整合多变量排序与机器学习以解析树木木质部汁液氧化还原代谢的环境驱动因子

《Plants》：Integrating Multivariate Ordination and Machine Learning to Disentangle the Environmental Drivers of Xylem Sap Redox Metabolism in Trees

　　

木质部汁液（xylem sap）日益被视为反映整株植物生理状态的动态生物学基质，但其在田间条件下的生化变异仍未得到充分表征。研究人员对来自三个焦点树种（欧洲白蜡树Fraxinus excelsior、黑杨Populus nigra和欧洲赤松Pinus sylvestris）代表个体的木质部汁液中的氧化应激标志物（oxidative stress markers）、渗透调节物质（osmolytes）、抗氧化酶（antioxidant enzymes）和氧化还原相关酶（redox-related enzymes）进行了研究。通过使用定制装置进行被动茎干穿刺收集汁液，并采用多变量统计和机器学习方法评估生化模式。在本数据集中，三个焦点树个体显示出不同的生化特征。焦点黑杨个体与相对较高的抗氧化酶活性相关，而焦点欧洲白蜡树和欧洲赤松个体则与氧化损伤和代谢适应性状更密切相关。降水量（total precipitation, TP）和风向（wind direction, WD）被保留为与生化变异相关的主要气象变量，其中风向被解释为大气相关因子而非直接生理驱动因素。探索性机器学习分析强调了过氧化氢酶（catalase, CAT）和选定的气象变量作为有影响力的预测因子。总体而言，这些发现支持了木质部汁液用于整合生态生理监测的潜力，同时强调了从三个焦点树重复测量中得出的模式的探索性性质。

**论文解读：整合多变量排序与机器学习解析树木木质部汁液氧化还原代谢的环境驱动因子**

**研究背景与问题**

植物持续暴露于环境波动（如温度、降水、辐射等），气候变化加剧了这些胁迫。环境胁迫破坏细胞氧化还原稳态，导致活性氧（ROS）过量产生，进而损伤细胞组分。植物通过抗氧化酶、渗透调节物质等机制维持平衡。木质部汁液（xylem sap）不仅运输水分和矿物质，还含有代谢物、蛋白质、激素等，可反映植物整体生理状态和环境响应。然而，目前对田间条件下木质部汁液氧化应激标志物、渗透调节物质及抗氧化酶的同时变异研究不足，尤其是结合气象数据和重复采样的多变量分析较为缺乏。本研究旨在评估三个焦点树个体（欧洲白蜡树Fraxinus excelsior、黑杨Populus nigra、欧洲赤松Pinus sylvestris）木质部汁液生化特征，并利用多变量统计和机器学习方法解析气象条件与这些生化模式的关联。

**研究内容与主要结论**

研究人员对三个焦点树个体进行重复采样（2023-2024年，共32次观测），通过被动茎干穿刺收集汁液，测定氧化应激标志物（H₂O₂、MDA）、渗透调节物质（脯氨酸、蔗糖）、抗氧化酶（CAT、POD、SOD、APX）及氧化还原相关酶（GR、GST、G6PD、6PGD），并获取气象数据（风速、风向、降水、湿度、温度、辐射、日照时数、土壤温度）。采用主成分分析（PCA）、冗余分析（RDA）、置换多元方差分析（PERMANOVA）、变异分解及随机森林（Random Forest）等方法进行分析。结论表明：三个焦点树个体在本数据集内显示出不同的生化特征；降水量（TP）和风向（WD）是主要气象变量；过氧化氢酶（CAT）在分类和指标预测中重要性突出。该研究支持木质部汁液作为整合生态生理监测基质的潜力，但强调模式来源于重复测量，具有探索性。论文发表在《Plants》。

**关键技术方法（不超过250字）**

研究采用被动茎干穿刺装置收集木质部汁液，样本来源为土耳其巴特恩大学A?dac?校区内的三个焦点树个体（每个物种一个个体）。关键分析方法包括：（1）主成分分析（PCA）用于识别生化变异的主要梯度；（2）置换多元方差分析（PERMANOVA）和冗余分析（RDA）用于评估焦点树个体及气象变量的多变量效应；（3）方差膨胀因子（VIF）筛选和向前选择确定显著气象变量；（4）随机森林分类和回归模型用于变量重要性排序；（5）变异分解量化焦点树身份、季节和气象变量的贡献；（6）层次聚类和热图展示生化参数模块化结构。所有分析基于R软件，使用vegan、randomForest、ranger等包。

**研究结果**

**2.1 氧化应激标志物、渗透调节物质和抗氧化酶的变异**
通过描述性统计发现，H₂O₂最高值（77.74 mmol kg^-1）出现在黑杨春季组，MDA最高值（99.82 mmol kg^-1）出现在欧洲白蜡树秋季组，表明ROS积累与氧化损伤不一定同步。抗氧化酶活性变异大，黑杨部分样本POD和SOD活性极高，GR在欧洲白蜡树秋季组最高，6PGD在欧洲赤松春季组最高。总体参数变化不均匀。

**2.2 气象变量与生化参数间的关系**
Pearson相关分析显示，气象变量间存在强共线性（如气温与土壤温度r=0.93，太阳辐射与日照时长r=0.94），需通过VIF降维。生化参数中，H₂O₂与MDA强正相关（r=0.76），MDA与蔗糖强正相关（r=0.84），POD与SOD强正相关（r=0.89），CAT与POD、SOD正相关。调整焦点树身份和季节后，H₂O₂-MDA和POD-SOD关联仍显著，表明非完全由分组因素导致。

**2.3 生化响应的主成分分析**
PCA前两轴解释53.67%方差。PC1（29.69%）由氧化应激标志物和渗透调节物质主导，代表“胁迫强度”；PC2（23.98%）由抗氧化酶活性主导，代表“酶促防御能力”。黑杨样本多位于高POD、SOD区域，欧洲白蜡树和欧洲赤松样本多位于PC1正侧，对应高氧化应激和糖含量。

**2.4 三个焦点树间的生化分化**
探索性PERMANOVA显示，三个焦点树观测间存在显著多变量差异（F=2.37，p=0.008，R²=0.14），但每个物种仅一个个体，不可泛化为物种效应。

**2.5 基于焦点树身份的冗余分析**
以焦点树身份为分组因子的RDA解释14.1%变异（p<0.01）。黑杨个体位于RDA1负侧，与高POD、SOD、CAT、G6PD活性相关；欧洲白蜡树个体位于RDA1正侧，与MDA、蔗糖、GR相关；欧洲赤松个体沿RDA2分布较分散。95%置信椭圆显示不同分布。

**2.6 气象变量对生化响应的影响**
VIF筛选和向前选择保留TP和WD。RDA模型解释21.5%变异（p<0.001），RDA1占17.0%。WD向量与抗氧化酶（POD、SOD、G6PD）对齐，TP向量与MDA、蔗糖、GR相关。不同焦点树沿气象梯度分布不同。

**2.7 变异分解的探索性分析**
全模型（焦点树身份+季节+气象）解释23.1%变异，气象变量独有贡献最大（8.4%），其次焦点树身份（4.8%）、季节（2.4%）。共享部分包括气象与焦点树身份（6.5%）、气象与季节（4.0%）。剩余76.9%为未解释变异。

**2.8 随机森林识别关键驱动因子**
2.8.1 基于焦点树身份的分类：CAT重要性最高，其次POD、SOD。
2.8.2 氧化应激指数（OSI）和抗氧化防御指数（ADI）的驱动因子：OSI模型中WD重要性最高，其次TP和焦点树身份；ADI模型中TP最高，其次WD和季节。表明不同指数关联不同预测因子结构。

**2.9 生化参数层次聚类**
聚类将参数分为三个功能模块：酶促防御（GR-CAT-POD-SOD）、胁迫积累与代谢响应（脯氨酸-H₂O₂-MDA-蔗糖）、氧化还原代谢（G6PD-GST-APX-6PGD）。热图显示酶促防御高活性多出现在春季和秋季样本，黑杨个体该模块活性较高，欧洲白蜡树和欧洲赤松个体在G6PD-GST-APX-6PGD模块中活性较高。

**讨论总结与结论翻译**

**讨论总结**：
研究表明，木质部汁液生化变异与焦点树身份、采样时期和气象条件相关。OSI和ADI提供了互补的胁迫与防御总结。H₂O₂-MDA的强关联经调整后仍存在，符合ROS积累与膜脂过氧化的生物学关系。PCA显示胁迫感知与抗氧化激活为部分独立的生理维度。黑杨个体呈现更高抗氧化酶活性，而欧洲白蜡树个体更关联氧化损伤与代谢适应，但不可视为物种策略。TP和WD是主要气象变量，WD与POD等酶活性关联，可能通过机械刺激或边界层效应影响。随机森林确认CAT等酶的重要性。然而，研究局限性包括：每物种仅一个个体，树身份与物种身份完全混淆；监测仅一个年周期；焦点树位于校园非自然林；未测量液流和水分状态；复合指数和模型为探索性，非因果证据。

**结论部分翻译**（原文5. Conclusions）：
在三个重复采样的焦点树中，木质部汁液生化特征随树身份、采样时期和气象条件而变化。观察到的氧化应激标志物、渗透调节物质和抗氧化酶之间的关联表明，木质部汁液作为整合胁迫感知与防御调控的基质，而非被动运输液体。特别是，焦点黑杨个体表现出更明显的酶促防御特征，而焦点欧洲白蜡树和欧洲赤松个体则更紧密关联氧化损伤和代谢适应性状。多变量和机器学习分析为这些模式提供了互补视角。PCA、PERMANOVA和RDA揭示了与三个焦点树身份相关的观测间的多变量结构，而探索性随机森林模型强调了过氧化氢酶（CAT）和选定的气象变量是焦点树分类和复合胁迫指数变异的重要贡献因素。变异分解进一步指出，气象变量在本数据集中解释了生化变异的显著部分，此外还有焦点树身份和季节相关的变异。综合来看，这些发现支持了木质部汁液作为树木生理响应补充指标的潜力，以及在变化环境条件下进一步在生态生理监测研究中评估其价值。从方法学角度看，整合多变量排序和机器学习方法为检查木质部汁液生化的复杂变异提供了有用的探索性框架，并可能支持未来的生态生理监测研究。这些发现表明，当与OSI和ADI等复合指数一起评估时，木质部汁液具有作为监测树木对环境变异生理响应的补充基质的潜力。未来研究应纳入更高时间分辨率的采样并包含额外的土壤和生物因子，以进一步检验环境变异性与木质部汁液氧化还原相关生化之间的关联。