艾（Artemisia argyi）及其近缘种精油的化学地理分化与物种身份及环境梯度的关联

《Industrial Crops and Products》：Chemo-geographical differentiation of essential oils in Artemisia argyi and related species associated with species identity and environmental gradients

　　

对来自中国18个省份的34份艾属（Artemisia）种质进行气相色谱-质谱联用（gas chromatography-mass spectrometry，GC-MS）分析，初步鉴定出159种挥发性成分，并揭示了与物种身份相关的化学分化，以及额外的种源水平变异。利用标记化合物阈值定义了四种实用化学型，包括桉叶油素型（eucalyptol-type）、母菊薁型（chamazulene-type）、樟脑-龙脑型（camphor-borneol-type）和混合型（mixed-type），以支持资源评价和以质量为导向的利用。基于丰度最高的20种挥发物进行的冗余分析（redundancy analysis，RDA）表明，降水、海拔/温度相关因子及土壤pH值与成分分化相关联，支持了一个审慎的“物种-化学型-环境”（species–chemotype–environment）框架，用于产地溯源和气候适应性原料采购。

**论文解读：艾与近缘种精油的化学地理分化及其驱动因素**

艾（*Artemisia argyi*）及其近缘种（*A. lavandulifolia*、*A. sylvatica*）是东亚广泛分布的芳香及药用植物，长期以来被用于传统医学、功能产品和香料工业。其精油富含单萜和倍半萜类化合物及其含氧衍生物，具有抗炎、抗菌、抗氧化、杀虫等多种生物活性，是一类高价值天然产物。然而，精油得率和化学成分在不同产地之间存在显著差异，直接影响质量一致性、工业适用性和功能功效的可重复性。精油生物合成受到物种身份与环境条件（如温度、海拔、土壤性质）的共同影响，但针对大尺度范围内精油与环境的关联研究仍十分缺乏。以往研究往往局限于单一物种、较小地理范围或单一环境因子，难以系统解析物种身份与地理环境对精油化学组成的层级贡献。为此，研究人员提出建立“物种-化学型-环境”定量框架，以支持艾及其近缘种的地理溯源、气候适应性资源利用和化学型导向的育种与加工。该研究发表于《Industrial Crops and Products》。

研究人员共收集中国18个省份34份艾属种质，包括*Artemisia argyi*（23份）、*A. lavandulifolia*（8份）和*A. sylvatica*（3份）。在开花盛期采集至少10个健康个体的地上部分并合并为种群样本，通过水蒸气蒸馏提取精油，采用气相色谱-质谱联用（GC-MS）进行成分鉴定，并利用保留指数辅助确认。在此基础上，研究人员运用主成分分析（PCA）、层次聚类分析（HCA）、热图比较、冗余分析（RDA）等多元统计方法，结合从WorldClim数据库提取的年均温度和年降水数据，系统分析了精油化学组成与物种身份及环境梯度之间的关系。同时，依据桉叶油素、母菊薁和樟脑+龙脑三种标记化合物的相对含量阈值，将34个种群划分为四种化学型。

研究结果部分，研究人员分别进行了多项分析。第一项是精油得率的地理变异。精油得率在34份种质间变化显著，从0.43%到1.65%不等，最高为湖北黄冈（HG），最低为山东青岛（QD）。六大产区的得率存在显著差异，东北产区整体较高，华北产区相对较低，证实了精油提取量具有明显的产地依赖性异质性。第二项是GC-MS图谱分析与基于标记化合物的化学型划分。GC-MS共鉴定出159种挥发性成分，依据三种主要标记化合物的相对丰度，34个种群被划分为12个桉叶油素型、3个母菊薁型、6个樟脑-龙脑型以及13个混合型。其中桉叶油素型主要出现在*Artemisia argyi*中，母菊薁型以*A. lavandulifolia*为主，樟脑-龙脑型则具有较高含量的含氧单萜。此外，萜烯类和醇类合计占精油总量的40.38%–83.78%，是精油的主要化学类别。第三项是基于热图的化合物类别分布比较。热图显示不同样品间各类化合物的分布存在明显异质性，酚类和醇类分布模式相近，醛类、酮类、萜烯类和酯类呈协调变化，环氧化物和醚类则集中富集于部分样品。这表明挥发物谱的差异来源于多个化学类别的共同变化，而非单一主导成分。第四项是层次聚类揭示物种水平分离与种内亚结构。基于全谱数据的HCA显示，样品首先按物种身份聚类，随后在物种内部呈现出大致对应地理来源的亚簇，说明物种身份是精油化学分化的一级结构，而地理来源是叠加其上的次级变异来源。第五项是PCA揭示区域依赖性离散模式。对不同产区的PCA显示，华北和西南产区的PC1与PC2累积解释方差较高，表明样品内部结构较为清晰；华东和华中产区累积解释方差较低，反映区域内离散程度更大。重复样品的紧密聚集证实了分析的可重复性，而产地质心之间的分离则体现了不同区域的化学特征差异。第六项是RDA将挥发物变异与环境梯度关联。基于丰度前20的挥发物进行RDA，前两个约束轴共解释了80.78%的组成变异。海拔和年均温度主要沿PC1负向分布，pH主要沿PC2正向分布，年降水量主要沿PC2负向分布。来自干旱低降水环境的样品（如新疆）与降水向量方向相反，而来自湿润环境的样品（如广西、湖南）则更靠近降水梯度方向，表明降水相关的湿度以及海拔/温度条件是驱动艾属植物精油化学地理分化的重要宏观环境因素。

在讨论部分，研究人员总结了几个核心观点。第一，物种背景主导化学空间，而地理因素塑造种内离散。精油得率和成分的变异源于物种身份、发育阶段和当地生长条件的综合作用，物种间差异是主要结构，地理来源产生种内次级变异，这种地理亚结构应视为综合的“生态化学”印记。第二，化学型框架是连接组成、功能与工业适宜性的桥梁。桉叶油素型精油具有清新桉叶气味，适合香料和清洁产品；樟脑-龙脑型精油气味较强，可能更适合外用产品；母菊薁型精油因特有的蓝色和舒缓抗炎潜力而具有高附加值，但母菊薁化学性质不稳定，需要采取避光、抗氧化等稳定性管理。第三，RDA信号需要在萜类生物合成背景下解释。降水、海拔和温度等环境因子可能通过改变碳分配和含氧官能团比例来影响萜类积累，但RDA提供的是相关性而非因果性，降水与海拔往往与未测量的土壤、管理措施和生物互作因子共变，因此机制解释应保持谨慎。第四，与以往单因素或局部采样研究相比，本研究将广泛地理采样、全组分GC-MS分析和多元化学计量学相结合，同时完成化学型划分和环境关联的量化评估，为地理判别和溯源提供了可操作的方法路径。未来的研究方向应聚焦于四种化学型是遗传决定的稳定性状还是环境调节的可塑表型，并建议整合群体基因组学和多组学手段构建“基因型-化学型-表型”框架。

最后，翻译研究结论如下：本研究对来自中国34份艾属种质（包括*Artemisia argyi*、*A. lavandulifolia*和*A. sylvatica*）的精油进行了系统分析，发现精油得率和挥发性成分均表现出显著的产地依赖性变异。GC-MS分析结合化学计量学方法（HCA和PCA）揭示了清晰的物种水平分离，并进一步呈现了种内地理结构。利用标记化合物确定了四种实用化学型，即桉叶油素型、母菊薁型、樟脑-龙脑型和混合型，为化学型导向的评价与利用提供了基础。RDA结果表明，宏观环境梯度，特别是降水、海拔/温度相关因子及土壤pH值，与成分分化显著关联。综合而言，所提出的“物种-化学型-环境”框架支持艾属植物精油的产地选择、质量一致性和地理溯源，并为气候适应性栽培和高值资源开发提供了定量参考。本研究也存在若干局限：未包含分子标记和系统发育分析，物种关联的分化不应直接视为遗传调控的直接证据；化学型分类是在当前采样环境条件下建立的框架，需进一步验证；由于采样种群以*Artemisia argyi*为主，*A. lavandulifolia*和*A. sylvatica*的种群数较少，种间模式应谨慎解读。未来应结合分子分析、同园实验和更均衡的物种采样来进一步验证这些发现。