《Eco-Environment & Health》：Can oxidative potential be a plant risk indicator for heavy metals contaminated soil? Analysis of ryegrass (
Lolium perenne L.) metabolome based on machine learning
编辑推荐：
在评估土壤污染对植物的风险时，传统的植物生理指标存在周期长、不确定性大的问题。研究人员测定原位重金属污染土壤的氧化电位（OP），分析黑麦草的氧化应激反应和代谢组。结果表明 OP 与生物标志物及代谢物相关，可用于评估风险。这为土壤污染评估提供新视角。
土壤重金属污染问题日益严峻，对植物的生长和健康构成了严重威胁。以往通过植物生理指标评估土壤污染对植物的风险，不仅所需时间长，而且由于植物种间或个体差异以及土壤性质、温度等环境因素的影响，评估结果存在很大的不确定性。为了寻找更稳定、快速的评估指标，国内研究人员开展了一项关于氧化电位（OP）能否作为重金属污染土壤对植物风险指标的研究，该研究成果发表在《Eco - Environment》。
研究人员用到的主要关键技术方法包括：首先通过采集来自金属冶炼厂受 Cu 和 Pb 污染的表层土壤样本以及对照土壤样本，测定土壤中重金属含量和 OP 值；然后将黑麦草（Lolium perenne L.）种子处理后分别种植在对照土壤和污染土壤中，培养一段时间后采集叶片样本；接着对叶片样本进行生物标志物检测、代谢组学检测，并计算代谢效应水平指数（MELI）；最后利用多种机器学习模型进行分析筛选，确定与 OP 相关的重要代谢物，并通过 Shapley 加性解释（SHAP）分析对模型进行解读。
研究结果
- OP 值与土壤重金属浓度的关系：研究测定了污染土壤和对照土壤的 OP 值，发现对照土壤的 OP 值远低于污染土壤，且污染土壤中 OP 值随总 Cu 和 Pb 浓度的增加而升高。这表明重金属是催化 DTT 氧化的主要物质，在 ROS 形成中起主导作用。
- 氧化应激与 OP 的相关性：检测黑麦草在重金属胁迫下的氧化应激指标，发现其活性氧（ROS）水平升高，多种生物标志物如抗氧化酶（SOD、CAT、POD）、总抗氧化能力（T - AOC）、丙二醛（MDA）和金属硫蛋白（MT）的活性发生显著变化。综合生物标志物响应指数（BRI）与 OP 存在显著的指数相关性，说明 OP 值可用于评估土壤中较低重金属污染对植物的氧化应激。
- OP 与黑麦草代谢组学响应的关系
- 代谢谱变化：对不同 OP 值土壤处理下的黑麦草进行代谢组学分析，主成分分析（PCA）显示处理组与对照组明显分离。多种代谢物的表达发生显著变化，包括氨基酸、糖类、有机酸和脂肪酸等。其中氨基酸合成可能被促进，部分糖类、有机酸和脂肪酸的含量变化与土壤 OP 值相关。
- MELI 与 OP 值的关系：计算不同类代谢物的 MELI，发现处理组 MELI 值显著高于对照组，且 OP 与氨基酸和糖代谢物的 MELI 显著相关，表明 OP 与黑麦草叶片代谢物的扰动直接或间接相关。
- 机器学习筛选与 OP 值相关的重要代谢物：通过比较 XGBoost、MLPClassifier、决策树和随机森林四种机器学习模型的性能，发现随机森林模型表现最佳。利用该模型筛选出与 OP 值最相关的前 20 种代谢物，涵盖氨基酸、嘌呤嘧啶及其衍生物、有机酸、糖类、脂肪酸和其他代谢物。SHAP 分析进一步验证了随机森林模型结果，并直观展示了各代谢物对模型的贡献和影响方向。
- 确定与氧化应激相关的代谢途径：基于京都基因与基因组百科全书（KEGG）数据库对前 20 种代谢物进行通路富集分析，发现涉及氨基酸代谢、三羧酸（TCA）循环、生物碱生物合成、咖啡因代谢、嘌呤和嘧啶代谢、鞘脂代谢、糖代谢和 α - 亚麻酸代谢等代谢途径，这些代谢途径均与重金属诱导的氧化应激直接或间接相关。
研究结论和讨论
该研究通过一系列实验和分析，发现土壤 OP 与黑麦草的生物标志物响应指数以及氨基酸和糖的 MELI 存在显著关联。利用机器学习确定了与 OP 相关的重要代谢物和代谢途径。这表明 OP 可以作为评估重金属污染土壤对植物氧化应激的指标，为土壤污染生态风险评估提供了新的思路和方法。不过，OP 值在评估更多类型植物受重金属或其他污染物影响的生态风险方面的适用性，还需要进一步研究。这项研究成果对于深入理解土壤污染与植物之间的关系，以及制定更有效的土壤污染治理和生态保护策略具有重要意义。
