《Foods》:Non-Targeted Metabolomics Reveals the Metabolic Differentiation of Rice from Adjacent Small-Scale Producing Areas and Its Response to Climatic and Soil Factors
编辑推荐:
研究人员采用非靶向代谢组学结合多变量统计分析,系统研究了来自辽宁盘锦(PJ)、东港(DG)和营口(YK)三个邻近小规模产区水稻的代谢谱。通过筛选各产区的特征代谢标志物,阐明了气候和土壤因子及其交互作用对籽粒代谢物组成的影响。结果表明,基于差异代谢物建立的偏最小
研究人员采用非靶向代谢组学结合多变量统计分析,系统研究了来自辽宁盘锦(PJ)、东港(DG)和营口(YK)三个邻近小规模产区水稻的代谢谱。通过筛选各产区的特征代谢标志物,阐明了气候和土壤因子及其交互作用对籽粒代谢物组成的影响。结果表明,基于差异代谢物建立的偏最小二乘判别分析(PLS-DA)模型能够有效区分三地区水稻样本。以变量投影重要性(VIP)>2.0为筛选阈值,确定了各产区的核心特征标志物:PJ为LPC 17:2、LPA 18:3、D-(+)-阿拉伯醇(D-(+)-Arabitol),DG为2′-脱氧腺苷(2′-Deoxyadenosine)、LDGTS 18:2,YK为LPE 17:2;这些标志物主要为初级代谢物,包括脂质、糖醇和核苷酸。日照时长、空气湿度、风况和土壤温度是与代谢分化高度相关的气候驱动因子,不同产区的特征代谢标志物表现出截然不同的气象响应模式。土壤理化性质及矿质元素显著影响差异代谢物的积累,其中土壤锶(Sr)元素和有机质对邻近区域水稻代谢变异具有重要指示意义。多因子交互分析证实了区域气候与土壤环境之间存在显著的协同耦合效应。以日照、风力和土壤温度为核心的气象因子,以及涉及有机质、pH、Sr、K和Ca的土壤化学因子,被识别为驱动区域特异性水稻代谢物空间分化的核心因素。本研究从代谢水平为构建小尺度水稻地理追溯体系及水稻区域品质形成机制研究提供了理论支撑。
以下是根据论文主体内容撰写的学术解读文章,字数约1500汉字。
**研究背景与科学问题**
水稻作为全球近半数人口的主粮,其代谢物组成直接决定营养品质、风味特征与健康价值。随着代谢组学技术突破,水稻中数千种小分子代谢物(包括氨基酸、碳水化合物、脂质及酚类、萜类、生物碱等次级代谢物)逐步被解析,为理解水稻生长发育、抗逆机制、品质形成及环境互作提供了新视角。然而,现有研究多聚焦单一环境因子的孤立效应,对气候与土壤化学环境之间的交互作用及其对代谢物级联调控的机制尚不清楚;此外,在同一省份内小地理尺度下,水稻代谢响应模式是否呈现区域特异性缺乏系统比较分析。同时,品种差异等遗传因素对代谢物的干扰也阻碍了环境因子调控品质形成机制的精确解析。
**研究设计、主要结论与意义**
为填补上述空白,研究人员以辽宁省盘锦(PJ)、东港(DG)和营口(YK)三个邻近小规模产区为对象,采用单品种(盐丰47)固定点田间监测试验,整合气候因子(气温、降水、相对湿度、土壤温度、日照时长等)原位监测数据、土壤化学参数(pH、速效养分、重金属含量、矿质元素浓度等)以及非靶向代谢组学与多变量统计分析,系统解析了气候-土壤协同作用下水稻代谢物的差异积累模式,筛选了区域特征标志物。研究结论主要包括:(1)基于差异代谢物建立的PLS-DA模型在小尺度水稻地理溯源中具有潜力;以VIP>2.0筛选得到各产区核心特征标志物(PJ:LPC 17:2、LPA 18:3、D-(+)-Arabitol;DG:2′-Deoxyadenosine、LDGTS 18:2;YK:LPE 17:2),这些标志物以脂质等初级代谢物为主。(2)气候因子显著驱动水稻代谢物差异积累,日照时长、相对湿度、风况和土壤温度是主要影响因素;YK水稻标志物响应长日照、高温、低湿环境,DG敏感于高湿弱光,PJ则受气温和土壤温度正调控。(3)土壤理化性质和矿质元素对水稻代谢分化至关重要,PJ水稻标志物与Ca、Sr、K等矿质元素正相关,与有机质和重金属负相关;YK水稻标志物对Sr元素响应突出;DG水稻标志物独立聚类并与有机质正相关;Sr元素和有机质在小尺度水稻代谢差异中具有重要指示作用。(4)Spearman相关和Mantel检验显示气候与土壤环境存在协同耦合效应,共同调控水稻代谢物空间分化,日照时长、风力、土壤温度、土壤pH及矿质元素组成是邻近产区水稻代谢指纹差异的核心驱动因子。该研究从代谢层面为小尺度水稻地理溯源及区域品质形成机制提供了理论依据,所建立的标志物体系在水稻质量控制、产地认证和掺假检测等实际工作中具有应用潜力。
**主要关键技术与方法**
研究人员在辽宁盘锦、营口、东港三个沿海水稻产区设置固定点试验,每产区选取3个代表性采样点,连续三年(共27份水稻复合样本)统一种植品种盐丰47,以消除遗传差异干扰。主要技术方法包括:(1)非靶向代谢组学分析:采用液相色谱-Orbitrap质谱联用(LC-Orbitrap MS)对水稻籽粒进行代谢物鉴定与相对定量,通过Compound Discoverer 3.3软件进行谱图处理和数据库(MassList、mzCloud、mzVault)比对,结合KEGG、HMDB和LIPID Maps数据库注释;(2)多变量统计分析:运用偏最小二乘判别分析(PLS-DA)筛选差异代谢物及区域特征标志物,以变量投影重要性(VIP)>2.0为阈值确定核心标志物;(3)环境因子分析:利用田间气象站连续监测水稻全生育期气象数据(气温、降水、相对湿度、日照时长、土壤温度、风速等),并采用ICP-MS和ICP-OES测定土壤中25种矿质元素及pH、有机质含量;(4)关联分析:通过Spearman相关分析和Mantel检验(999次置换)构建气候-土壤-代谢物的多维交互网络。
**研究结果**
**3.1 不同产区环境因子分析**
**3.1.1 基本气候环境**:连续监测试验产区(PJ、YK、DG)水稻生长季气候数据,发现各产区在平均相对湿度、降水量和风相关因子方面存在显著差异。
**3.1.2 基本土壤化学环境**:各产区水稻土pH及Ca、Se、U、Sr元素含量差异显著;PJ的Ca、Sr含量和pH最高,DG的有机质含量显著高于PJ和YK。
**3.2 不同产区水稻代谢物组成**
**3.2.1 代谢物鉴定与注释**:正、负离子模式下分别鉴定869、706种代谢物,以脂质和类脂分子、有机酸及其衍生物、有机杂环化合物、苯丙素类和聚酮类、苯系物、有机氧化合物为主。KEGG注释502种,HMDB注释811种,LIPID Maps注释269种。
**3.2.2 差异代谢物筛选**:通过层次聚类分析(HCA)筛选出85种可信差异代谢物,涉及脂质代谢(26种)、氨基酸代谢(17种)、有机酸和酚类代谢(14种)、碳水化合物代谢(9种)等8条通路,各产区水稻代谢谱呈现显著空间异质性。
**3.2.3 不同地理来源水稻特征代谢物挖掘**:基于85种差异代谢物建立PLS-DA模型,可基本实现三个产区样品分离。VIP>1.0的24种代谢物对分组贡献大,VIP>2.0的特征标志物为:PJ的LPC 17:2、LPA 18:3、D-(+)-Arabitol;DG的2′-Deoxyadenosine、LDGTS 18:2;YK的LPE 17:2。这些特征标志物以初级代谢物为主。交叉验证显示模型具有较好解释力和预测力,但100次置换检验表明基于85种代谢物的分组模型在小尺度上区分效果有限,而6种VIP>2.0的特征代谢物可提供潜在溯源参数。
**3.3 气候因子与水稻代谢物组成相关性分析**
对24种关键代谢物与气象数据构建相关性热图,发现日照时长、平均相对湿度和风况是主导气候驱动因子。各产区特征代谢物呈现截然不同的气候响应模式:YK的LPE 17:2与5 cm土壤温度、日照时长和风因子显著正相关,与降水和湿度负相关;DG的2′-Deoxyadenosine和LDGTS 18:2与湿度正相关,与日照、土壤温度、风速负相关;PJ的LPC 17:2、LPA 18:3、D-(+)-Arabitol与多层土壤温度和平均气温强正相关,与降水强负相关。
**3.4 土壤环境因子与水稻代谢物组成相关性分析**
土壤pH、有机质及Sr、Ca、U、Pb、Se等元素与多数代谢物含量密切相关。PJ特征标志物与Ca、Sr、Mn、K等多种矿质元素及pH正相关,与有机质、U、Pb、Se负相关;YK的LPE 17:2与Sr显著正相关;DG的标志物与有机质负相关(2′-Deoxyadenosine与Cs负相关,LDGTS 18:2与Be正相关),且独立聚类。
**3.5 气候、土壤化学环境与水稻代谢物的交互关系分析**
通过Spearman相关和Mantel检验构建多维网络,气候因子与土壤理化性质之间存在极显著协同耦合效应(p<0.01,r≥0.4)。所有气候因子与整体水稻代谢物群落呈极显著强正相关,综合风况、土壤温度和日照时长是核心气象驱动节点。YK的LPE 17:2与风况、日照时长强正相关,与降水、湿度负相关,且与土壤有机质、pH、Sr、U、Pb显著正相关;DG标志物与气候条件相关性不显著;PJ的LPC 17:2和LPA 18:3与风况、日照时长、土壤温度中等显著正相关,并与土壤有机质、pH及多种矿质元素强显著正相关。多维结果证实,区域气候与土壤理化性质协同驱动不同产区水稻特征代谢物的差异积累与空间分化。
**讨论与结论总结**
讨论部分指出,非靶向代谢组学鉴定出的六大类代谢物与前人研究一致。HCA显示三个产区代谢谱显著空间异质性,PLS-DA模型能有效区分邻近产区样品,但需要进一步优化。VIP>1.0的24种代谢物主要涉及8条代谢通路,与已有稻米地理溯源研究高度吻合。PJ产区典型盐碱土环境导致磷脂代谢和渗透调节物质积累改变;DG产区因近黄海形成高湿气候,推测系统性防御反应激活导致2′-Deoxyadenosine、硬脂酸、香兰素等次级代谢物升高;YK产区田间管理多样化,氨基酸衍生物、细胞分裂素和吲哚类物质显著积累,暗示氮素有效性或特定农化投入增强。脂质代谢(LPE、LPC、LPI)在所有产区呈现差异积累,证实其对温度和栽培措施的高度敏感性。VIP>2.0筛选的特征标志物均为脂质,印证了脂质代谢物作为小尺度地理溯源核心标志物的潜力。此外,2′-Deoxyadenosine和D-(+)-Arabitol扩展了溯源标志物库。环境关联分析表明,日照、湿度、风况是核心气候变量,各产区标志物响应模式截然相反。土壤Sr和有机质在小尺度代谢差异中起关键指示作用。多因子交互分析揭示气候与土壤环境存在强协同耦合,日照、土壤温度、风况以及土壤pH、有机质、矿质元素共同构成核心驱动因子。
**研究结论**(原文第5部分翻译):本研究以三个主要产区水稻为对象,采用非靶向代谢组学结合多维分析方法,探索了土壤、气候因子与水稻代谢物之间的相关性和交互作用规律,鉴定了区域特征标志物,揭示了环境因子对水稻代谢谱分化的影响。主要结论如下(图8):(1)基于差异代谢物构建的PLS-DA模型具有小尺度水稻地理溯源潜力;以VIP>2.0为筛选阈值,确定了各产区的核心特征标志物:PJ为LPC 17:2、LPA 18:3、D-(+)-Arabitol,DG为2′-Deoxyadenosine、LDGTS 18:2,YK为LPE 17:2;标志物主要为脂质等初级代谢物。(2)气候因子显著驱动水稻代谢物差异积累,日照时长、相对湿度、风况和土壤温度是主要影响因素;YK水稻标志物响应长日照、高温、低湿环境,DG敏感于高湿弱光,PJ受空气和土壤温度正调控。(3)土壤理化性质和矿质元素是水稻代谢分化的重要影响因素。PJ水稻标志物与Ca、Sr、K等土壤矿质元素正相关,与有机质和重金属负相关;YK水稻标志物对Sr元素响应突出;DG水稻标志物独立聚类并与有机质正相关;Sr元素和有机质在小尺度水稻代谢差异中具有重要指示作用。(4)Spearman相关和Mantel检验表明,气候与土壤环境之间存在协同耦合效应,共同调控水稻代谢物空间分化;日照时长、风力、土壤温度、土壤pH及矿质元素组成是邻近产区水稻代谢指纹差异的核心驱动因子。总之,本研究结果可为小尺度水稻地理溯源及不同产区品质形成机制的阐明提供代谢理论基础。所建立的标志物体系在水稻质量控制、产地认证和产地掺假检测等实际工作中具有应用前景。未来研究将扩大采样区域开展多位点验证实验,以进一步验证这些标志物在更大地理范围内的溯源适用性。