重新审视光呼吸CO2补偿点（Γ*）的温度依赖性

《Plant, Cell & Environment》：Revisiting the Temperature Dependence of the Photorespiratory CO2 Compensation Point (Γ*)

　　

准确估计光呼吸CO₂补偿点（Γ*）对于描述Rubisco羧化与加氧之间的平衡以及参数化光合作用生化模型至关重要。Γ*和光下CO₂释放速率（D_L）通常使用Laisk方法进行估计，该方法基于在几个亚饱和光照强度下、低叶绿体CO₂浓度（c_c）下测得的净CO₂同化速率（A_net）。然而，许多广泛使用的Γ*温度依赖性关系（Γ*(T)）是通过传统的Laisk方法线性实现推导的，尽管光合作用理论预测A_net–c_c响应具有内在非线性行为。在本研究中，研究人员使用改进的Laisk–FvCB框架重新审视了Γ*和D_L的温度依赖性，该框架同时约束了多个光照强度下的非线性A_net–c_c响应。研究人员测量了向日葵叶片在3.9°C至42.0°C宽温度范围内的气体交换。传统的线性实现产生了高度分散的成对交点和Γ*与D_L的不稳定估计，包括在低温下一些生理上不现实的负D_L值。相比之下，机械约束的Laisk–FvCB框架产生了生理上有意义的温度响应，并显著减少了与线性外推相关的方法学伪影。使用该框架，研究人员推导了一个修正的体内Γ*(T)关系，由Arrhenius型函数描述，Γ*(25)=43.4 μmol mol^?1，表观活化能为27.7 kJ mol^?1，即Γ*(T)=43.4 exp[11.176 ((T?25)/(T+273.15))]，其中T为叶片温度（°C）。与其他广泛使用的Γ*(T)公式的比较显示，在温度极端条件下存在显著差异，通常超过C₃物种间Rubisco特异性的实际种间差异所预期的变异性。

**光呼吸CO₂补偿点（Γ*）温度依赖性的重新审视：基于Laisk–FvCB框架的改进估计**

**研究背景与问题**
光呼吸CO₂补偿点（Γ*）是描述Rubisco羧化与加氧平衡的核心参数，直接决定净CO₂同化速率（A_net）与光下CO₂释放速率（D_L）的关系，是Farquhar–von Caemmerer–Berry（FvCB）生化模型的关键输入。Γ*的温度依赖性（Γ*(T)）通常通过Laisk方法从气体交换测量中估计，但传统的线性实现假设A_net–c_c（c_c为叶绿体CO₂浓度）响应在低CO₂范围内为线性，而光合作用理论（FvCB模型）预测其本质为非线性。这种线性近似引入的方法学伪影可能导致Γ*和D_L估计的系统性偏差，尤其在极端温度下。此外，已有Γ*(T)函数（如Bernacchi et al. 2001、Brooks and Farquhar 1985、Jordan and Ogren 1984）之间存在显著差异，部分差异可能源于方法学而非真实的种间Rubisco特异性（S_c/o）变异。因此，有必要采用改进的框架重新评估Γ*(T)，以消除线性外推的伪影，并检验既有函数偏差是否超越生物学变异范围。

**研究概述与意义**
研究人员利用改进的Laisk–FvCB框架（将Laisk逻辑嵌入FvCB模型，同时约束多个光照强度下的非线性A_net–c_c响应），对向日葵（*Helianthus annuus*）叶片在3.9°C至42.0°C宽温度范围内进行气体交换测量，重新推导了Γ*(T)和D_L(T)关系。主要结论：传统线性方法产生高度分散的成对交点和不稳定估计，甚至出现生理上不合理的负D_L值；而改进框架产生生理上有意义的温度响应，显著减少方法学伪影。基于改进框架，研究人员推导出Arrhenius型Γ*(T)函数：Γ*(25)=43.4 μmol mol^?1，表观活化能E_a=27.7 kJ mol^?1。与已有函数比较显示，在极端温度下差异超过C₃物种间S_c/o变异范围（约±7%），表明方法学差异是既有函数分歧的重要原因。该研究为光合作用模型提供了更可靠的Γ*(T)参数化，并强调在估算D_L时需避免线性近似带来的伪影。论文发表在《Plant, Cell & Environment》。

**主要关键技术方法**
1. **植物材料与生长条件**：向日葵（品种‘Russian Giant’）种植于生长室，光周期14/10 h（昼/夜），温度24°C/19°C，相对湿度40%/65%，光合有效光子通量密度（PPFD）约400 μmol m^?2 s^?1。
2. **气体交换测量**：使用LI-6400XT便携式光合系统，结合温度控制箱实现3.9°C至42.0°C叶温范围。在每个温度下，测量三个亚饱和PPFD水平下的A_net–c_c曲线（CO₂参考浓度从200降至40 μmol mol^?1），共获得56个数据集。
3. **Γ*和D_L估计**：对比传统线性Laisk方法（对每个光照水平低CO₂区拟合线性回归，取成对交点均值）与非线性Laisk–FvCB方法（同时拟合三个光照水平下的完整A_net–c_c数据，利用FvCB模型约束，共同估计Γ*、D_L及光合能力参数V_cmax、J_max等）。
4. **温度响应建模与统计比较**：采用Arrhenius函数拟合Γ*(T)和D_L(T)，计算表观E_a。通过配对Wilcoxon符号秩检验或配对t检验比较两种方法估计差异，使用Deming回归评估一致性，并基于Galmés et al. (2016)和Orr et al. (2016)的S_c/o变异数据构建±7%参考包络线。

**研究结果**
**3.1 线性与非线性Laisk方法比较**
通过对比不同温度下的代表性A_net–c_c曲线（图2），传统线性方法在低温（如4°C）下产生极大分散的成对交点，而Laisk–FvCB方法给出单一生理上一致的估计。所有温度下，线性方法个体交点（图3灰色圆点）显示出高度分散，包括不合理的Γ*值，均值交点（蓝色空心圆）仍存在较大变异；而Laisk–FvCB估计（黑色圆点）呈平滑轨迹。敏感性分析（图S1）显示，线性方法对拟合区间选择高度敏感，而非线性方法无此问题。

**3.2 D_L温度依赖性的比较**
Laisk–FvCB方法产生一致的D_L随温度升高而增加的趋势（图5a），在3.9°C至42.0°C范围内始终为正，从0.2 μmol CO₂ m^?2 s^?1升至5 μmol CO₂ m^?2 s^?1。常规线性方法（图5b）的D_L估计高度分散，在低温下出现多个负值（红色点），表明线性方法无法准确估计D_L。

**3.3 参数估计的统计比较**
对56个数据集进行配对比较（表1），Laisk–FvCB方法估计的Γ*显著高于线性方法（均值差9.91 μmol mol^?1，p=1.95×10^?8），D_L也显著更高（均值差0.180 μmol CO₂ m^?2 s^?1，p=2.32×10^?4）。Deming回归（图6）显示，Γ*和D_L的截距与斜率均偏离完美一致（Y=X），联合检验p<0.001，证明两种方法存在系统偏差。

**3.4 Γ*(T)函数与温度敏感性的比较**
Laisk–FvCB方法推导的Γ*(T)在25°C时为43.4 μmol mol^?1，与Bernacchi et al. (2001)的42.8、Brooks and Farquhar (1985)的42.7、Jordan and Ogren (1984)的44.7接近。但在Arrhenius坐标（图7b）中，本研究函数呈线性（E_a=27.7 kJ mol^?1），而Bernacchi函数斜率更陡（E_a=37.8 kJ mol^?1），多项式函数在低温端出现明显曲率。相对偏差分析（图8）显示，在极端温度下，已有函数与本研究参考函数的偏差超过±7%的S_c/o变异包络线：Bernacchi函数在极端温度达±25%，Brooks and Farquhar函数在最低温达35%，Jordan and Ogren函数也超出范围。

**讨论与结论**
**讨论**：传统线性Laisk方法的内在不确定性源于其数学结构，而非孤立实验噪声（图2-3），且该问题在独立数据集（Way et al. 2019、Crous et al. 2017）中重现（图S2-S5）。由于线性拟合对CO₂区间、光照水平和噪声敏感，尤其是低温下信噪比低，导致Γ*和D_L估计不稳定。改进的Laisk–FvCB框架通过嵌入FvCB模型非线性结构，同时约束多个光照水平，有效消除了这些伪影。Γ*不确定性直接传播至D_L，传统方法产生的负D_L值（图5b）可能源于Γ*估计错误而非呼吸机制。本研究的Γ*(T)函数（Arrhenius型，E_a=27.7 kJ mol^?1）与已有函数的分歧超过S_c/o种间变异（±7%），表明方法学差异是主要来源。在FvCB模型拟合中，预设Γ*(T)会导致D_L作为补偿参数变化，影响昼间呼吸通量解释。

**结论**：本研究基于改进的Laisk–FvCB框架，推导了修正的体内Γ*(T)函数，可用Arrhenius型关系表示（归一化形式：Γ*(T)=43.4 exp[11.176 ((T?25)/(T+273.15))]）。该函数减少了传统线性方法的方法学伪影，为不同热条件下估算光呼吸和昼间CO₂释放提供了更可靠的基础。对于本研究的向日葵数据集，D_L的稳定温度响应可描述为D_L(T)=D_L(25) exp[E_a (T?25)/(R(T+273.15))]（具体值见原文），但D_L绝对值受物种、氮含量等影响，需根据单位面积叶氮含量调整。