի փուլում ծակել երեք շարք փշեր և անմիջապես քսել 1:5 հարաբերությամբ նոսրացված Ms: Կամ ձեռնոցներով մատներով S1 OS մտցնել ծակած վերքի մեջ: Հավաքեք և մշակեք տերևը վերևում նկարագրված եղանակով: Օգտագործեք նախկինում նկարագրված մեթոդը՝ առաջնային մետաբոլիտներն ու բույսերի հորմոնները (54) արդյունահանելու համար:
Էկզոգեն JA կիրառությունների համար, յուրաքանչյուր տեսակի վեց վարդի ծաղկող բույսերից յուրաքանչյուրի երեք տերևները մշակվում են 20 մկլ լանոլինի մածուկով, որը պարունակում է 150 մկգ MeJA (Lan + MeJA), և 20 մկլ լանոլինով, գումարած վերքի մշակում (Lan + W), կամ որպես վերահսկիչ օգտագործվում է 20 մկլ մաքուր լանոլին: Տերևները հավաքվել են մշակումից 72 ժամ անց, արագ սառեցվել հեղուկ ազոտի մեջ և պահվել -80°C ջերմաստիճանում մինչև օգտագործումը:
Մեր հետազոտական ​​խմբում հայտնաբերվել են չորս JA և ET տրանսգենային գծեր՝ irAOC (36), irCOI1 (55), irACO և sETR1 (48): irAOC-ն ցույց տվեց JA և JA-Ile մակարդակների զգալի նվազում, մինչդեռ irCOI1-ը զգայուն չէր JA-ների նկատմամբ: EV-ի համեմատ, JA-Ile կուտակումն ավելացավ: Նմանապես, irACO-ն կնվազեցնի ET-ի արտադրությունը, իսկ EV-ի համեմատ, sETR1-ը, որը անզգայուն է ET-ի նկատմամբ, կմեծացնի ET-ի արտադրությունը:
Ոչ ինվազիվ եղանակով ET չափում կատարելու համար օգտագործվում է ֆոտոակուստիկ լազերային սպեկտրոմետր (Sensor Sense ETD-300 իրական ժամանակի ET սենսոր): Մշակումից անմիջապես հետո տերևների կեսը կտրվել և տեղափոխվել է 4 մլ տարողությամբ փակ ապակե սրվակի մեջ, և թույլ է տրվել, որ վերին հատվածը կուտակվի 5 ժամվա ընթացքում: Չափման ընթացքում յուրաքանչյուր սրվակը 8 րոպե լվացվել է ժամում 2 լիտր մաքուր օդի հոսքով, որը նախապես անցել էր Sensor Sense-ի կողմից տրամադրված կատալիզատորի միջով՝ CO2-ը և ջուրը հեռացնելու համար:
Միկրոմատրիցային տվյալները սկզբնապես հրապարակվել են (35)-ում և պահպանվել են Կենսատեխնոլոգիական տեղեկատվության ազգային կենտրոնի (NCBI) գեների արտահայտման համապարփակ տվյալների բազայում (մուտքի համար՝ GSE30287): Այս ուսումնասիրության համար արդյունահանվել են W + OSM-ների մշակման հետևանքով առաջացած տերևներին և չվնասված վերահսկողությանը համապատասխանող տվյալները: Հում ինտենսիվությունը log2 է: Վիճակագրական վերլուծությունից առաջ բազային արժեքը փոխակերպվել և նորմալացվել է մինչև իր 75-րդ պերցենտիլը՝ օգտագործելով R ծրագրային փաթեթը:
Nicotiana տեսակների սկզբնական RNA հաջորդականության (RNA-seq) տվյալները վերցվել են NCBI կարճ ընթերցման արխիվներից (SRA), նախագծի համարը՝ PRJNA301787, որը հրապարակվել է Չժոուի և այլոց կողմից (39) և շարունակվում են (56)-ում նկարագրվածի պես: Nicotiana տեսակներին համապատասխանող W + W, W + OSM և W + OSS1-ի կողմից մշակված հում տվյալները ընտրվել են այս ուսումնասիրության վերլուծության համար և մշակվել են հետևյալ կերպ. Նախ, հում RNA-seq ընթերցումները վերածվել են FASTQ ձևաչափի: HISAT2-ը FASTQ-ն վերածում է SAM-ի, իսկ SAMtools-ը՝ SAM ֆայլերը վերածում է տեսակավորված BAM ֆայլերի: StringTie-ն օգտագործվում է գեների արտահայտությունը հաշվարկելու համար, և դրա արտահայտման մեթոդն այն է, որ կան բեկորներ հազար բազային բեկորների մեկ միլիոն հաջորդականացված տրանսկրիպցիոն բեկորների դիմաց:
Վերլուծության մեջ օգտագործված Acclaim քրոմատոգրաֆիկ սյունը (150 մմ x 2.1 մմ; մասնիկի չափը՝ 2.2 մկմ) և 4 մմ x 4 մմ պաշտպանիչ սյունը պատրաստված են նույն նյութից: Dionex UltiMate 3000 գերբարձր արդյունավետության հեղուկ քրոմատոգրաֆիկ (UHPLC) համակարգում օգտագործվում է հետևյալ երկուական գրադիենտը՝ 0-ից 0.5 րոպե, իզոկրատիկ 90% A [ապաիոնացված ջուր, 0.1% (v/v) ացետոնիտրիլ և 0.05% մրջնաթթու], 10% B (ացետոնիտրիլ և 0.05% մրջնաթթու); 0.5-ից 23.5 րոպե, գրադիենտային փուլը համապատասխանաբար 10% A և 90% B է; 23.5-ից 25 րոպե, իզոկրատիկ 10% A և 90% B: Հոսքի արագությունը 400 մկլ/րոպե է: Բոլոր MS վերլուծությունների համար սյունակի էլյուենտը ներարկեք քառաբևեռ և թռիչքի ժամանակի (qTOF) վերլուծիչի մեջ, որը հագեցած է դրական իոնացման ռեժիմով աշխատող էլեկտրոցողման աղբյուրով (մազանոթային լարում՝ 4500 Վ, մազանոթային ելք՝ 130 Վ, չորացման ջերմաստիճան՝ 200°C, չորացման օդային հոսք՝ 10 լիտր/րոպե):
Կատարեք MS/MS բեկորների վերլուծություն (այսուհետ՝ MS/MS), որը անտեղի է կամ անտարբեր է տվյալներից՝ ընդհանուր հայտնաբերելի նյութափոխանակության պրոֆիլի մասին կառուցվածքային տեղեկատվություն ստանալու համար: Անտարբեր MS/MS մեթոդի հայեցակարգը հիմնված է այն փաստի վրա, որ քառաբևեռն ունի շատ մեծ զանգվածի մեկուսացման պատուհան [հետևաբար, զանգվածի և լիցքի հարաբերակցության (m/z) բոլոր ազդանշանները համարեք բեկորներ]: Այս պատճառով, քանի որ Impact II սարքը չկարողացավ ստեղծել CE թեքություն, մի քանի անկախ վերլուծություններ կատարվեցին՝ օգտագործելով բախումից առաջացած դիսոցիացիայի բախման էներգիայի (CE) բարձրացված արժեքները: Ամփոփելով՝ նախ վերլուծեք նմուշը UHPLC-էլեկտրոսփրեյ իոնացման/qTOF-MS միջոցով՝ օգտագործելով զանգվածային սպեկտրոմետրիայի միակ ռեժիմը (աղբյուրի ներսում առաջացած բեկորացման ցածր բեկորացման պայմաններ), սկանավորելով m/z 50-ից մինչև 1500՝ 5 Հց կրկնության հաճախականությամբ: Օգտագործեք ազոտը որպես բախման գազ MS/MS վերլուծության համար և կատարեք անկախ չափումներ հետևյալ չորս տարբեր բախումից առաջացած դիսոցիացիայի լարումների դեպքում՝ 20, 30, 40 և 50 eV: Չափման ողջ գործընթացի ընթացքում քառաբևեռն ունի զանգվածի մեկուսացման ամենամեծ պատուհանը՝ m/z 50-ից մինչև 1500: Երբ առջևի մարմնի m/z-ը և մեկուսացման լայնության փորձը սահմանվում են 200-ի, զանգվածի տիրույթը ավտոմատ կերպով ակտիվանում է սարքի աշխատանքային ծրագրաշարի և 0 Da-ի միջոցով: Սկանավորեք զանգվածի բեկորները, ինչպես մեկ զանգվածի ռեժիմում: Զանգվածի տրամաչափման համար օգտագործեք նատրիումի ֆորմատ (50 մլ իզոպրոպանոլ, 200 մկլ մրջնաթթու և 1 մլ 1M NaOH ջրային լուծույթ): Բրուկերի բարձր ճշգրտության տրամաչափման ալգորիթմը օգտագործելով՝ տվյալների ֆայլը տրամաչափվում է տվյալ ժամանակահատվածում միջին սպեկտրը գործարկելուց հետո: Օգտագործեք Data Analysis v4.0 ծրագրաշարի (Բրուք Դալտոն, Բրեմեն, Գերմանիա) արտահանման ֆունկցիան՝ հում տվյալների ֆայլերը NetCDF ձևաչափի փոխարկելու համար: MS/MS տվյալների հավաքածուն պահպանվել է MetaboLights (www.ebi.ac.uk) բաց մետաբոլոմիկայի տվյալների բազայում՝ մուտքի համարով. MTBLS1471:
MS/MS հավաքումը կարող է իրականացվել MS1 և MS/MS որակի ազդանշանների միջև կորելյացիոն վերլուծության միջոցով՝ ցածր և բարձր բախման էներգիայի և նոր ներդրված կանոնների համար: R սկրիպտն օգտագործվում է նախորդի և արտադրանքի բաշխման կորելյացիոն վերլուծությունն իրականացնելու համար, իսկ C# սկրիպտը (https://github.com/MPI-DL/indiscriminant-MS-MS-assembly-pipeline)՝ կանոնները իրականացնելու համար:
Ֆոնային աղմուկի և որոշակի m/z հատկանիշների հայտնաբերման հետևանքով առաջացած կեղծ դրական սխալները նվազեցնելու համար ընդամենը մի քանի նմուշներում, մենք օգտագործում ենք R փաթեթի «լցված գագաթնակետ» ֆունկցիան։ XCMS-ը (ֆոնային աղմուկի ուղղման համար) պետք է օգտագործվի «NA» (չհայտնաբերված գագաթնակետ) ինտենսիվությունը փոխարինելու համար։ Երբ օգտագործվում է լցված գագաթնակետի ֆունկցիան, տվյալների բազմության մեջ դեռևս կան բազմաթիվ «0» ինտենսիվության արժեքներ, որոնք կազդեն կորելացիայի հաշվարկի վրա։ Այնուհետև մենք համեմատում ենք լրացված գագաթնակետի ֆունկցիայի օգտագործման և լրացված գագաթնակետի ֆունկցիայի բացակայության դեպքում ստացված տվյալների մշակման արդյունքները և հաշվարկում ենք ֆոնային աղմուկի արժեքը՝ հիմնվելով միջին շտկված գնահատված արժեքի վրա, ապա փոխարինում ենք այդ 0 ինտենսիվության արժեքները հաշվարկված ֆոնային արժեքով։ Մենք նաև դիտարկել ենք միայն այն հատկանիշները, որոնց ինտենսիվությունը գերազանցում է ֆոնային արժեքի երեք անգամը և դրանք համարել ենք «իրական գագաթնակետեր»։ PCC հաշվարկների համար դիտարկվում են միայն նմուշի նախորդի (MS1) m/z ազդանշանները և առնվազն ութ իրական գագաթնակետ ունեցող բեկորային տվյալների բազմությունները։
Եթե ​​ամբողջ նմուշում նախորդի որակի հատկանիշի ինտենսիվությունը զգալիորեն համահարաբերակցվում է նույն որակի հատկանիշի նվազեցված ինտենսիվության հետ, որը ենթարկվում է ցածր կամ բարձր բախման էներգիայի, և հատկանիշը CAMERA-ի կողմից չի նշագրվում որպես իզոտոպային գագաթ, այն կարող է հետագայում սահմանվել: Այնուհետև, 3 վայրկյանի ընթացքում (գագաթնակետի պահպանման գնահատված պահպանման ժամանակի պատուհան) հաշվարկելով բոլոր հնարավոր նախորդ-արտադրանք զույգերը, կատարվում է համահարաբերակցային վերլուծություն: Միայն այն դեպքում, երբ m/z արժեքը ցածր է նախորդի արժեքից, և MS/MS բեկորացումը տեղի է ունենում տվյալների հավաքածուի նույն նմուշի տեղում, ինչ նախորդը, որից այն ստացվել է, այն համարվում է բեկոր:
Այս երկու պարզ կանոնների հիման վրա մենք բացառում ենք նշված բեկորները, որոնց m/z արժեքները մեծ են նույնականացված նախորդի m/z-ից, և հիմնվում ենք այն նմուշի դիրքի վրա, որտեղ հայտնվում է նախորդը և նշված բեկորը: Հնարավոր է նաև ընտրել MS1 ռեժիմում ստեղծված բազմաթիվ աղբյուրի բեկորների կողմից ստեղծված որակի հատկանիշները որպես թեկնածու նախորդներ, այդպիսով ստեղծելով ավելորդ MS/MS միացություններ: Այս տվյալների ավելորդությունը նվազեցնելու համար, եթե սպեկտրների NDP նմանությունը գերազանցում է 0.6-ը, և դրանք պատկանում են CAMERA-ի կողմից մեկնաբանված քրոմատոգրամի «pcgroup» -ին, մենք կմիավորենք դրանք: Վերջապես, մենք կմիավորենք նախորդի և բեկորների հետ կապված բոլոր չորս CE արդյունքները վերջնական ապախորացված կոմպոզիտային սպեկտրի մեջ՝ ընտրելով ամենաբարձր ինտենսիվության գագաթնակետը բոլոր թեկնածու գագաթների մեջ, որոնք ունեն նույն m/z արժեքը տարբեր բախման էներգիաների դեպքում: Հետագա մշակման քայլերը հիմնված են կոմպոզիտային սպեկտրի հայեցակարգի վրա և հաշվի են առնում բեկորացման հավանականությունը մեծացնելու համար անհրաժեշտ տարբեր CE պայմանները, քանի որ որոշ բեկորներ կարող են հայտնաբերվել միայն որոշակի բախման էներգիայի տակ:
RDPI (30)-ը օգտագործվել է նյութափոխանակության պրոֆիլի ինդուկտիվությունը հաշվարկելու համար: Նյութափոխանակության սպեկտրի բազմազանությունը (Hj ինդեքս) ստացվում է MS/MS նախորդների առատությունից՝ օգտագործելով MS/MS հաճախականության բաշխման Շենոնի էնտրոպիան՝ օգտագործելով Մարտինեսի և այլոց կողմից նկարագրված հետևյալ հավասարումը (8): Hj = −∑i = 1mPijlog2(Pij) որտեղ Pij-ը համապատասխանում է i-րդ MS/MS-ի հարաբերական հաճախականությանը j-րդ նմուշում (j = 1, 2,…, m) (i = 1, 2, …, m) t):
Նյութափոխանակության յուրահատկությունը (Si ինդեքս) սահմանվում է որպես տվյալ MS/MS-ի արտահայտման նույնականություն՝ կապված դիտարկվող նմուշների միջև հաճախականության հետ։ MS/MS յուրահատկությունը հաշվարկվում է որպես Si = 1t (∑j = 1tPijPilog2PijPi)
Օգտագործեք հետևյալ բանաձևը՝ յուրաքանչյուր j նմուշի մետաբոլոմ-սպեցիֆիկ δj ինդեքսը և MS/MS սպեցիֆիկության միջինը՝ δj = ∑i = 1mPijSi
MS/MS սպեկտրները դասավորված են զույգերով, և նմանությունը հաշվարկվում է երկու միավորների հիման վրա: Նախ, օգտագործելով ստանդարտ NDP (հայտնի է նաև որպես կոսինուսային կոռելյացիայի մեթոդ), օգտագործեք հետևյալ հավասարումը՝ սպեկտրների միջև հատվածային նմանությունը գնահատելու համար՝ NDP = (∑iS1 և S2WS1, iWS2, i) 2∑iWS1, i2∑iWS2, i2 որտեղ S1 և S2 համապատասխանաբար, սպեկտր 1-ի և սպեկտր 2-ի, ինչպես նաև WS1, i և WS2-ի համար, i-ն ներկայացնում է գագաթնակետային ինտենսիվության վրա հիմնված կշիռը, որի դեպքում երկու սպեկտրների միջև i-րդ ընդհանուր գագաթնակետի տարբերությունը փոքր է 0.01 Da-ից: Կշիռը հաշվարկվում է հետևյալ կերպ՝ W = [գագաթնակետային ինտենսիվություն] m [որակ] n, m = 0.5, n = 2, ինչպես առաջարկվել է MassBank-ի կողմից:
Կիրառվեց երկրորդ գնահատման մեթոդը, որը ներառում էր MS/MS-ի միջև ընդհանուր NL-ի վերլուծությունը: Այս նպատակով մենք զուգահեռաբար օգտագործեցինք MS մասնատման գործընթացում հաճախ հանդիպող 52 NL ցուցակները, ինչպես նաև ավելի կոնկրետ NL-ը (տվյալների ֆայլ S1), որը նախկինում նշվել է թուլացած Nepenthes տեսակների երկրորդային մետաբոլիտների MS/MS սպեկտրի համար (9, 26): Յուրաքանչյուր MS/MS-ի համար ստեղծեք 1 և 0 երկուական վեկտոր, որը համապատասխանաբար համապատասխանում է որոշ NL-ների ներկայիս և գոյություն չունեցող արժեքներին: Էվկլիդեսյան հեռավորության նմանության հիման վրա, NL նմանության գնահատականը հաշվարկվում է երկուական NL վեկտորների յուրաքանչյուր զույգի համար:
Երկակի կլաստերացում կատարելու համար մենք օգտագործել ենք DiffCoEx R փաթեթը, որը հիմնված է Կշռված Գեների Համաարտահայտման Անալիզի (WGCNA) ընդլայնման վրա: Օգտագործելով MS/MS սպեկտրների NDP և NL գնահատման մատրիցները, մենք օգտագործել ենք DiffCoEx-ը՝ համեմատական ​​​​կորելյացիոն մատրիցը հաշվարկելու համար: Երկուական կլաստերացումը կատարվում է՝ «cutreeDynamic» պարամետրը սահմանելով method = «hybrid», cutHeight = 0.9999, deepSplit = T և minClusterSize = 10: DiffCoEx-ի R սկզբնական կոդը ներբեռնվել է լրացուցիչ 1 ֆայլից՝ Թեսոնի և այլոց կողմից (57): Անհրաժեշտ R WGCNA ծրագրային փաթեթը կարելի է գտնել https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA հասցեով:
MS/MS մոլեկուլային ցանցի վերլուծություն կատարելու համար մենք հաշվարկեցինք զույգային սպեկտրալ կապը՝ հիմնվելով NDP և NL նմանության տեսակների վրա, և օգտագործեցինք Cytoscape ծրագիրը՝ ցանցային տոպոլոգիան պատկերացնելու համար՝ օգտագործելով CyFilescape yFiles դասավորության ալգորիթմի ընդլայնման ծրագրում օրգանական դասավորությունը։
Տվյալների վիճակագրական վերլուծություն կատարելու համար օգտագործեք R տարբերակը 3.0.1: Վիճակագրական նշանակությունը գնահատվել է երկկողմանի դիսպերսիայի վերլուծության (ANOVA) միջոցով, որին հաջորդել է Թյուքիի անկեղծորեն նշանակալի տարբերության (HSD) հետհոկ թեստը: Բուսակեր և վերահսկիչ խմբերի միջև տարբերությունը վերլուծելու համար, նույն դիսպերսիայով երկու խմբերի նմուշների երկկողմանի բաշխումը վերլուծվել է Ստյուդենտի t թեստի միջոցով:
Այս հոդվածի լրացուցիչ նյութերի համար այցելեք http://advances.sciencemag.org/cgi/content/full/6/24/eaaz0381/DC1 կայքը։
Սա բաց մատչելիության հոդված է, որը տարածվում է Creative Commons Attribution-Non-Commercial License-ի պայմաններով, որը թույլ է տալիս օգտագործել, տարածել և վերարտադրել ցանկացած միջավայրում, քանի դեռ վերջնական օգտագործումը առևտրային շահույթի համար չէ, և նախադրյալն այն է, որ բնօրինակ աշխատանքը ճիշտ է: Հղում:
Նշում. Մենք խնդրում ենք ձեզ տրամադրել ձեր էլեկտրոնային փոստի հասցեն միայն այն դեպքում, եթե այն ձեր կողմից խորհուրդ տրվող անձը իմանա, որ դուք ցանկանում եք, որ նա տեսնի էլեկտրոնային նամակը, և որ այն սպամ չէ: Մենք չենք գրանցի որևէ էլեկտրոնային փոստի հասցե:
Այս հարցն օգտագործվում է ձեր այցելու լինելը ստուգելու և ավտոմատ սպամի ուղարկումը կանխելու համար։
Տեղեկատվության տեսությունը համընդհանուր միջոց է հատուկ մետաբոլոմների համեմատության և թեստային պաշտպանության տեսությունների կանխատեսման համար։
Տեղեկատվության տեսությունը համընդհանուր միջոց է հատուկ մետաբոլոմների համեմատության և թեստային պաշտպանության տեսությունների կանխատեսման համար։
©2021 Գիտության առաջընթացի ամերիկյան ասոցիացիա. բոլոր իրավունքները պաշտպանված են: AAAS-ը HINARI, AGORA, OARE, CHORUS, CLOCKSS, CrossRef և COUNTER ընկերությունների գործընկերն է: ScienceAdvances ISSN 2375-2548.