干旱与高浓度CO2胁迫下二穗短柄草营养代谢重编程的机器学习辅助非靶向代谢组学解析

为解析大气CO2升高与干旱胁迫对C3植物的协同效应，研究人员通过整合生理学、离子组学、转录组学及机器学习驱动的非靶向代谢组学技术，系统研究了模式植物二穗短柄草(Brachypodium distachyon)在400/800 ppm CO2与水分胁迫交互作用下的响应机制。研究发现CO2施肥效应在干旱条件下消失，伴随氮素下降、碳氮比失衡及铁稳态特异性调控，揭示了植物通过鞘脂代谢重编程、多胺积累等分子策略适应复合胁迫的机制，为气候变化下的作物营养调控提供新见解。

　　

当大气CO₂浓度飙升遇上干旱夹击，C₃植物如何玩转营养平衡术？最新研究以禾本科模式植物二穗短柄草(Brachypodium distachyon)为"实验演员"，设置400 ppm（环境浓度）vs 800 ppm（高浓度）CO₂与水分胁迫的"复合逆境剧场"。通过机器学习驱动的代谢组学"侦探技术"发现：CO₂的促生长效应在干旱时"哑火"，氮素含量跳水式下降，碳氮比(C/N)彻底"失调"。植物启动三重防御协议——气孔关闭减少水分流失，硝酸盐转运蛋白基因(NRT)表达遭"封印"，而多胺家族的精胺(spermidine)却在根部"囤货居奇"。更有趣的是，叶片铁(Fe)含量反常升高，伴随铁螯合基因"SOS信号"和S-腺苷甲硫氨酸(SAM)的紧急增援。代谢通路"黑客"们还发现，根部鞘脂(sphingolipid)代谢网络被重编程，犹如搭建起细胞膜"防波堤"。这些发现揭示了植物应对气候变化的"分子兵法"，为未来设计"气候智能型"作物提供精准靶点。