一种用于拟合C4气体交换响应曲线的新工具

《Journal of Experimental Botany》：A new tool for fitting C4 gas exchange response curves

　　

本文评论了：Woodford R, Ermakova M, Furbank RT, von Caemmerer S. 2026. 拟合C4叶片光合二氧化碳和光响应曲线. Journal of Experimental Botany 77, 4987–4999. https://doi.org/10.1093/jxb/erag223

C4光合作用贡献了全球近20%的初级生产力。因此，理解和预测C4光合作用在不同环境和类群间的变异性至关重要。Woodford等人（2026）提出了一种急需的工具，能够利用C4叶片气体交换数据提取C4光合性状。这些性状有助于更好地理解C4生物学，并可整合到预测模型中。在此，研究人员强调了该工具的实用性、它所代表的进展以及C4研究的未来方向。该工具能够改善数据与模型的协调性，并将有助于更好地理解C4光合作用，以及对其未来进行更可靠、更现实的预测。

C4气体交换响应曲线拟合新工具：进展与展望

C4植物虽然仅占地球植物物种的约5%，却覆盖了约17%的地表，贡献了约20%的全球初级生产力，其中包括玉米、甘蔗等重要作物和众多牧草。因此，理解C4植物在当前及未来环境条件下的光合功能至关重要。为了描述和预测C4光合作用，研究者常采用von Caemmerer（2000，2021）模型，该模型概括了C4光合作用的关键过程，但需要输入一系列生化能力与效率参数，如磷酸烯醇式丙酮酸羧化酶（PEPc）最大羧化速率（V_pmax）、Rubisco最大羧化速率（V_cmax）和最大电子传递速率（J_max）。参数选择的不同会导致C4净光合速率估计出现巨大差异。然而，从叶片气体交换数据中估算这些参数的用户友好型工具一直落后于C3叶片——C3叶片已有基于Farquhar、von Caemmerer和Berry模型的拟合工具（如Sharkey等，2007；Duursma，2015），而C4叶片缺乏类似工具。为了填补这一空白，Woodford等人（2026）基于改进的von Caemmerer（2021）C4光合作用模型，开发了一个新的Excel工具。该工具能够同时拟合CO₂响应曲线和光响应曲线，提取C4光合性状，从而更好地理解C4生物学，并整合到预测模型中。这一成果发表在《Journal of Experimental Botany》上，是C4叶片气体交换数据分析领域的重要进展。

作者为开展研究采用的主要技术方法包括：首先，基于当代C4光合作用理论（von Caemmerer，2021）构建数学模型，并对循环电子流参数化进行了更新；其次，将该模型封装为Excel工具，用户可输入CO₂响应曲线和光响应曲线的测量值（如净CO₂同化速率A和胞间CO₂浓度C_i），工具自动输出V_pmax、V_cmax和电子传递速率J等参数估计；再次，工具提供了完整的模型方程、参数化和假设说明，以便用户理解参数估算过程；最后，作者使用公开发表的玉米（Zea mays）叶片碳交换数据集（Smith and Dukes, 2017）对工具进行了演示和验证。该工具是首个专门针对C4叶片的此类拟合工具。

**当前C4拟合工具**
作者指出，过去C4曲线拟合常采用简化方法：对于CO₂响应曲线，假设低胞间CO₂区域光合速率受PEPc羧化限制，从而估计V_pmax；由于难以区分Rubisco羧化限制与RuBP再生电子传递限制，则使用非直角双曲线拟合最大光合速率（A_max）。这种方法虽然能大致反映环境与物种间光合过程差异，但无法提供V_cmax和J等机制性参数，因而难以量化潜在生化过程或参数化预测模型。Woodford等人（2026）提出的方法则能估计这些参数，尤其是与光响应曲线结合时，可更完整地揭示C4叶片的光合策略。

**新工具及其相较于以往工具的进步**
该工具具有多重优势。第一，它植根于当代C4光合作用理论（von Caemmerer，2021），并更新了循环电子流参数化；同时提供了完整的模型方程、参数化和假设，便于用户理解参数估计的来龙去脉。第二，该工具可同时估计CO₂响应曲线和光响应曲线的参数，帮助研究者根据研究问题选择合适的测量方案。第三，针对高CO₂下C4光合速率可能受RuBP再生电子传递或Rubisco羧化限制的问题，作者给出了合理而谨慎的解决方案：利用高CO₂数据同时拟合V_cmax和维持实测光合速率所需的J值，并建议通过光响应曲线独立估计J_max以验证CO₂响应曲线得到的J估计值。最后，该工具以Excel文档形式提供，操作简单，类似Sharkey等人（2007）的C3工具，但据作者所知，这是首个C4叶片专用拟合工具。作者使用Zea mays的公开数据演示了CO₂响应曲线拟合过程，展示了从输入测量条件、输入A-C_i数据，到生成拟合图和参数输出表的完整流程。

**未来方向**
作者认为，尽管该工具是C4叶片生理学理解的重要一步，但仍需后续工作。首先，开发该工具的开源代码版本将提高其可访问性和透明度，如同Duursma（2015）对C3曲线所做的那样。其次，当前工具难以处理高分辨率响应曲线（例如动态同化技术生成的曲线），随着这类曲线日益普及，需要更新工具以支持更多数据点输入。此外，工具底层模型中使用了固定参数，这提示未来研究应测试模型对这些参数的敏感性，并设计实验以更好地量化这些参数及其变异性。最后，该工具提供了协调以往研究曲线参数的机会，例如类似Fan等人（2025）所做的工作，这将有助于跨类群和环境的C4光合性状荟萃分析。

在讨论部分，作者强调了新工具对数据与模型协调的促进作用，并展望了通过开源化、高分辨率数据支持及参数敏感性研究来进一步完善该工具。研究结论可翻译为：该工具为协调先前研究中的曲线参数估计提供了机会，有助于进行旨在比较不同类群和环境条件下C4光合性状的荟萃分析，这对于现在和未来更好地理解和预测C4光合作用至关重要。总之，Woodford等人（2026）开发的C4气体交换响应曲线拟合工具，弥补了C4叶片与C3叶片在光合参数提取工具上的差距，为C4光合作用研究提供了标准化、机制化的分析手段，具有重要的方法论意义和广阔的应用前景。