カンクサは、薬や食用に使用される絶滅危惧種の植物です。 私たちの目的は、C.デスティコラの非薬用部分の応用と開発を強化するために、非薬用部分の花序と薬用部分の多肉茎の間の代謝の違いを調査することです。 C.deserticola の 3 つの生態型 (塩性アルカリ地、草地、砂地) の花序と多肉茎について、LC-ESI-MS/MS によるメタボロミクス解析を実行しました。 6 つのグループで合計 391 個の共通代謝産物が同定され、そのうちイソラムネチン O-ヘキソシド (花序) とロシニジン O-ヘキソシド (多肉植物の茎) は、多肉植物の茎と花序を区別するための化学マーカーとして使用できます。 3 つのエコタイプ間の代謝の違いを比較すると、塩アルカリ ストレスに関連するさまざまな代謝産物のほとんどがフラボノイドであることがわかりました。 特に、フェニルエタノイド配糖体 (PhG) の生合成経路をマッピングし、6 つのグループにおける代謝の違いを示しました。 C. デスティコーラの薬力学的メカニズムと標的をより深く理解するために、分子ドッキングを通じて 88 の化学成分と 15 の潜在的な疾患標的をスクリーニングしました。 C. デスティコーラの有効成分は、骨粗鬆症、血管疾患、アテローム性動脈硬化などの老化疾患の標的に対して顕著なドッキング効果を発揮します。 花序の利用価値を探るために、花序に含まれる独特のフラボノイド代謝産物と炎症標的との分子ドッキングを分析しました。 結果は、クリソベリルとシナロシドが炎症標的に関してより高いスコアを持っていることを示しました。 この研究は、C.deserticolaの非薬用部分の資源価値の発見と産業化、およびC.deserticolaの持続可能な開発の実現に科学的根拠を提供します。 また、漢方薬の適応を探索するための新しい戦略も提供します。

関連する研究によると、カンサスは「寿命を延ばす奇跡のハーブ」として知られる一般的なハーブです。 主成分はシスタノシドで、抗酸化作用、抗炎症作用、免疫機能促進作用などさまざまな作用があります。 シスタンケと美白のメカニズムは、シスタンケ配糖体の抗酸化作用にあります。 人間の皮膚のメラニンはチロシナーゼによるチロシンの酸化によって生成されますが、その酸化反応には酸素の関与が必要なため、体内の酸素フリーラジカルがメラニン生成に影響を与える重要な因子となります。 シスタンケには抗酸化物質であるシスタノシドが含まれており、体内のフリーラジカルの生成を減らし、メラニンの生成を抑制します。

販売中のシスタンシュをクリックしてください

詳細については:

david.deng@wecistanche.com / WhatApp:86 13632399501

1. はじめに

Citanche deserticola は食用および薬用の植物であり、「砂漠の人参」とも呼ばれます。 1 C.deserticola は、約 1800 年前に神農の中国医学に初めて記録され、中国と日本で長年にわたって伝統的に重要な強壮剤として広く使用されてきました。 C. デスティコラから単離された化合物は、フェニルエタノイド配糖体 (PhG)、イリドイド、リグナン、脂肪酸、アルジトール、炭水化物、および多糖類であり、その中で PhG が主な有効成分です。2 現代の薬理学では、C. デスティコーラの抽出物はデスティコラ（フェニルエタノイド配糖体、多糖類など）には、特に性機能の改善、記憶力の強化、免疫調節、肝臓保護、下剤作用、抗酸化作用など、幅広い薬効があります3-5。 C. デスティコラは、薬効があるだけでなく、乾燥環境や塩水・アルカリストレス条件下でも生育できるため、砂漠対策として生態学的価値があります。6 しかし、C. デスティコラの野生源は、近年絶滅の危機に瀕していると考えられています。急速に成長する市場需要と過剰開発により、 中国では保護が必要なクラス II 植物の 1 つとしてリストされています 2。そのため、C. デスティコラ資源を効果的に開発し、C. デスティコラの生育に最適な環境を決定することが急務となっています。

薬用植物の伝統的な薬用部分は広く使用されていますが、非薬用部分は廃棄されることがよくあります。 多数の研究により、サルビア・ミルティオリザ、パリポリフィラ、クロッカス・サティバスなどの一部の非薬用部分が薬用部分と同様の化学組成および薬理効果を有することが示されている。 非薬用部分の研究は、医療資源の拡大、特に絶滅の危機に瀕している薬用植物の保護に役立ちます。7,8 Qiao et al. Peng et al. は、GC-MS 技術を使用して、C. デザートティコラの花序に含まれる 40 の揮発性成分を同定しました。 Yang et al.は、トランスクリプトミクスとメタボロミクスを使用して、シトロネラのさまざまな部分の鎮痛効果を包括的に分析しました。 は、Salvia miltiorrhiza の地上部からフラボノイドの種類を単離し、その抗酸化活性を研究しました。8 C.deserticola の薬用部分は多肉質の茎であり、これにより毎年多数の花序が廃棄され、その結果、膨大な資源の無駄が発生します。 。

代謝物は、酵素によって触媒されるさまざまな生化学プロセスの最終生成物であり、特定の時点での生物の生化学について有用な分子的洞察を提供します。11 代謝は植物の品質と密接に関連しています。 一次代謝物は植物の成長と発育に影響を与え、二次代謝物は植物が環境ストレスに抵抗するのに役立ちます12。したがって、メタボロミクス技術は植物の品質評価に広く使用されています13-15。私たちは以前、トランスクリプトームとメタボロームを統合して、植物の多肉植物の茎の品質を評価しました。 C.deserticola の 3 つの生態型を調査し、品質変動の分子機構を調査します。16 私たちは、20 - アセチルラクテオシドが 3 つの生態型を区別するための化学マーカーとして使用できることを発見しました。 ウェンジン・リウら。 1 H NMR 非標的化から LC-MS ベースの標的化メタボロミクス戦略に基づいて、4 つの多肉植物カンク属の詳細な化学グループ比較を実施し、エキナコシド、アセトニド、ベタイン、マンニトール、6-デオキシカタルポール、スクロース、 8- エピ有機酸は、4 種類の Cistanche 種を区別するための化学マーカーとして使用できます。17 Pingping Zou et al. HaiLi Qiao et al. は、 1 H NMR に基づくメタボロミクスを適用して C. デスティコーラの茎の上部と下部を同定し、一連の一次代謝産物、特に炭水化物とトリカルボン酸サイクル代謝産物が識別を支配する一次分子であることを発見しました。 C.deserticola の花序の揮発性成分の GC-MS 分析により、エステルと芳香族化合物が花に多く含まれており、つぼみからの揮発性化合物と比較して大幅に増加していることが示されました。 9 現時点では、C.deserticola の多肉質の茎と花序の間の品質変動を代謝の観点から研究する研究はまだ不足しています。

既存の研究では、分子ドッキングのネットワーク シミュレーションを使用して、病気の治療における中国医学の標的とメカニズムを調査してきました。19-21 Jianling Liu et al. は、Cistanche tubulosa 由来の化合物の間でシステム薬理学に基づいた効果的な薬物の組み合わせを調査しました。 彼らは、神経炎症に関連する61の化合物と43の標的を事前にスクリーニングしたが、そのうちベルバスコシドとチューブロシドBが神経保護において重要な役割を果たす可能性がある22。 統合ネットワーク薬理学とゼブラフィッシュ モデルは、骨粗鬆症とアルツハイマー病の両方を治療するためのカンガヤの二重効果成分を調査するために使用されました。23 C. デザートティコラの化学成分は複雑であり、広範囲の薬理効果があります。 しかし、治療メカニズムはまだ明らかではありません。 C.deserticola のさらなる発展にとって、疾患の標的とメカニズムを解明することは非常に重要です。

この研究では、メタボロミクスを使用して、C.deserticolaの3つの生態型（塩性アルカリ性の土地、草原、砂地）の花序と多肉茎の代謝の違いを調査し、草原および砂地の生態型を塩性アルカリ性の土地と比較しました。アルカリ土地の生態型を調べて、塩アルカリストレスの影響を受ける C.deserticola の代謝変動を調査します。 特に、PhG の生合成に関与する 6 つのグループの代謝産物を同定および分析しました。 私たちは分子ドッキングを適用して潜在的な化合物とターゲットを選別し、ネットワーク シミュレーション図と GO および KEGG 濃縮分析を作成しました。 私たちの発見は、C.deserticolaの3つの生態型の花序と多肉茎の間の代謝の違いについての新たな洞察を提供します。

2。材料と方法

2.1 植物材料とサンプルの収集

私たちは、発掘段階（2017 年 4 月から 5 月）の C.deserticola の花序（サンプルのシリアル番号の末尾は「1」）と多肉植物の茎（サンプルのシリアル番号の末尾は「2」）を、以下の 3 つの異なる生態型から収集しました。中国北西部の新疆ウイグル自治区（A1およびA2：塩性アルカリ性土地）、新疆トゥーラ村（B1およびB2：草原）および内モンゴル自治区アルシャ左旗（C1およびC2：砂地）（表1および図1a） 。 バウチャー標本は、中国北京にある中国医学アカデミーの薬用植物開発研究所の植物標本館に寄託されました。 サンプルは現場で収集され、すぐに液体窒素に保管されました。 ＰＢＳで洗浄した後、多肉植物の茎組織を小片に切断し、さらなる処理まで直ちに８０℃の冷凍庫で保管した。 メタボローム分析のために、花序の厚い部分と多肉質の茎から 18 個のサンプル (生息地ごとに 3 つの生物学的複製、サンプルごとに 2 つの組織部分) が採取されました。

2.2 代謝産物の抽出と分離

凍結乾燥サンプルを、ジルコニアビーズを備えたミキサーミル（MM 400、Retsch）を使用して30 Hzで1.5分間粉砕した。 １００ｍｇの粉末を秤量し、１．０ｍＬの７０％メタノール水溶液を用いて４℃で一晩抽出した。 10 000 g で 10 分間遠心分離した後、抽出物を吸収してから LC-MS 分析を行いました。

LC-ESI-MS/MS システム (UPLC、Shim-pack UFLC SHIMADZU CBM30A システム) を使用して、凍結乾燥サンプル抽出物を分析しました。 分析条件は次のとおりでした。UPLC カラム、Waters ACQUITY UPLC HSS T3 C18 (1.8 mm、2.1 mm×100 mm)。 溶媒、水 (0.04% 酢酸): アセトニトリル (0.04% 酢酸); グラジエント プログラム、100 : 0 v/v (0 分)、5: 95 v/v (11.0 分)、5: 95 v/v (12.0 分)、95: 5 v/v (12.1 分および 95) ：15.0分で5v/v。 流量、0.40 mL min 1; 温度、40度; 注入量は 2 mL。 あるいは、流出液を ESI 三重四重極線形イオントラップ (Q TRAP)-MS に接続しました。 この実験では、均一に混合して品質管理サンプルを調製しました。 分析中、分析条件の安定性を監視するために、10 回の注入ごとに品質管理サンプルが実行されました。24–26

線形イオン トラップ (LIT) およびトリプル四重極 (QQQ) スキャンは、トリプル四重極線形イオントラップ質量分析計 (Q TRAP)、API 6500 Q TRAP LC/MS/MS システムで取得されました。 ESI ターボ イオン スプレー インターフェイス。陽イオン モードで動作し、Analyst 1.6 ソフトウェア (AB Sciex) によって制御されます。 ESI ソースの動作パラメータは次のとおりです。イオン源、ターボ スプレー。 源泉温度500度。 イオンスプレー電圧 (IS) 5500 V; イオンソースガス I (GSI)、ガス II (GSII)、カーテンガス (CUR) はそれぞれ 55、60、25.0 psi に設定されました。 衝突ガス (CAD) が高かった (12 psi)。 機器の調整と質量校正は、それぞれ QQQ モードと LIT モードで 10 および 100 mmol の L1 ポリプロピレングリコール溶液を使用して実行されました。 QQQ スキャンは、衝突ガス (窒素) を 5 psi に設定した MRM 実験として取得されました。 個々の MRM 遷移のデクラスタリング ポテンシャル (DP) と衝突エネルギー (CE) は、さらに最適化されて実行されました。 この期間内に溶出された代謝物に基づいて、特定の一連の MRM 遷移が各期間で監視されました。

2.3 代謝物の同定と定量

一次および二次 MS データの定性分析は、プリカーサー イオン (Q1)、フラグメント イオン (Q3) の値 (分離ウィンドウ (±15 Da)、滞留時間 (ms) またはサイクル時間 (1 秒)) の比較によって実行されました。保持時間 (RT)、および断片化パターンと、標準が入手可能である場合、または自己作成データベース MWDB (NetWare Biological Science and Technology Co., Ltd Wuhan, China) および公的に入手可能なデータベースを使用して実施された場合は、同じ条件を使用して標準を注入することによって得られたパターンとの比較標準が利用できない場合は、代謝物データベースを使用します。 K plus 、Na plus 、NH4 plus およびその他の高分子量物質の繰り返しシグナルは同定中に除去されました。 代謝産物の定量分析は、MRM モードに基づいて行われました。 各代謝産物の特徴的なイオンを QQQ 質量分析計でスクリーニングし、信号強度を取得しました。 クロマトグラフィー ピークの積分と補正は、Multi Quant バージョン 3.0.2 (AB SCIEX、コンコード、オンタリオ、カナダ) を使用して実行されました。 対応する相対代謝物含量は、クロマトグラフィーのピーク面積積分として表されました。

C. デザートティコラ サンプル (3 つの生物学的レプリカ) の VIP (投影に重要な変数) 値は、主成分分析と直交部分最小解析に基づいて SIMCA-P ソフトウェア (バージョン 14.1、Sartorius Stedim Biotech、ウメア、スウェーデン) によって計算されました。二乗判別分析。 大きく異なる代謝物をスクリーニングするための閾値として、倍率変化 $2 または #0.5 と VIP 値 $1 を設定しました。 代謝物データは正規化され、すべてのサンプルに対してクラスター ヒートマップ分析が実行され、R プログラム スクリプトを使用してクラスター ヒートマップが描画されました。

2.4 分子ドッキング

2.4.1 化合物の収集。私たちの研究グループの予備実験結果と文献検索結果を通じて、C.deserticola の多肉茎から合計 127 個の単離化合物を収集し、Chemical Book Web サイトからダウンロードするか、ChemDraw を使用して 2D 分子構造を描画しました。 さらに、メタボロームの結果から、花序でのみ検出される4つの回避物（クリソベリル、シナロシド、ヘスペレチン、ホモエリディクチオール）を発見しました。 ChemDraw 3D ソフトウェアを使用して 2D 構造を 3D 構造に変換し、予備的な最適化を実行しました。 次に、予備的に最適化された三次元構造が Avogadro Software によって検証され、さらなるエネルギー最適化を使用して、その後の分子ドッキングに必要な最終化合物ファイル形式が生成されました。

2.4.2 ターゲットコレクションの収集。私たちは文献と STITCH データベースを通じて疾患タンパク質の標的を検索しました。 Uniportデータベースを使用して対応する遺伝子ターゲットを取得し、RCSBによってタンパク質ハプロタイプのPDB IDと低分子の構造を検索しました。 陽性薬剤を決定する際、文献と Yaodu ウェブサイトを使用して、文献に記載されている C.deserticola の多肉茎に関連する 10 の疾患を含む、これまでに報告されている 45 の関連疾患ターゲットを事前に特定しました。 これら10の疾患とは、アテローム性動脈硬化症、骨粗鬆症、老人性認知症、アルツハイマー病、パーキンソン病、慢性便秘、トルサード・ド・ポワント心室頻拍、血管疾患、心筋損傷、直腸がんであった。 さらに、炎症に関連する 467 個のターゲットを収集し、スクリーニングにより 2 つの重要なターゲット (6KBA および 7AWC) を取得し、花序特異的フラビノイドの分子ドッキング解析に使用しました。

2.4.3 分子ドッキングシミュレーション。C.deserticola の化合物の候補標的への結合親和性を評価するために、Alhossary 研究グループが開発したオープンソース ユーティリティであるソフトウェア QuickVina 2.0 を使用して分子ドッキング シミュレーションを実行しました。 ターゲットと化合物の間の結合親和性を検証するために、QuickVina 2.0 を通じてドッキング スコアを計算しました。 陽性薬物のドッキングスコアを上回ったドッキングスコア（すべての陽性薬物のデータは、RCSB または文献の対応する標的から取得できます）は、候補標的と対応する化合物間の強い結合親和性を示しました。27-30 PyMOL (バージョン 2.0 Schrödinger, LLC) を使用して、化合物とターゲットのドッキング結果をプロットしました。

2.4.4 コンポーネント-ターゲット-経路ネットワーク構築とGO/KEGG機能解析コンポーネント-ターゲット-パスウェイネットワークの構築は、ネットワーク可視化ソフトウェアCytoscapeを使用して行われました。 ネットワーク相互作用では、ノードはコンポーネント、ターゲット、経路を表し、エッジは相互作用を表します。 結合の色の指標として、化合物と標的遺伝子の分子ドッキングのスコア値を使用しました。 色が緑色になるほどスコア値が高くなります。 遺伝子標的に関連するタンパク質間相互作用 (PPI) ネットワークが構築され、STRING で分析されました。31

構築されたネットワーク内の生物学的機能をさらに調べるために、DAVID データベース 29 の機能アノテーション モジュールを使用して、ターゲット遺伝子に対してジーン オントロジー (GO) および KEGG エンリッチメント分析を実行しました。

3. 結果

3.1 C. デザートティコーラの代謝プロファイル

3 つの生態型 C. デスティコラの花序と多肉植物の茎の代謝変化の概要を得るために、LC-ESI-MS/MS を使用して広範囲を対象としたメタボローム分析を実行しました。 図1bに示すように、異なる生態型からのC.deserticolaの花序と多肉茎は異なる分離を示し、異なる組織の分離は異なる生態型の分離よりも大きかった。 また、3 つの複製サンプルの PC スコアは同様であり、C. デスティコラ代謝物が複製サンプル間でほとんど分離を示さなかったことを示しています。 さらに、品質管理 (ミックス) サンプルは PCA スコア プロットの中央に集まっています。 花弁図（図1c）とアップセット図（図1d）は、6つのグループに391の共通の代謝産物があり、花序で検出された代謝産物の数が一般に多肉植物の茎よりも多いことを示しました。 塩類アルカリ花序 (A1) で検出された代謝物の数は、合計 515 で最も多く、そのうち 18 個の代謝物が A1 でのみ検出されました。 草原の多肉植物の茎 (B2) で検出された代謝物の数は最も少なく、合計 458 であり、特有の代謝物はありませんでした。

35 の代謝物カテゴリーを含む 578 の代謝物の相対含有量が決定されました (ESI ファイル S1)）。 3つの生態型の両方で、花序と多肉植物の茎の最も豊富な代謝産物は、脂質、グリセロリ脂質、アミノ酸、ヌクレオチド、およびそれらの誘導体、フェニルエタノイドグリコシド（PhG）、およびフラボノイドでした（図S3a、3b、およびc）。 正規化後、図1eにヒートマップで示すように、UPLC-MS/MS中の平均ピーク応答面積によって各代謝産物の比例含有量が決定され、さらに階層的クラスタリング分析が実行されました。 A1 および C2 では、他のグループよりも多くの二次代謝物が高い相対濃度レベルを示しました。 3 つの生態型すべての二次代謝産物のうち、多肉植物の茎のフェニルエタノイド配糖体 (PhG) の相対含有量は花序よりも高く、花序のフラボノイドの相対含有量は多肉植物の茎よりも高かった。

このメタボローム分析では、2'-アセチルラクテオシド、アクテオシド、シスタノサイド A、コニフェリン、エキナコシド、ホルモノネチン-7-O-グルコシド、イノシン、イソアクテオシド、オノニン、ピノレジノール、シリンジを含む、C. デスティコラの 12 の主要な活性成分が検出されました。 、ウリジン。 階層的クラスタリングヒートマップ（図1f）は、メタボロームによって検出されたC.deserticolaの主な活性成分について描画され、多肉植物の茎の主な活性成分の相対含有量が花序の相対含有量よりも高いことを示しました。 組織間で比較すると、花序に比較的多く含まれる有効成分は2'-アセチルラクテオシドとコニフェリンであり、多肉植物の茎に比較的多く含まれる有効成分はアクテオシド、シスタノサイドA、エキナコシド、イソアクテオシドであった。 さまざまな生態型と比較して、塩性アルカリ土地での有効成分の含有量が比較的高かったのは、2'-アセチルラクテオシド、アクテオシド、コニフェリン、エキナコシド、イソアクテオシドでした。 草地に比較的多く含まれるのはエキナコシドであり、砂地に比較的多く含まれるのはシスタノシドAであった。

3.2 C.deserticolaの花序と多肉茎の代謝の違い

3 つの生態型における C. デスティコーラの花序と多肉茎の間の代謝の違いを理解するために、異なる代謝産物をスクリーニングしました。 OPLS-DA モデルの高い予測可能性 (Q2) により、塩性アルカリ性の土地 (Q2 = 0.996) と草地 (Q2 = 0.997) における花序と多肉植物の茎の間のペアごとの比較が生成されることが観察されました。 、砂地（Q2 = 0.997）（図S1a）。 Q2 値と R2 値は、OPLS-DA モデルよりも順列テストの方が高かった (図 S1b)。 潜在的な変数を特定するために、各ペアで大きく異なる代謝物をスクリーニングするためのしきい値として、倍数変化を 2 以上、または 0.5 以下、VIP 値を 1 以上に設定しました。比較のこと。 3つの生態型の花序と多肉植物の茎の上位10の異なる代謝産物を表S1に示しました。 多肉植物の茎と比較して、花序中の示差的代謝産物の含有量が比較的高かったのは、フラボノール、フラボン、フラボン C-グリコシドなどのフラボノイドでした。

塩性アルカリ性の土地では、花序と比較して、多肉植物の茎には43個の上方制御された差次的代謝物と71個の下方制御された差次的代謝物がありました（図2a）。 ヒートマップ（図2b）は、花序の相対含有量が多肉植物の茎の相対含有量よりも高いことを示しました。 多肉植物の茎と花序を比較すると、主に上方制御された代謝産物はシアニジン3-O-ルチノシド（ケラシアニン）、イカリイン（ケンフェロール3、7-O-ジグルコシド8-プレニル誘導体）、ホモバニリン酸でした。 、クロロゲン酸メチルエステル、ロジニジン O-ヘキソシド。 下方制御される主な示差代謝産物には、N', N''-ジ-p-クマロイルスペルミジン、8-C-ヘキソシル-ルテオリン O-ヘキソシド、コーヒー酸、イソラムネチン O-ヘキソシド、イソラムネチン 5- が含まれます。 O-ヘキソシド (図 2c)。 KEGG代謝経路濃縮分析（図2d）は、花序および多肉植物の茎から同定された示差的代謝産物を、フラボノイド生合成、フラボンおよびフラボノール生合成、イソフラボノイド生合成、フェニルプロパノイド生合成、およびエーテル脂質代謝に分類した。

草原では、花序と比較して、多肉植物の茎には35個の上方制御された差次的代謝物と54個の下方制御された差次的代謝物がありました（図2a）。 ヒートマップ（図2b）は、花序の相対含有量が多肉植物の茎の相対含有量よりも高いことを示しました。 多肉植物の茎と花序を比較すると、主に上方制御された代謝産物は、l-(プラス)-アルギニン、アジピン酸、N-メチルニコチンアミド、4-ヒドロキシ安息香酸、およびジヒドロミリセチンでした。 下方制御される主な示差代謝産物には、ロジニジン O-ヘキソシド、カフェ酸、イソラムネチン O-ヘキソシド、販売 5-O-ヘキソシド、およびイソラムネチン 5-O-ヘキソシドが含まれます (図 2c)。 KEGG代謝経路濃縮分析（図2d）は、花序および多肉植物の茎から同定された示差的代謝産物を、フラボノイド生合成、フラボンおよびフラボノール生合成、ジテルペノイド生合成、イソフラボノイド生合成、および概日同調に分類した。

砂地では、花序と比較して、多肉植物の茎には40個の上方制御された差次的代謝物と87個の下方制御された差次的代謝物がありました（図2a）。 ヒートマップ（図2b）は、花序の相対含有量が多肉植物の茎の相対含有量よりも高いことを示しました。 多肉植物の茎と花序を比較すると、主に上方制御された代謝産物は、O-フェルロイル4-ヒドロキシルクマリン、シリンジ、ロジニジン O-ヘキソシド、3-(4-ヒドロキシフェニル)プロピオン酸、およびホモバニリン酸でした。 下方制御される主な示差代謝産物には、クリソエリオール O-ラムノシル-O-グルクロン酸、C-ヘキソシル-アピゲニン O-カフェオイルヘキソシド、販売 O-マロニルヘキソシド、イソラムネチン O-ヘキソシド、および 8-C-ヘキソシル-ルテオリン O- が含まれます。ヘキソシド（図２ｃ）。 KEGG代謝経路濃縮分析（図2d）は、花序および多肉植物の茎から同定された示差的代謝産物を、フラボンおよびフラボノール生合成、フラボノイド生合成、イソフラボノイド生合成、ジテルペノイド生合成、および芳香族化合物の分解に分類した。

3.3 C.deserticola の 3 つの生態型における生理食塩水 - アルカリストレスに関連する代謝の違い

C.deserticola の塩分アルカリ性の土地の 3 つの生態型の独特の代謝特性を把握するために、塩分アルカリ性の土地と草原、および砂地と塩分アルカリ性の土地でさまざまな代謝産物をスクリーニングしました。 OPLS-DA モデルの高い予測可能性 (Q2) により、塩性アルカリ性の土地と花序の草地 (Q2 = 0.997) および多肉植物の茎 (Q2 = 0.991) の間のペアごとの比較が生成されることが観察されました。 。 一方、OPLS-DAモデルは、花序(Q2 = 0.988)と多肉植物の茎(Q2 = 0.995)の砂地と塩性アルカリ地の間での高い予測可能性(Q2)を示した。 Q2 値と R2 値は、OPLS-DA モデルよりも順列テストの方が高かった (図 S2)†）。 潜在的な変数を特定するために、各ペアで大きく異なる代謝物をスクリーニングするためのしきい値として、倍数変化を 2 以上、または 0.5 以下、VIP 値を 1 以上に設定します。比較のこと。 表 2 は、塩分アルカリ ストレスに関連する花序と多肉植物の茎のさまざまな代謝物 (塩分アルカリ地対草地および砂地対塩分アルカリ地) を代謝物カテゴリー別に分類して示し、最も多くの代謝物クラスがフラボノイドであることを示しました。 。 中でも、アントシアニン、フラボノイド、フラボノール、フラバノン、カテキンおよびその誘導体、イソフラボンの相対含有量は、塩性アルカリ性の土地で最も多くなります。 さらに、ヒートマップ（図3d）は、フラボノイドの示差代謝産物の相対含有量がより高いグループはA1とC1であることを示しました。 アントシアニンの相対含有量は A2 グループで最も高く、フラボノイドおよびフラボノールの相対含有量は A1 グループで最も高かった。

火山地図（図3a）は、花序でも多肉植物の茎でも、塩性アルカリ土壌における上方制御された示差代謝の数が草原や砂質土壌の数よりも高いことを示しました。 各比較の上位 20 の差次的代謝物を図 3b に示しました。 塩分アルカリ性の土地と草地では、花序の差次的代謝産物の KEGG 経路は、主にフラボノイド生合成、フラボノール、フラボノール生合成、ジテルペノイド生合成、イソフラボノイド生合成、およびフェニルプロパノイドの生合成が豊富でした。 さらに、多肉植物の茎のさまざまな代謝産物のKEGG経路は、主にドーパミン作動性シナプス、プリン代謝、フラボノイド生合成、ピリミジン代謝、および概日同調に富んでいた。 塩分アルカリ性の土地と草地では、花序の異なる代謝産物の KEGG 経路は主にイソフラボノイド生合成、二次代謝産物の生合成、フラボンおよびフラボノール生合成、天然物からの抗腫瘍剤、および喘息に富んでいました。 さらに、多肉植物の茎のさまざまな代謝産物のKEGG経路は、主にアミノアシルtRNA生合成、タンパク質の消化と吸収、癌の中心炭素代謝、アミノ酸の生合成、およびフェニルプロパノイドの生合成が豊富でした（図3c）。

詳細については: david.deng@wecistanche.com / WhatApp:86 13632399501