Cistanche deserticola je ugrožena biljka koja se koristi za lijekove i hranu. Naša je svrha istražiti razlike u metabolizmu između cvatova u neljekovitim dijelovima i sočnih stabljika u ljekovitim dijelovima kako bismo ojačali primjenu i razvoj neljekovitih dijelova C. deserticola. Proveli smo metabolomičku analizu pomoću LC-ESI-MS/MS na cvatovima i sukulentnim stabljikama tri ekotipa (slano-lužnato zemljište, travnjaci i pjeskovito zemljište) C. deserticola. Identificiran je ukupno 391 uobičajeni metabolit u šest skupina, od kojih se izorhamnetin O-heksozid (cvat) i rosinidin O-heksozid (sukulentne stabljike) mogu koristiti kao kemijski markeri za razlikovanje sočnih stabljika i cvatova. Uspoređujući metaboličke razlike između tri ekotipa, otkrili smo da su većina različitih metabolita povezanih sa solno-alkalnim stresom bili flavonoidi. Konkretno, mapirali smo biosintetski put feniletanoidnih glikozida (PhG) i pokazali metaboličke razlike u šest skupina. Kako bismo bolje razumjeli farmakodinamske mehanizme i mete C. deserticola, pregledali smo 88 kemijskih komponenti i 15 potencijalnih meta bolesti putem molekularnog spajanja. Aktivni sastojci C. deserticola imaju izvanredan učinak pričvršćivanja na mete bolesti starenja kao što su osteoporoza, vaskularne bolesti i ateroskleroza. Kako bismo istražili uporabnu vrijednost cvata, analizirali smo molekularno spajanje jedinstvenih flavonoidnih metabolita u cvatu s ciljevima upale. Rezultati su pokazali da su krizoberil i cinarozid imali više rezultate za ciljeve upale. Ova studija daje znanstvenu osnovu za otkrivanje i industrijalizaciju vrijednosti resursa neljekovitih dijelova C. deserticola i realizaciju održivog razvoja C. deserticola. Također pruža novu strategiju za istraživanje indikacija kineskog bilja.

Prema relevantnim studijama, cistanča je uobičajena biljka koja je poznata kao "čudotvorna biljka koja produžuje život". Njegova glavna komponenta je cistanozid, koji ima različite učinke poput antioksidansa, protuupalnih i poticanja imunoloških funkcija. Mehanizam između cistanche i izbjeljivanja kože leži u antioksidativnom učinku cistanche glikozida. Melanin u ljudskoj koži nastaje oksidacijom tirozina koju katalizira tirozinaza, a reakcija oksidacije zahtijeva sudjelovanje kisika, pa radikali bez kisika u tijelu postaju važan čimbenik koji utječe na proizvodnju melanina. Cistanche sadrži cistanozid, koji je antioksidans i može smanjiti stvaranje slobodnih radikala u tijelu, čime inhibira proizvodnju melanina.

Kliknite na Cistanche for Sale

Za više informacija:

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

1. Uvod

Cistanche deserticola je jestiva i ljekovita biljka koja se često naziva i "pustinjski ginseng". 1 C. deserticola je prvi put zabilježena u Shen Nongovoj kineskoj Materia Medici prije otprilike 1800 godina i naširoko se koristi kao tradicionalno značajan tonik u Kini i Japanu mnogo godina. Spojevi koji su izolirani iz C. deserticola su feniletanoidni glikozidi (PhG), iridoidi, lignani, masne kiseline, alditoli, ugljikohidrati i polisaharidi, među kojima je PhG glavni aktivni sastojak.2 Suvremena farmakologija pokazuje da ekstrakti C. deserticola (kao što su feniletanoidni glikozidi, polisaharidi itd.) imaju širok raspon ljekovitih funkcija, posebno u poboljšanju seksualne funkcije, poboljšanju pamćenja, imunološkoj regulaciji, zaštiti jetre, laksativnom djelovanju, antioksidativnom djelovanju itd.3–5 Osim ljekovita vrijednost, C. deserticola ima ekološku vrijednost za kontrolu pustinja zbog svoje sposobnosti da raste u sušnim okruženjima, kao iu slano-alkalnim uvjetima stresa.6 Međutim, divlji izvori C. deserticola u posljednje vrijeme smatraju se ugroženima godina zbog brzo rastuće tržišne potražnje i prekomjernog iskorištavanja. Navedena je kao jedna od biljaka klase II koje trebaju zaštitu u Kini.2 Stoga je hitno potrebno učinkovito razviti resurse C. deserticola i odrediti najbolje okruženje za rast C. deserticola.

Tradicionalno ljekoviti dijelovi ljekovitog bilja se široko koriste, dok se neljekoviti dijelovi često odbacuju. Velik broj istraživanja pokazao je da neki neljekoviti dijelovi kao što su Salvia miltiorrhiza, Paris polyphylla i Crocus sativus imaju sličan kemijski sastav i farmakološko djelovanje kao ljekoviti dijelovi. Istraživanje neljekovitih dijelova pogoduje proširenju medicinskih resursa, posebice za zaštitu ugroženih ljekovitih biljaka.7,8 Qiao et al. koristili su GC-MS tehnologiju za identificiranje 40 hlapljivih komponenti u cvatu C. deserticola.9 Peng et al. koristili su transkriptomiku i metabolomiku za sveobuhvatnu analizu analgetskih učinaka različitih dijelova citronele.10 Yang i sur. izolirali su vrste flavonoida iz nadzemnih dijelova Salvia miltiorrhiza i proučavali njihovu antioksidacijsku aktivnost.8 Ljekoviti dio C. deserticola je sočna stabljika, zbog koje se svake godine odbacuje veliki broj cvatova, što rezultira ogromnim rasipanjem resursa .

Metaboliti, kao konačni produkti raznih biokemijskih procesa kataliziranih enzimima, pružaju korisne molekularne uvide u biokemiju organizama u određenom vremenu.11 Metabolizam je usko povezan s kvalitetom biljaka. Primarni metaboliti utječu na rast i razvoj biljaka, a sekundarni metaboliti mogu pomoći biljkama da se odupru stresu iz okoliša.12 Stoga se tehnologija metabolomike naširoko koristi u procjeni kvalitete biljaka.13-15 Prethodno smo integrirali transkriptome i metabolome kako bismo procijenili kvalitetu sočnih stabljika tri ekotipa C. deserticola i istražiti molekularni mehanizam varijacije kvalitete.16 Otkrili smo da se 20 -acetilakteozid može koristiti kao kemijski marker za razlikovanje tri ekotipa. Wenjing Liu i sur. na temelju 1H NMR neciljanja na ciljanu metabolomičku strategiju temeljenu na LC-MS, proveli su dubinsku usporedbu kemijskih skupina četiri sukulentne vrste Cistanche i identificirali ehinakozid, acetonid, betain, manitol, 6-deoksikatalpol, saharozu, i 8- epi-organska kiselina mogu se koristiti kao kemijski markeri za razlikovanje četiri vrste Cistanche.17 Pingping Zou et al. primijenili su 1H NMR metabolomiku za identifikaciju gornjih i donjih dijelova stabljike C. deserticola i otkrili da su serijski primarni metaboliti, posebno ugljikohidrati i metaboliti ciklusa trikarboksilne kiseline, kao primarne molekule koje upravljaju razlikovanjem.18 HaiLi Qiao et al. GC-MS analizom hlapljivih komponenti cvata C. deserticola ilustrirao je da je u cvjetovima utvrđen veći sadržaj estera i aromata koji su značajno povećani u usporedbi s hlapljivim spojevima iz pupova. 9 Trenutačno nedostaju istraživanja o varijacijama kvalitete između sočne stabljike i cvata C. deserticola iz perspektive metabolizma.

Postojeće studije koristile su mrežnu simulaciju molekularnog spajanja za istraživanje ciljeva i mehanizama kineske medicine u liječenju bolesti.19-21 Jianling Liu et al. istraživali su učinkovite kombinacije lijekova na temelju sistemske farmakologije među spojevima iz Cistanche tubulosa. Oni su preliminarno pregledali 61 spoj i 43 mete povezane s neuroinflamacijom, od kojih bi verbaskozid i tubulozid B mogli igrati ključne uloge u neuroprotekciji.22 YingQi Li et al. integrirana mrežna farmakologija i model zebrice za istraživanje komponenata dualnog učinka Cistanche tubulosa za liječenje osteoporoze i Alzheimerove bolesti.23 Kemijske komponente C. deserticola su složene i imaju širok raspon farmakoloških učinaka. Međutim, terapijski mehanizmi još nisu jasni. Od velike je važnosti razjasniti mete bolesti i mehanizme za daljnji razvoj C. deserticola.

U ovoj smo studiji upotrijebili metabolomiku kako bismo istražili metaboličke razlike cvatova i sukulentnih stabljika triju ekotipa (slano-lužnato zemljište, travnjak i pjeskovito zemljište) C. deserticola i usporedili ekotipove travnjaka i pjeskovitog zemljišta sa slanim- ekotip alkalnog zemljišta za istraživanje metaboličkih varijacija kod C. deserticola na koje utječe solno-alkalni stres. Konkretno, identificirali smo i analizirali metabolite šest skupina uključenih u biosintezu PhG-a. Primijenili smo molekularno spajanje kako bismo izdvojili potencijalne spojeve i mete i nacrtali mrežne simulacijske dijagrame, kao i analize obogaćivanja GO i KEGG. Naša otkrića pružaju nove uvide u metaboličke razlike između cvatova i sočnih stabljika tri ekotipa C. deserticola.

2. Materijali i metode

2.1 Biljni materijali i prikupljanje uzoraka

Prikupili smo cvasti (sufiks serijskog broja uzorka je "1") i sukulentne stabljike (sufiks serijskog broja uzorka je "2") za C. deserticola u fazi iskapanja (od travnja do svibnja 2017.) iz tri različita ekotipa: Ebinur Lake Xinjiang (A1 & A2: slano-alkalna zemlja), selo Tula Xinjiang (B1 & B2: travnjaci) i Alxa Left Banner unutarnje Mongolije (C1 & C2: pješčana zemlja) u sjeverozapadnoj Kini (Tablica 1 i Slika 1a) . Uzorci vaučera pohranjeni su u herbariju Instituta za razvoj ljekovitog bilja pri Kineskoj akademiji medicinskih znanosti u Pekingu, Kina. Uzorci su prikupljeni na terenu i brzo pohranjeni u tekućem dušiku. Nakon čišćenja s PBS-om, sočna tkiva stabljike izrezana su na male komadiće i odmah pohranjena u zamrzivaču na 80 stupnjeva Celzijusa do daljnje obrade. Za analizu metaboloma uzeto je 18 uzoraka (tri biološka ponavljanja po staništu, dva dijela tkiva po uzorku) iz debljih dijelova cvata i mesnatih peteljki.

2.2 Ekstrakcija i odvajanje metabolita

Zamrzavanjem osušeni uzorak usitnjen je u mlinu s miješalicom (MM 400, Retsch) s kuglicama cirkonijevog oksida 1,5 min na 30 Hz. 100 mg praha je izvagano i ekstrahirano preko noći na 4 stupnja s 1,0 mL 70 posto vodenog metanola. Nakon centrifugiranja na 10 000 g tijekom 10 minuta, ekstrakti su apsorbirani prije LC-MS analize.

LC-ESI-MS/MS sustav (UPLC, Shim-pack UFLC SHIMADZU CBM30A sustav) korišten je za analizu liofiliziranog ekstrakta uzorka. Analitički uvjeti bili su sljedeći: UPLC kolona, ​​Waters ACQUITY UPLC HSS T3 C18 (1,8 mm, 2,1 mm×100 mm); otapalo, voda (0.04 posto octene kiseline): acetonitril (0.04 posto octene kiseline); program gradijenta, 100 : 0 v/v na 0 min, 5: 95 v/v na 11,0 min, 5: 95 v/v na 12,0 min, 95: 5 v/v na 12,1 min i 95 : 5 v/v na 15,0 min; brzina protoka, 0,40 mL min 1; temperatura, 40 stupnjeva; i volumen injekcije, 2 mL. Efluent je alternativno spojen na ESI-trostruku kvadrupolnu linearnu ionsku zamku (Q TRAP)-MS. U ovom eksperimentu, uzorak za kontrolu kvalitete pripremljen je jednoličnim miješanjem; tijekom analize, uzorci kontrole kvalitete su pokretani svakih 10 injekcija kako bi se pratila stabilnost uvjeta analize.24-26

Linearna ionska zamka (LIT) i trostruko kvadrupolno (QQQ) skeniranje dobiveno je na trostruko kvadrupolnom linearnom ionskom zamkom masenog spektrometra (Q TRAP), API 6500 Q TRAP LC/MS/MS sustav, opremljen sa ESI turbo ion-spray sučelje, radi u načinu rada pozitivnih iona i kontrolira ga softver Analyst 1.6 (AB Sciex). Radni parametri izvora ESI bili su sljedeći: izvor iona, turbo sprej; temperatura izvora 500 stupnjeva; napon ionskog raspršivanja (IS) 5500 V; izvor iona plin I (GSI), plin II (GSII), plin zavjese (CUR) postavljeni su na 55, 60, odnosno 25,0 psi; kolizijski plin (CAD) bio je visok (12 psi). Ugađanje instrumenta i kalibracija mase provedeni su s 10 i 100 mmol L 1 otopine polipropilen glikola u QQQ i LIT modovima, redom. QQQ skenovi dobiveni su kao MRM eksperimenti s kolizijskim plinom (dušikom) postavljenim na 5 psi. Potencijal deklasterizacije (DP) i energija sudara (CE) za pojedinačne MRM prijelaze provedeni su uz daljnju optimizaciju. Specifičan skup MRM prijelaza praćen je za svako razdoblje na temelju metabolita eluiranih unutar tog razdoblja.

2.3 Identifikacija i kvantifikacija metabolita

Kvalitativna analiza primarnih i sekundarnih MS podataka provedena je usporedbom vrijednosti prekursora iona (Q1), fragmenata iona (Q3) (izolacijski prozori (±15 Da), vrijeme zadržavanja (ms) ili vrijeme ciklusa (1 sekunda)), vrijeme zadržavanja (RT) i obrasci fragmentacije s onima dobivenim ubrizgavanjem standarda uz korištenje istih uvjeta ako su standardi bili dostupni ili provedeni pomoću baze podataka MWDB (NetWare Biological Science and Technology Co., Ltd Wuhan, Kina) i javno dostupni baze podataka metabolita ako standardi nisu bili dostupni. Ponovljeni signali K plus, Na plus, NH4 plus i drugih tvari velike molekularne težine eliminirani su tijekom identifikacije. Kvantitativna analiza metabolita temeljila se na MRM modu. Karakteristični ioni svakog metabolita pregledani su kroz QQQ maseni spektrometar kako bi se dobila snaga signala. Integracija i korekcija kromatografskih vrhova provedena je pomoću Multi Quant verzije 3.0.2 (AB SCIEX, Concord, Ontario, Kanada). Odgovarajući relativni sadržaji metabolita predstavljeni su kao integrali površine kromatografskih vrhova.

Vrijednosti VIP (varijable važne u projekciji) uzoraka C. deserticola (tri biološke replike) izračunate su pomoću softvera SIMCA-P (verzija 14.1, Sartorius Stedim Biotech, Ume˚a, Švedska) na temelju analize glavnih komponenti i ortogonalnog parcijalnog minimuma kvadrati diskriminantna analiza. Postavljamo 2 USD s promjenom puta ili #0.5 i VIP vrijednost 1 USD kao prag za provjeru značajno različitih metabolita. Podaci o metabolitima su normalizirani, analiza toplinske karte klastera provedena je na svim uzorcima, a programska skripta R korištena je za crtanje toplinske karte klastera.

2.4 Molekularno spajanje

2.4.1 Skupljanje kemijskih spojeva.Kroz preliminarne eksperimentalne rezultate naše istraživačke grupe i rezultate pretraživanja literature, ukupno 127 izoliranih spojeva iz sočnih stabljika C. deserticola prikupljeno je i preuzeto s web stranice Chemical Book ili je korišten ChemDraw za crtanje 2D molekularne strukture. Osim toga, pronašli smo 4 izbjegavanja (krizoberil, cinarozid, hesperetin i homoeriodiktil) otkrivena samo u cvatu putem rezultata metaboloma. 2D struktura je pretvorena u trodimenzionalnu strukturu pomoću ChemDraw 3D softvera, te je izvršena preliminarna optimizacija. Zatim je Avogadro Software potvrdio preliminarno optimiziranu trodimenzionalnu strukturu i daljnja energetska optimizacija korištena je za generiranje konačnog složenog formata datoteke potrebnog za naknadno molekularno spajanje.

2.4.2 Prikupljanje ciljnog prikupljanja.Tražili smo ciljne proteine ​​bolesti kroz literaturu i bazu podataka STITCH. Dobili smo odgovarajuće genske ciljeve korištenjem baze podataka Uniport i dohvatili PDB ID haplotipa proteina i strukturu malih molekula pomoću RCSB. Prilikom određivanja pozitivnog lijeka, upotrijebili smo literaturu i web stranicu Yaodu kako bismo preliminarno identificirali 45 povezanih meta bolesti koje su prijavljene, uključujući 10 bolesti povezanih sa sočnim stabljikama C. deserticola u literaturi. Tih deset bolesti bile su ateroskleroza, osteoporoza, senilna demencija, Alzheimerova bolest, Parkinson, kronični zatvor, torsades de pointes ventrikularna tahikardija, vaskularna bolest, ozljeda miokarda i rak rektuma. Osim toga, prikupili smo 467 meta povezanih s upalom i dobili 2 važne mete (6KBA i 7AWC) kroz probir, koji su korišteni za molekularnu analizu spajanja flavonoida specifičnih za cvat.

2.4.3 Simulacija molekularnog spajanja.Kako bismo procijenili afinitet vezanja spojeva u C. deserticola na ciljne kandidate, izveli smo simulaciju molekularnog pristajanja putem softvera QuickVina 2.0, uslužnog programa otvorenog koda koji je razvila istraživačka grupa Alhossary. Kako bismo potvrdili afinitet vezanja između meta i spojeva, izračunali smo rezultat spajanja pomoću QuickVina 2.0. Docking rezultati koji su premašili rezultate pozitivnih lijekova (podaci za svaki pozitivni lijek mogu se dobiti iz odgovarajućih ciljeva u RCSB-u ili literaturi) ukazali su na jak afinitet vezanja između ciljeva kandidata i odgovarajućih spojeva.27–30 Mi koristio je PyMOL (verzija 2.0 Schr¨odinger, LLC) za iscrtavanje rezultata spajanja spoja i mete.

2.4.4 Konstrukcija mreže komponenta-cilj-put i analiza funkcije GO/KEGGKonstrukcija mreže komponenta-cilj-put provedena je pomoću softvera za vizualizaciju mreže Cytoscape. U mrežnim interakcijama, čvorovi predstavljaju komponente, ciljeve i putove, dok rubovi predstavljaju međusobnu interakciju. Koristili smo bodovnu vrijednost molekularnog spajanja spoja i ciljnog gena kao pokazatelj boje veze. Što je boja zelenija, to je veća vrijednost bodovanja. Mreža interakcije protein-protein (PPI) povezana s ciljevima gena konstruirana je i analizirana pomoću STRING.31

Kako bismo dodatno saznali biološke funkcije unutar izgrađene mreže, upotrijebili smo funkcionalni modul za označavanje baze podataka DAVID29 za izvođenje analize obogaćivanja genske ontologije (GO) i KEGG na ciljnim genima.

3. Rezultati

3.1 Metabolički profili C. deserticola

Kako bi se dobio pregled metaboličkih promjena tri ekotipa C. deserticola cvatova i sočnih stabljika, provedena je široko ciljana analiza metaboloma pomoću LC-ESI-MS/MS. Kao što je prikazano na slici 1b, cvatovi i sukulentne stabljike C. deserticola iz različitih ekotipova pokazali su različita odvajanja, a odvajanje različitih tkiva bilo je veće nego kod različitih ekotipova. I tri ponovljena uzorka imaju slične PC rezultate, što ukazuje da su metaboliti C. deserticola pokazali malo razdvajanja između ponovljenih uzoraka. Štoviše, uzorci kontrole kvalitete (mješavine) grupirani su zajedno u središtu dijagrama PCA rezultata. Dijagram latica (Sl. 1c) i dijagram poremećaja (Sl. 1d) pokazuju da postoji 391 zajednički metabolit u šest skupina, a broj metabolita otkrivenih u cvatu općenito je bio veći od onog u sočnoj stabljici. Broj metabolita detektiranih u slanolužnatom cvatu (A1) bio je najveći, s ukupno 515, od čega je 18 metabolita detektirano samo u A1. Broj metabolita detektiranih u sočnim stabljikama travnjaka (B2) bio je najmanji, s ukupno 458, bez svojih jedinstvenih metabolita.

Određen je relativni sadržaj 578 metabolita, uključujući 35 kategorija metabolita (ESI datoteka S1). Najzastupljeniji metaboliti cvatova i sočnih stabljika u oba tri ekotipa bili su lipidi, glicerolipidi, aminokiseline, nukleotidi i njihovi derivati, feniletanoidni glikozidi (PhG) i flavonoidi (sl. S3a, 3b i c). Nakon normalizacije, proporcionalni sadržaj svakog metabolita određen je prosječnom vršnom površinom odgovora tijekom UPLC-MS/MS, kao što je prikazano na slici 1e s toplinskom kartom, i dalje je izveden hijerarhijskom analizom klasteriranja. Više sekundarnih metabolita pokazalo je visoke relativne razine koncentracije u A1 i C2 nego u drugim skupinama. Među sekundarnim metabolitima u sva tri ekotipa, relativni sadržaj feniletanoidnih glikozida (PhG) u sukulentnim stabljikama bio je viši nego u cvatovima, dok je relativni sadržaj flavonoida u cvatovima bio veći nego u sukulentnim stabljikama.

U ovoj analizi metaboloma otkriveno je 12 glavnih aktivnih komponenti C. deserticola, uključujući 2'-acetilakteozid, akteozid, cistanozid A, koniferin, ehinakozid, formononetin-7-O-glukozid, inozin, izoakteozid, ononin, pinorezinol, štrcaljke i uridin. Hijerarhijska mapa topline grupiranja (slika 1f) nacrtana je za glavne aktivne komponente C. deserticola otkrivene metabolomom, pokazujući da je relativni sadržaj glavnih aktivnih komponenti u sočnoj stabljici bio viši od onog u cvatu. U usporedbi s različitim tkivima, aktivni sastojci s relativno visokim udjelom u cvatu bili su 2′-acetilakteozid i koniferin, dok su aktivni sastojci s relativno visokim udjelom u sočnim stabljikama bili akteozid, cistanozid A, ehinakozid i izoakteozid. U usporedbi s različitim ekotipovima, relativno visok sadržaj aktivnih sastojaka u slanoj bazi bio je 2'-acetilakteozid, akteozid, koniferin, ehinakozid i izoakteozid. Relativno visok sadržaj u travnjacima bio je ehinakozid, a relativno visok sadržaj u pjeskovitom zemljištu bio je cistanozid A.

3.2 Metabolička razlika između cvata i sočne stabljike C. deserticola

Kako bismo razumjeli razliku u metabolizmu između cvata i sočne stabljike C. deserticola u tri ekotipa, pregledali smo različite metabolite. Uočena je visoka predvidljivost (Q2) OPLS-DA modela za stvaranje parne usporedbe između cvatova i sukulentnih stabljika u slano-alkalnom zemljištu (Q2 = 0.996), travnjacima (Q2 = 0.997) , i pjeskovito zemljište (Q2 = 0.997) (Sl. S1a). Vrijednosti Q2 i R2 bile su veće u testu permutacije nego u modelu OPLS-DA (Sl. S1b). Kako bismo identificirali potencijalne varijable, postavili smo promjenu puta veću ili jednaku 2 ili manju ili jednaku 0.5 i VIP vrijednost veću ili jednaku 1 kao prag za pregled značajno različitih metabolita u svakom paru usporedbi. Prvih 10 različitih metabolita tri ekotipa cvatova i sukulentnih stabljika prikazani su u tablici S1. U usporedbi sa sukulentnim stabljikama, relativno visok sadržaj različitih metabolita u cvatovima bili su flavonoidi, kao što su flavonol, flavon i flavonski C-glikozidi.

U slano-alkalnom zemljištu, u usporedbi s cvatovima, sočne stabljike imale su 43 diferencirana metabolita s povišenom i 71 sniženo regulirani diferencijalni metabolit (Sl. 2a). Toplinska karta (slika 2b) pokazala je da je relativni sadržaj cvatova bio veći od onog u sukulentnim stabljikama. Uspoređujući sočne stabljike s cvatovima, glavni pojačano regulirani metaboliti bili su cijanidin 3-O-rutinozid (keracyanin), icariin (kaempferol 3,7-O-diglukozid 8-prenil derivat), homovanilna kiselina metil ester klorogenske kiseline i rozinidin O-heksozid. Glavni smanjeno regulirani diferencijalni metaboliti uključivali su N′, N′′-di-p-kumaroilspermidin, 8-C-heksozil-luteolin O-heksozid, kavenu kiselinu, izorhamnetin O-heksozid i izorhamnetin 5- O-heksozid (slika 2c). Analiza obogaćivanja metaboličkog puta KEGG-a (slika 2d) klasificirala je različite metabolite identificirane iz cvata i sukulentne stabljike u biosintezu flavonoida, biosintezu flavona i flavonola, biosintezu izoflavonoida, biosintezu fenilpropanoida i metabolizam eterskih lipida.

Na travnjacima, u usporedbi s cvatovima, sukulentne stabljike imale su 35 diferenciranih metabolita s povišenom i 54 sniženo regulirana diferencijalna metabolita (Sl. 2a). Toplinska karta (slika 2b) pokazala je da je relativni sadržaj cvatova bio veći od onog u sukulentnim stabljikama. Uspoređujući sočne stabljike s cvatovima, glavni pojačano regulirani metaboliti bili su l-(plus)-arginin, adipinska kiselina, N-metilnikotinamid, 4-hidroksibenzojeva kiselina i dihidromiricetin. Glavni smanjeno regulirani diferencijalni metaboliti uključivali su rozinidin O-heksozid, kavenu kiselinu, izorhamnetin O-heksozid, prodajni 5-O-heksozid i izorhamnetin 5-O-heksozid (Slika 2c). KEGG analiza obogaćenja metaboličkog puta (slika 2d) klasificirala je različite metabolite identificirane iz cvata i sočne stabljike u biosintezu flavonoida, biosintezu flavona i flavonola, biosintezu diterpenoida, biosintezu izoflavonoida i cirkadijalni unos.

U pjeskovitom tlu, u usporedbi s cvatovima, sukulentne stabljike imale su 40 diferenciranih metabolita reguliranih prema gore i 87 diferencijalnih metabolita reguliranih prema dolje (slika 2a). Toplinska karta (slika 2b) pokazala je da je relativni sadržaj cvatova bio veći od onog u sukulentnim stabljikama. Uspoređujući sočne stabljike s cvatovima, glavni pojačano regulirani metaboliti bili su O-feruloil 4-hidroksilkumarin, špricanje, rozinidin O-heksozid, 3-(4-hidroksifenil)propionska kiselina i homovanilna kiselina. Glavni smanjeno regulirani diferencijalni metaboliti uključivali su krizoeriol O-ramnozil-O-glukuronsku kiselinu, C-heksozil-apigenin O-kafeoilheksozid, prodajni O-malonilheksozid, izorhamnetin O-heksozid i 8-C-heksozil-luteolin O- heksozid (slika 2c). Analiza obogaćivanja metaboličkog puta KEGG-a (slika 2d) klasificirala je različite metabolite identificirane iz cvata i sočne stabljike u biosintezu flavona i flavonola, biosintezu flavonoida, biosintezu izoflavonoida, biosintezu diterpenoida i razgradnju aromatskih spojeva.

3.3 Metaboličke razlike povezane s slano-alkalnim stresom u tri ekotipa C. deserticola

Kako bismo shvatili jedinstvene metaboličke karakteristike tri ekotipa slano-alkalne zemlje C. deserticola, pregledali smo različite metabolite u slano-alkalnoj zemlji u odnosu na travnjake i pješčane zemlje u odnosu na slano-alkalnu zemlju. Uočena je visoka predvidljivost (Q2) OPLS-DA modela za stvaranje parne usporedbe između slano-alkalnog zemljišta u odnosu na travnjak cvata (Q2 = 0.997) i sukulentne stabljike (Q2 = 0.991) . U međuvremenu, visoka predvidljivost (Q2) OPLS-DA modela između pješčanog tla u odnosu na slano-alkalno zemljište cvata (Q2 = 0.988) i sočne stabljike (Q2 = 0.995). Vrijednosti Q2 i R2 bile su veće u testu permutacije nego u modelu OPLS-DA (Sl. S2†). Kako bismo identificirali potencijalne varijable, postavili smo promjenu puta veću ili jednaku 2 ili manju ili jednaku 0.5 i VIP vrijednost veću ili jednaku 1 kao prag za pregled značajno različitih metabolita u svakom paru usporedbi. Tablica 2 prikazuje različite metabolite cvjetova i sočnih stabljika povezanih sa slano-alkalnim stresom (slano-alkalno zemljište u odnosu na travnjake i pjeskovito zemljište u odnosu na slano-alkalno zemljište), sortirane po kategoriji metabolita, i pokazuje da je većina metabolita bila klasa flavonoida . Među njima, relativni sadržaj antocijana, flavonoida, flavonola, flavanona, katehina i njihovih derivata te izoflavona najveći je u slano-alkalnom zemljištu. Nadalje, toplinska karta (slika 3d) pokazala je da su skupine s višim relativnim udjelom diferencijalnih metabolita flavonoida bile A1 i C1. Relativni sadržaj antocijana bio je najveći u skupini A2, a relativni sadržaj flavonoida i flavonola bio je najveći u skupini A1.

Karte vulkana (Sl. 3a) pokazale su da je broj pojačano reguliranih diferencijalnih metabolizama u slano-alkalnim tlima veći nego u travnjacima i pjeskovitim tlima, bilo u cvatovima ili sukulentnim stabljikama. Prvih 20 različitih metabolita svake usporedbe prikazano je na slici 3b. U slano-alkalnom zemljištu u odnosu na travnjake, KEGG putevi različitih metabolita cvatova uglavnom su obogaćeni biosintezom flavonoida, flavonola i biosintezom flavonola, biosintezom diterpenoida, biosintezom izoflavonoida i biosintezom fenilpropanoida. Osim toga, KEGG putevi različitih metabolita sočne stabljike uglavnom su obogaćeni u dopaminergičkoj sinapsi, metabolizmu purina, biosintezi flavonoida, metabolizmu pirimidina i cirkadijalnom unosu. U slano-alkalnom zemljištu u odnosu na travnjake, KEGG putevi različitih metabolita cvatova uglavnom su obogaćeni biosintezom izoflavonoida, biosintezom sekundarnih metabolita, biosintezom flavona i flavonola, antineoplastičnim agensima iz prirodnih proizvoda i astmom. Štoviše, KEGG putevi različitih metabolita sočne stabljike uglavnom su obogaćeni biosintezom aminoacil-tRNA, probavom i apsorpcijom proteina, središnjim metabolizmom ugljika kod raka, biosintezom aminokiselina i biosintezom fenilpropanoida (Slika 3c).

Za više informacija: david.deng@wecistanche.com / WhatApp:86 13632399501