Cistanche deserticola adalah tanaman langka yang digunakan untuk obat dan makanan. Tujuan kami adalah untuk mengeksplorasi perbedaan metabolisme antara perbungaan di bagian non-obat dan batang sukulen di bagian obat untuk memperkuat aplikasi dan pengembangan bagian non-obat C. deserticola. Kami melakukan analisis metabolomik melalui LC-ESI-MS/MS pada perbungaan dan batang sukulen dari tiga ekotipe (tanah salin-alkali, padang rumput, dan tanah berpasir) C. deserticola. Sebanyak 391 metabolit umum dalam enam kelompok diidentifikasi, di antaranya isorhamnetin O-hexoside (perbungaan) dan rosinidin O-hexoside (batang sukulen) dapat digunakan sebagai penanda kimia untuk membedakan batang dan perbungaan sukulen. Membandingkan perbedaan metabolisme antara ketiga ekotipe, kami menemukan bahwa sebagian besar metabolit berbeda yang terkait dengan stres garam-alkali adalah flavonoid. Secara khusus, kami memetakan jalur biosintetik glikosida feniletanoid (PhGs) dan menunjukkan perbedaan metabolisme pada enam kelompok. Untuk lebih memahami mekanisme farmakodinamik dan target C. deserticola, kami menyaring 88 komponen kimia dan 15 target penyakit potensial melalui docking molekuler. Bahan aktif C. deserticola memiliki efek docking yang luar biasa pada target penyakit penuaan seperti osteoporosis, penyakit pembuluh darah, dan aterosklerosis. Untuk mengeksplorasi nilai penggunaan perbungaan, kami menganalisis docking molekul metabolit flavonoid unik dalam perbungaan dengan target inflamasi. Hasilnya menunjukkan bahwa chrysoberyl dan cynaroside memiliki skor yang lebih tinggi untuk target inflamasi. Studi ini memberikan dasar ilmiah untuk penemuan dan industrialisasi nilai sumber daya bagian non-obat C. deserticola, dan realisasi pengembangan berkelanjutan C. deserticola. Ini juga memberikan strategi baru untuk mengeksplorasi indikasi ramuan Cina.

Menurut penelitian yang relevan, cistanche adalah ramuan umum yang dikenal sebagai "ramuan ajaib yang memperpanjang hidup". Komponen utamanya adalah cistanoside, yang memiliki berbagai efek seperti antioksidan, anti-inflamasi, dan peningkatan fungsi kekebalan tubuh. Mekanisme antara cistanche dan pemutihan kulit terletak pada efek antioksidan glikosida cistanche. Melanin pada kulit manusia dihasilkan dari oksidasi tirosin yang dikatalisis oleh tirosinase, dan reaksi oksidasi tersebut membutuhkan partisipasi oksigen, sehingga radikal bebas oksigen dalam tubuh menjadi faktor penting yang mempengaruhi produksi melanin. Cistanche mengandung cistanoside yang merupakan antioksidan dan dapat mengurangi pembentukan radikal bebas dalam tubuh, sehingga menghambat produksi melanin.

Klik Pada Cistanche untuk Dijual

Untuk info lebih lanjut:

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

1. Perkenalan

Cistanche deserticola adalah tanaman yang dapat dimakan dan obat yang sering disebut "ginseng gurun". 1 C. deserticola pertama kali dicatat dalam Materia Medica Cina Shen Nong sekitar 1800 tahun yang lalu dan telah digunakan secara luas sebagai tonik tradisional di Cina dan Jepang selama bertahun-tahun. Senyawa yang telah diisolasi dari C. deserticola adalah glikosida feniletanoid (PhGs), iridoid, lignan, asam lemak, alditol, karbohidrat, dan polisakarida, di antaranya PhGs adalah bahan aktif utama.2 Farmakologi modern menunjukkan bahwa ekstrak C. deserticola (seperti glikosida feniletanoid, polisakarida, dll.) memiliki berbagai fungsi pengobatan, terutama dalam meningkatkan fungsi seksual, meningkatkan daya ingat, pengaturan kekebalan, perlindungan hati, aktivitas pencahar, aktivitas antioksidan, dll.3–5 Selain itu nilai obat, C. deserticola memiliki nilai ekologis untuk pengendalian gurun karena kemampuannya untuk tumbuh di lingkungan kering, serta di bawah kondisi stres salin-alkali.6 Namun, sumber liar C. deserticola telah dianggap terancam punah akhir-akhir ini. tahun karena permintaan pasar yang berkembang pesat dan eksploitasi berlebihan. Itu telah terdaftar sebagai salah satu tanaman kelas II yang membutuhkan perlindungan di China.2 Oleh karena itu, sangat mendesak untuk mengembangkan sumber daya C. deserticola secara efektif dan menentukan lingkungan terbaik untuk pertumbuhan C. deserticola.

Bagian tanaman obat tradisional banyak dimanfaatkan, sedangkan bagian non obat sering dibuang. Sejumlah besar penelitian telah menunjukkan bahwa beberapa bagian non-obat seperti Salvia miltiorrhiza, Paris polyphylla, dan Crocus sativus memiliki komposisi kimia dan efek farmakologis yang mirip dengan bagian obat. Penelitian bagian non-obat kondusif untuk perluasan sumber daya medis, terutama untuk perlindungan tanaman obat yang terancam punah.7,8 Qiao et al. menggunakan teknologi GC-MS untuk mengidentifikasi 40 komponen volatil dalam C. deserticola inflorescence.9 Peng et al. menggunakan transkriptomik dan metabolomik untuk menganalisis secara komprehensif efek analgesik dari berbagai bagian serai.10 Yang et al. mengisolasi jenis flavonoid dari bagian udara Salvia miltiorrhiza dan mempelajari aktivitas antioksidannya.8 Bagian obat dari C. deserticola adalah batang sukulen, yang menyebabkan sejumlah besar perbungaan dibuang setiap tahun, mengakibatkan pemborosan sumber daya yang sangat besar. .

Metabolit, sebagai produk akhir dari berbagai proses biokimia yang dikatalisis oleh enzim, memberikan wawasan molekuler yang berguna untuk biokimia organisme pada waktu tertentu.11 Metabolisme terkait erat dengan kualitas tanaman. Metabolit primer memengaruhi pertumbuhan dan perkembangan tanaman, dan metabolit sekunder dapat membantu tanaman melawan tekanan lingkungan.12 Oleh karena itu, teknologi metabolisme banyak digunakan dalam evaluasi kualitas tanaman.13–15 Kami sebelumnya mengintegrasikan transkriptom dan metabolom untuk mengevaluasi kualitas batang sukulen dari tiga ekotipe C. deserticola dan menjelajahi mekanisme molekuler dari variasi kualitas.16 Kami menemukan bahwa 20 -asetilakteosida dapat digunakan sebagai penanda kimia untuk membedakan tiga ekotipe. Wenjing Liu dkk. berdasarkan 1 H NMR non-penargetan ke strategi metabolomik bertarget berbasis LC-MS, melakukan perbandingan kelompok kimia mendalam dari empat spesies Cistanche sukulen dan mengidentifikasi echinacoside, acetonide, betaine, manitol, 6-deoxycatalpol, sukrosa, dan asam epi-organik 8- dapat digunakan sebagai penanda kimia untuk membedakan empat spesies Cistanche.17 Pingping Zou et al. menerapkan metabolomik berbasis 1 H NMR untuk mengidentifikasi bagian atas dan bawah batang C. deserticola dan menemukan bahwa metabolit primer serial, terutama karbohidrat dan metabolit siklus asam trikarboksilat, sebagai molekul primer yang mengatur diskriminasi.18 HaiLi Qiao et al. mengilustrasikan bahwa kandungan ester dan aromatik yang lebih tinggi ditemukan pada bunga, yang meningkat secara signifikan dibandingkan dengan senyawa volatil dari tunas melalui analisis GC-MS dari komponen volatil dari perbungaan C. deserticola. 9 Saat ini penelitian tentang variasi kualitas antara sukulen batang dan perbungaan C. deserticola dari segi metabolisme masih kurang.

Studi yang ada telah menggunakan simulasi jaringan docking molekuler untuk mengeksplorasi target dan mekanisme pengobatan Tiongkok dalam mengobati penyakit.19–21 Jianling Liu et al. menyelidiki kombinasi obat yang efektif berdasarkan sistem farmakologi antara senyawa dari Cistanche tubulosa. Mereka sebelumnya menyaring 61 senyawa dan 43 target yang terkait dengan peradangan saraf, di mana verbascoside dan tubuloside B dapat memainkan peran kunci dalam perlindungan saraf.22 YingQi Li et al. farmakologi jaringan terpadu dan model ikan zebra untuk menyelidiki komponen efek ganda Cistanche tubulosa untuk mengobati osteoporosis dan penyakit Alzheimer.23 Komponen kimia C. deserticola kompleks dan memiliki berbagai efek farmakologis. Namun, mekanisme terapi belum jelas. Sangatlah penting untuk mengklarifikasi target penyakit dan mekanisme pengembangan C. deserticola lebih lanjut.

Dalam penelitian ini, kami menggunakan metabolomik untuk menyelidiki perbedaan metabolisme perbungaan dan batang sukulen dari tiga ekotipe (tanah salin-alkali, padang rumput, dan tanah berpasir) C. deserticola dan membandingkan ekotipe padang rumput dan tanah berpasir dengan ekotipe saline- ekotipe lahan alkali untuk mengeksplorasi variasi metabolisme C. deserticola yang dipengaruhi oleh cekaman alkali garam. Khususnya, kami mengidentifikasi dan menganalisis metabolit dari enam kelompok yang terlibat dalam biosintesis PhG. Kami menerapkan docking molekuler untuk menyaring senyawa dan target potensial dan menggambar diagram simulasi jaringan, serta analisis pengayaan GO dan KEGG. Temuan kami memberikan wawasan baru tentang perbedaan metabolisme antara perbungaan dan batang sukulen dari tiga ekotipe C. deserticola.

2. Bahan-bahan dan metode-metode

2.1 Bahan Tumbuhan dan pengambilan sampel

Kami mengumpulkan perbungaan (sufiks nomor seri sampel adalah "1") dan batang sukulen (sufiks nomor seri sampel adalah "2") untuk C. deserticola pada tahap penggalian (April hingga Mei 2017) dari tiga ekotipe berbeda: Danau Ebinur Xinjiang (A1 & A2: tanah salin-alkali), Desa Tula Xinjiang (B1 & B2: padang rumput) dan Panji Kiri Alxa di Mongolia Dalam (C1 & C2: tanah berpasir) di Cina barat laut (Tabel 1 dan Gambar 1a) . Spesimen voucher disimpan di herbarium Institute of Medicinal Plant Development di Chinese Academy of Medical Sciences di Beijing, China. Sampel dikumpulkan di lapangan dan disimpan dalam nitrogen cair dengan cepat. Setelah dibersihkan dengan PBS, jaringan batang sukulen dipotong kecil-kecil dan segera disimpan di freezer bersuhu 80 derajat Celcius hingga diproses lebih lanjut. 18 sampel (tiga ulangan biologis per habitat, dua bagian jaringan per sampel) diambil dari bagian tebal perbungaan dan batang berdaging untuk analisis metabolisme.

2.2 Ekstraksi dan pemisahan metabolit

Sampel beku-kering dihancurkan menggunakan gilingan pencampur (MM 400, Retsch) dengan butiran zirkonia selama 1,5 menit pada 30 Hz. Serbuk 100 mg ditimbang dan diekstraksi semalaman pada suhu 4 derajat dengan 1,0 mL 70 persen metanol berair. Setelah sentrifugasi pada 10 000 g selama 10 menit, ekstrak diserap sebelum analisis LC-MS.

Sistem LC-ESI-MS/MS (UPLC, Shim-pack UFLC SHIMADZU CBM30Sistem A) digunakan untuk menganalisis ekstrak sampel terliofilisasi. Kondisi analitis adalah sebagai berikut: kolom UPLC, Waters ACQUITY UPLC HSS T3 C18 (1,8 mm, 2,1 mm×100 mm); pelarut, air (0.04 persen asam asetat): asetonitril (0.04 persen asam asetat); program gradien, 100 : 0 v/v pada 0 menit, 5: 95 v/v pada 11,0 menit, 5: 95 v/v pada 12,0 menit, 95: 5 v/v pada 12,1 menit dan 95 : 5 v/v pada 15,0 mnt; laju alir, 0,40 mL min 1; suhu, 40 derajat; dan volume injeksi, 2 mL. Efluen dihubungkan secara alternatif ke perangkap ion linear quadrupole-linear ESI (Q TRAP) -MS. Dalam percobaan ini, sampel kontrol kualitas disiapkan dengan pencampuran yang seragam; selama analisis, sampel kontrol kualitas dijalankan setiap 10 injeksi untuk memantau stabilitas kondisi analisis.24–26

Pemindaian Linear Ion Trap (LIT) dan triple quadrupole (QQQ) diperoleh pada triple quadrupole-linear ion trap mass spectrometer (Q TRAP), API 6500 Q TRAP LC/MS/MS sistem, dilengkapi dengan Antarmuka semprotan ion turbo ESI, beroperasi dalam mode ion positif dan dikendalikan oleh perangkat lunak Analyst 1.6 (AB Sciex). Parameter pengoperasian sumber ESI adalah sebagai berikut: sumber ion, semprotan turbo; suhu sumber 500 derajat; tegangan semprotan ion (IS) 5500 V; gas sumber ion I (GSI), gas II (GSII), gas tirai (CUR) masing-masing ditetapkan pada 55, 60, dan 25,0 psi; tumbukan gas (CAD) tinggi (12 psi). Penyetelan instrumen dan kalibrasi massa dilakukan masing-masing dengan larutan polipropilen glikol 10 dan 100 mmol L 1 dalam mode QQQ dan LIT. Pemindaian QQQ diperoleh sebagai percobaan MRM dengan gas tabrakan (nitrogen) diatur ke 5 psi. Declustering potential (DP) dan collision energy (CE) untuk masing-masing transisi MRM dilakukan dengan pengoptimalan lebih lanjut. Serangkaian transisi MRM tertentu dipantau untuk setiap periode berdasarkan metabolit yang dielusi dalam periode ini.

2.3 Identifikasi dan Kuantifikasi Metabolit

Analisis kualitatif data MS primer dan sekunder dilakukan dengan membandingkan nilai ion prekursor (Q1), ion fragmen (Q3) (jendela isolasi (±15 Da), waktu tinggal (ms) atau waktu siklus (1 detik)), waktu retensi (RT), dan pola fragmentasi dengan yang diperoleh dengan menyuntikkan standar menggunakan kondisi yang sama jika standar tersedia atau dilakukan menggunakan database yang disusun sendiri MWDB (NetWare Biological Science and Technology Co., Ltd Wuhan, China) dan tersedia untuk umum database metabolit jika standar tidak tersedia. Sinyal berulang K plus , Na plus , NH4 plus , dan zat dengan berat molekul besar lainnya dihilangkan selama identifikasi. Analisis kuantitatif metabolit didasarkan pada mode MRM. Ion karakteristik dari masing-masing metabolit disaring melalui spektrometer massa QQQ untuk mendapatkan kekuatan sinyal. Integrasi dan koreksi puncak kromatografi dilakukan menggunakan Multi Quant versi 3.0.2 (AB SCIEX, Concord, Ontario, Kanada). Kandungan metabolit relatif yang sesuai direpresentasikan sebagai integral area puncak kromatografi.

Nilai VIP (variabel penting dalam proyeksi) sampel C. deserticola (tiga replika biologis) dihitung dengan perangkat lunak SIMCA-P (versi 14.1, Sartorius Stedim Biotech, Ume˚a, Swedia) berdasarkan analisis komponen utama dan orthogonal partial least analisis diskriminan kuadrat. Kami menetapkan fold-change $2 atau #0.5 dan nilai VIP $1 sebagai ambang untuk menyaring metabolit yang sangat berbeda. Data metabolit dinormalisasi, analisis peta panas klaster dilakukan pada semua sampel, dan skrip program R digunakan untuk menggambar peta panas klaster.

2.4 docking molekuler

2.4.1 Pengumpulan senyawa kimia.Melalui hasil percobaan pendahuluan dari kelompok penelitian kami dan hasil pencarian literatur, sebanyak 127 senyawa yang diisolasi dari batang sukulen C. deserticola dikumpulkan dan diunduh dari situs web Buku Kimia atau menggunakan ChemDraw untuk menggambar struktur molekul 2D. Selain itu, kami menemukan 4 penghindaran (chrysoberyl, cynaroside, hesperetin, dan homoeriodictyol) yang terdeteksi hanya pada perbungaan melalui hasil metabolisme. Struktur 2D diubah menjadi struktur tiga dimensi dengan perangkat lunak ChemDraw 3D, dan pengoptimalan awal dilakukan. Kemudian struktur tiga dimensi awal yang dioptimalkan diverifikasi oleh Perangkat Lunak Avogadro dan pengoptimalan energi lebih lanjut digunakan untuk menghasilkan format file senyawa akhir yang diperlukan untuk docking molekul selanjutnya.

2.4.2 Pengumpulan Pengumpulan sasaran.Kami mencari target protein penyakit melalui literatur dan database STITCH. Kami memperoleh target gen yang sesuai dengan menggunakan database Uniport dan mengambil ID PDB dari haplotipe protein dan struktur molekul kecil oleh RCSB. Saat menentukan obat positif, kami menggunakan literatur dan situs web Yaodu untuk mengidentifikasi 45 target penyakit terkait yang telah dilaporkan, termasuk 10 penyakit yang terkait dengan batang sukulen C. deserticola dalam literatur. Kesepuluh penyakit tersebut adalah aterosklerosis, osteoporosis, demensia pikun, penyakit Alzheimer, Parkinson, konstipasi kronis, takikardia ventrikel torsades de pointes, penyakit pembuluh darah, cedera miokard, dan kanker rektum. Selain itu, kami mengumpulkan 467 target yang terkait dengan peradangan dan memperoleh 2 target penting (6KBA dan 7AWC) melalui skrining, yang digunakan untuk analisis docking molekul flavinoid spesifik perbungaan.

2.4.3 Simulasi docking molekuler.Untuk mengevaluasi afinitas pengikatan senyawa dalam C. deserticola ke kandidat target, kami melakukan simulasi docking molekuler melalui perangkat lunak QuickVina 2.0, utilitas sumber terbuka yang dikembangkan oleh kelompok riset Alhossary. Untuk memverifikasi afinitas pengikatan antara target dan senyawa, kami menghitung skor penyambungan melalui QuickVina 2.0. Skor docking yang melebihi obat positif (data untuk setiap obat positif dapat diperoleh dari target yang sesuai di RCSB atau literatur) menunjukkan afinitas pengikatan yang kuat antara target kandidat dan senyawa yang sesuai.27–30 Kami menggunakan PyMOL (Versi 2.0 Schrodinger, LLC) untuk memplot hasil docking senyawa dan target.

2.4.4 Konstruksi jaringan jalur target komponen dan analisis fungsi GO/KEGGKonstruksi jaringan jalur komponen-target dilakukan menggunakan perangkat lunak visualisasi jaringan Cytoscape. Dalam interaksi jaringan, node mewakili komponen, target, dan jalur, sedangkan edge mewakili interaksi satu sama lain. Nilai skoring molekul docking senyawa dan gen target digunakan sebagai indikator warna sambungan. Semakin hijau warnanya, semakin tinggi nilai skornya. Jaringan interaksi protein-protein (PPI) yang terkait dengan target gen dibangun dan dianalisis dengan STRING.31

Untuk mengetahui lebih lanjut fungsi biologis dalam jaringan yang dibangun, kami menggunakan modul anotasi fungsional dari database DAVID29 untuk melakukan analisis pengayaan Gene Ontology (GO) dan KEGG pada gen target.

3. Hasil

3.1Profil Metabolik C. deserticola

Untuk mendapatkan gambaran umum tentang perubahan metabolisme dari tiga perbungaan ekotipe C. deserticola dan batang sukulen, analisis metabolisme yang ditargetkan secara luas dilakukan menggunakan LC-ESI-MS / MS. Seperti yang ditunjukkan pada Gambar. 1b, perbungaan dan batang sukulen C. deserticola dari ekotipe yang berbeda menunjukkan pemisahan yang berbeda, dan pemisahan jaringan yang berbeda lebih besar daripada pemisahan ekotipe yang berbeda. Dan ketiga sampel ulangan memiliki skor PC yang serupa, menunjukkan bahwa metabolit C. deserticola menunjukkan sedikit pemisahan antara sampel ulangan. Selain itu, sampel kontrol kualitas (campuran) dikelompokkan bersama di tengah plot skor PCA. Diagram kelopak (Gbr. 1c) dan diagram gangguan (Gbr. 1d) menunjukkan bahwa ada 391 metabolit umum dalam enam kelompok, dan jumlah metabolit yang terdeteksi dalam perbungaan umumnya lebih tinggi daripada di batang sukulen. Jumlah metabolit yang terdeteksi pada perbungaan salin-alkali (A1) adalah yang terbesar, dengan total 515, dimana 18 metabolit hanya terdeteksi pada A1. Jumlah metabolit yang terdeteksi pada batang sukulen padang rumput (B2) paling sedikit, dengan total 458, tanpa metabolit uniknya.

Isi relatif dari 578 metabolit ditentukan, termasuk 35 kategori metabolit (ESI File S1). Metabolit yang paling melimpah dari perbungaan dan batang sukulen di kedua ekotipe adalah lipid, gliserolipid, asam amino, nukleotida, dan turunannya, glikosida feniletanoid (PhG), dan flavonoid (Gbr. S3a, 3b, dan c). Setelah normalisasi, kandungan proporsional dari setiap metabolit ditentukan oleh rata-rata area respons puncak selama UPLC-MS/MS, seperti yang ditunjukkan pada Gambar. 1e dengan peta panas, dan selanjutnya dilakukan dengan analisis pengelompokan hierarkis. Metabolit sekunder lebih menunjukkan tingkat konsentrasi relatif tinggi di A1 dan C2 dibandingkan kelompok lain. Di antara metabolit sekunder pada ketiga ekotipe, kandungan relatif feniletanoid glikosida (PhGs) pada batang sukulen lebih tinggi daripada pada perbungaan, sedangkan kandungan relatif flavonoid pada perbungaan lebih tinggi daripada batang sukulen.

Dalam analisis metabolisme ini, 12 komponen aktif utama C. deserticola terdeteksi, termasuk 2′-acetylacteoside, acteoside, cistanoside A, coniferin, echinacoside, formononetin-7-O-glucoside, inosine, isoacteoside, ononin, pinoresinol, jarum suntik , dan uridin. Peta panas pengelompokan hierarkis (Gbr. 1f) digambar untuk komponen aktif utama C. deserticola yang terdeteksi oleh metabolom, menunjukkan bahwa kandungan relatif komponen aktif utama dalam batang sukulen lebih tinggi daripada di perbungaan. Dibandingkan dengan jaringan yang berbeda, bahan aktif dengan kandungan yang relatif tinggi pada perbungaan adalah 2′-acetylacteoside dan coniferin, sedangkan bahan aktif dengan kandungan yang relatif tinggi pada batang sukulen adalah acteoside, cistanoside A, echinacoside, dan isoacteoside. Dibandingkan dengan ekotipe yang berbeda, kandungan bahan aktif yang relatif tinggi di tanah salin-alkali adalah 2′-asetilakteosida, aktiosida, koniferin, echinakosida, dan isoaktosida. Kandungan yang relatif tinggi di padang rumput adalah echinacoside, dan kandungan yang relatif tinggi di tanah berpasir adalah cistanoside A.

3.2 Perbedaan metabolisme antara perbungaan dan batang sukulen C. deserticola

Untuk memahami perbedaan metabolisme antara perbungaan dan batang sukulen C. deserticola dalam tiga ekotipe, kami menyaring metabolit yang berbeda. Prediktabilitas tinggi (Q2) dari model OPLS-DA diamati untuk menghasilkan perbandingan berpasangan antara perbungaan versus batang Sukulen di tanah salin-alkali (Q2 = 0.996), padang rumput (Q2 = 0.997) , dan tanah berpasir (Q2 = 0.997) (Gbr. S1a). Nilai Q2 dan R2 lebih tinggi pada uji permutasi dibandingkan pada model OPLS-DA (Gbr. S1b). Untuk mengidentifikasi variabel potensial, kami menetapkan fold-change Lebih besar dari atau sama dengan 2 atau Kurang dari atau sama dengan 0.5 dan nilai VIP Lebih besar dari atau sama dengan 1 sebagai ambang batas untuk menyaring metabolit yang berbeda secara signifikan di setiap pasangan perbandingan. 10 metabolit berbeda teratas dari tiga perbungaan ekotipe dan batang sukulen ditunjukkan pada Tabel S1. Dibandingkan dengan batang sukulen, kandungan metabolit diferensial yang relatif tinggi pada perbungaan adalah flavonoid, seperti flavonol, flavon, dan flavon C-glikosida.

Di tanah salin-alkali, dibandingkan dengan perbungaan, batang sukulen memiliki 43 metabolit diferensial yang diatur ke atas dan 71 metabolit diferensial yang diatur ke bawah (Gbr. 2a). Peta panas (Gbr. 2b) menunjukkan bahwa kandungan relatif dari perbungaan lebih tinggi daripada batang sukulen. Membandingkan batang sukulen dengan perbungaan, metabolit utama yang diatur ke atas adalah cyanidin 3-O-rutinoside (keracyanin), icariin (kaempferol 3,7-O-diglucoside 8-turunan prenyl), asam homovanillic , metil ester asam klorogenat, dan rosinidin O-hexoside. Metabolit diferensial utama yang diatur ke bawah termasuk N′, N′′-di-p-coumaroylspermidine, 8-C-hexosyl-luteolin O-hexoside, asam caffeic, isorhamnetin O-hexoside, dan isorhamnetin 5- O-heksosida (Gbr. 2c). Analisis pengayaan jalur metabolisme KEGG (Gbr. 2d) mengklasifikasikan metabolit diferensial yang diidentifikasi dari perbungaan dan batang sukulen menjadi biosintesis flavonoid, biosintesis flavon dan flavonol, biosintesis isoflavonoid, biosintesis fenilpropanoid, dan metabolisme lipid eter.

Di padang rumput, dibandingkan dengan perbungaan, batang sukulen memiliki 35 metabolit diferensial yang diatur ke atas dan 54 metabolit diferensial yang diatur ke bawah (Gbr. 2a). Peta panas (Gbr. 2b) menunjukkan bahwa kandungan relatif dari perbungaan lebih tinggi daripada batang sukulen. Membandingkan batang sukulen dengan perbungaan, metabolit utama yang diatur naik adalah l-( plus )-arginin, asam adipat, N-metilnikotinamida, 4-asam hidroksibenzoat, dan dihidromiricetin. Metabolit diferensial utama yang diatur ke bawah termasuk rosinidin O-hexoside, asam caffeic, isorhamnetin O-hexoside, penjualan 5-O-hexoside, dan isorhamnetin 5-O-hexoside (Gbr. 2c). Analisis pengayaan jalur metabolisme KEGG (Gbr. 2d) mengklasifikasikan metabolit diferensial yang diidentifikasi dari perbungaan dan batang sukulen menjadi biosintesis flavonoid, biosintesis flavon dan flavonol, biosintesis diterpenoid, biosintesis isoflavonoid, dan entrainment sirkadian.

Di tanah berpasir, dibandingkan dengan perbungaan, batang sukulen memiliki 40 metabolit diferensial yang diatur ke atas dan 87 metabolit diferensial yang diatur ke bawah (Gbr. 2a). Peta panas (Gbr. 2b) menunjukkan bahwa kandungan relatif dari perbungaan lebih tinggi daripada batang sukulen. Membandingkan batang sukulen dengan perbungaan, metabolit utama yang diatur ke atas adalah O-feruloyl 4-hidroksilkumarin, syringing, rosinidin O-hexoside, 3-(4-hidroksifenil) asam propionat, dan asam homovanillic. Metabolit diferensial utama yang diatur ke bawah termasuk asam chrysoeriol O-rhamnosyl-O-glucuronic, C-hexosyl-apigenin O-caffeoylhexoside, penjualan O-malonylhexoside, isorhamnetin O-hexoside, dan 8-C-hexosyl-luteolin O- hexoside (Gbr. 2c). Analisis pengayaan jalur metabolisme KEGG (Gbr. 2d) mengklasifikasikan metabolit diferensial yang diidentifikasi dari perbungaan dan batang sukulen menjadi biosintesis flavon dan flavonol, biosintesis flavonoid, biosintesis isoflavonoid, biosintesis diterpenoid, dan degradasi senyawa aromatik.

3.3 Perbedaan metabolisme terkait dengan cekaman salin-alkali pada tiga ekotipe C. deserticola

Untuk memahami karakteristik metabolisme yang unik dari tiga ekotipe tanah salin-alkali C. deserticola, kami menyaring berbagai metabolit di tanah salin-alkali versus padang rumput dan tanah berpasir versus tanah salin-alkali. Prediktabilitas tinggi (Q2) dari model OPLS-DA diamati untuk menghasilkan perbandingan berpasangan antara tanah salin-alkali versus padang rumput perbungaan (Q2 = 0.997) dan batang sukulen (Q2 = 0.991) . Sementara itu, prediktabilitas tinggi (Q2) dari model OPLS-DA antara tanah berpasir versus tanah salin-alkali perbungaan (Q2 = 0.988) dan batang sukulen (Q2 = 0.995). Nilai Q2 dan R2 lebih tinggi pada uji permutasi dibandingkan pada model OPLS-DA (Gbr. S2†). Untuk mengidentifikasi variabel potensial, kami menetapkan fold-change Lebih besar dari atau sama dengan 2 atau Kurang dari atau sama dengan 0.5 dan nilai VIP Lebih besar dari atau sama dengan 1 sebagai ambang untuk menyaring metabolit yang berbeda secara signifikan pada setiap pasangan perbandingan. Tabel 2 menunjukkan perbedaan metabolit perbungaan dan batang sukulen yang terkait dengan stres salin-alkali (tanah salin-alkali vs. padang rumput dan tanah berpasir vs. tanah salin-alkali), diurutkan berdasarkan kategori metabolit, dan menunjukkan bahwa kelas metabolit yang paling banyak adalah flavonoid. . Di antaranya, kandungan relatif antosianin, flavonoid, flavonol, flavanon, katekin, dan turunannya, serta isoflavon tertinggi di tanah salin-alkali. Selanjutnya, peta panas (Gbr. 3d) menunjukkan bahwa kelompok dengan kandungan relatif lebih tinggi dari metabolit diferensial flavonoid adalah A1 dan C1. Kandungan relatif antosianin paling tinggi pada kelompok A2, dan kandungan relatif flavonoid dan flavonol paling tinggi pada kelompok A1.

Peta gunung berapi (Gbr. 3a) menunjukkan bahwa jumlah metabolisme diferensial yang diatur ke atas di tanah salin-alkali lebih tinggi daripada di padang rumput dan tanah berpasir, baik di perbungaan atau batang sukulen. 20 metabolit diferensial teratas dari setiap perbandingan ditunjukkan pada Gambar. 3b. Di tanah salin-alkali vs padang rumput, jalur KEGG dari metabolit diferensial perbungaan terutama diperkaya dalam biosintesis flavonoid, flavonol, dan biosintesis flavonol, biosintesis diterpenoid, biosintesis isoflavonoid, dan biosintesis fenilpropanoid. Selain itu, jalur KEGG dari berbagai metabolit batang sukulen terutama diperkaya dalam sinapsis dopaminergik, metabolisme purin, biosintesis flavonoid, metabolisme pirimidin, dan entrainment sirkadian. Di tanah salin-alkali vs. padang rumput, jalur KEGG dari metabolit diferensial perbungaan terutama diperkaya dalam biosintesis isoflavonoid, biosintesis metabolit sekunder, biosintesis flavon, dan flavonol, agen antineoplastik dari produk alami, dan asma. Selain itu, jalur KEGG dari berbagai metabolit batang sukulen terutama diperkaya dalam biosintesis aminoasil-tRNA, pencernaan dan penyerapan protein, metabolisme karbon pusat pada kanker, biosintesis asam amino, dan biosintesis fenilpropanoid (Gbr. 3c).

Untuk info lebih lanjut: david.deng@wecistanche.com / WhatApp:86 13632399501