官术网_书友最值得收藏!

2.3 代謝組學

代謝組學作為一種新興的組學方式,目的是綜合分析一個生物樣品的所有代謝物,在化學分類方面有很好的應用潛力。例如,用超高效液相色譜-四極桿飛行時間-高分辨率質譜(UPLC-QTOF-HDMS)檢測毛茛科(Ranunculaceae)烏頭(Aconitum carmichaelii)主根(CHW)和側根(SFZ)22個代謝物,其中13個為CHW和北烏頭(A. kusnezoffii)(CW)根所共有(Sun等,2013)。準噶爾烏頭堿、卡烏堿和異塔拉薩定在CW未檢測到,但存在于SFZ和CHW。更多代謝組應用實例參上述和下述。

2.3.1 核心真雙子葉植物:菊類植物(Asterids)

基于1D-和2D-NMR的代謝組分析將11種南美冬青屬(Ilex)(冬青科Aquifoliaceae)植物分為4組(Kim等,2010)。A組,I. paraguariensis,富含黃嘌呤和酚類化合物,包括苯丙素類和黃酮(Hao等,2013b);B組,I. dumosa var. dumosaI. dumosa var. guaranina,特征是齊墩果烷型三萜皂苷;C組,I. brasiliensisI. integerrimaI. pseudobuxusI. theezans,富含熊果苷和二咖啡酰奎寧酸;D組,I. argentinaI. brevicuspisI. microdontaI. taubertiana,烏蘇烷型皂苷含量最高。化學分類結果與ITS系統發育樹大致符合(圖2-14),實證了代謝組學平臺在化學分類研究中的作用。

圖2-14  用ML和GTR模型推測冬青屬(Ilex)ITS的系統發育關系

具有最高對數似然值(–1654.0571)的系統發育樹顯示如圖2-14所示。用11個ITS核苷酸序列建樹。最終數據集包含544個位置。用MEGA6軟件完成分析

用靈敏的HPLC-DAD-ESI-MSn方法分析鼠尾草屬19種植物86個成分,明確各物種的化學差異(Qiao等,2009)。Ser. Brachylomae、Ser. Digitaloidites、Ser. Castaneae和丹參系Ser. Miltiorrhizae親緣關系近,Ser. Brachylomae、Ser. Maximowicziana和Ser. Campanulatae有各自獨特的成分,也有共有成分(圖2-15)。代謝組技術簡化了化學分類研究,有助于合理解釋鼠尾草屬各物種的生物活性。從婆婆納族(Veroniceae)(車前科Plantaginaceae)14種植物分離28個環烯醚萜糖苷和10個咖啡酰基苯乙醇苷,以及紅景天苷和熊果苷,用NMR明確其結構(Taskova等,2006),這些化合物可用于婆婆納族和相關類群的化學分類。用HPLC-ESI-MS同時定量百合科知母(Anemarrhena asphodeloides)4個甾體皂苷、2個氧雜蔥酮糖苷、2個異黃酮和1個蒽醌(Sun等,2012),可有效區分知母樣品。近年代謝組學成長迅速,在親緣學和功能基因組學領域成為有力的研究工具,逐漸成為藥用植物生化表型診斷研究的利器。

圖2-15  鼠尾草屬不同類群化學成分比較

2—主要成分;1—檢測到的成分(比2豐度低);0—未檢測到的/很少檢測到的成分

用揮發物的靶向/非靶向代謝組學研究菊科千里光族(Senecioneae)千里光屬(Senecio)分類/進化關系(Radulovic等,2014)。用多元統計分析(MVA),即聚合式層次聚類和PCA,比較千里光屬93個樣品精油組成。MVA輸入數據集包括S. viscosus地上部精油數據,以及4個塞爾維亞S. vernalis居群地上部和根精油數據(8個樣品)。代謝組篩選提示短鏈alk-1-enes(如oct-1-ene,non-1-ene和undec-1-ene),有限分布于植物界,可作為千里光族/千里光屬化學分類標志。MVA提示千里光族萜類(揮發性的單萜和倍半萜)代謝進化不是屬特異性的,發現S. vernalis器官特異性地產生和集聚揮發物,至少存在2個揮發物化學型。

用HPLC分析25個山茶科柃木屬(Eurya)分類單元(24種1變種),共28個樣品(Shi等,2014),根據相對保留時間鑒定23個成分。同一物種的譜圖相同,不同種的譜圖有差異,可用于區分彼此。基于UPGMA和NJ方法的CA揭示了種間關系和物種的分類位置。HPLC快速,直觀,可重復,有助于柃木屬分類研究和資源利用。

馬鞭草科(Verbenaceae)過江藤屬(Lippia)廣泛用于中南美和熱帶非洲的民族植物學,用作食物、藥物、甜味劑和飲品香料。代謝組學有助于解決過江藤屬相關的一些分類難題。用UHPLC-PDA-TOF-MS分析6種過江藤屬植物多個器官15個提取物的代謝物輪廓(Funari等,2012)。14個以前從L. salviaefoliaL. lupulina分離的酚類化合物用作參考化合物。基于網上同時高準確性質量測定和分子式推測注釋其余LC峰,方法通用、省時,避免分離純化步驟,使絕大多數化合物峰得到有效注釋,適用于化學分類研究。分析性的HPLC分離和快速的UHPLC梯度的即刻分析進一步證實4個黃烷酮糖苷異構體的相互轉換。去重復化結果和層次數據分析提示L. salviaefoliaL. balansaeL. velutinaL. sidoides化學相似性顯著,而L. lasiocalicynaL. lupulina的化學成分差異明顯。

2.3.2 核心真雙子葉植物:薔薇類植物(Rosids)

用基于ALC-ESI-MS的代謝物輪廓對豆科胡枝子屬(Lespedeza)的化學表型進行分類(Kim等,2012)。PCA用于聚類模式分析,層次聚類分析(HCA)用于種間距離分析。葉化學成分分為4種表型。細胞核ITS+葉綠體trnL-trnF遺傳分析和化學分類均發現短梗胡枝子(L. cyrtobotrya)和胡枝子(L. bicolor)親緣最近,截葉鐵掃帚(L. cuneata)離其他三種最遠。正交偏最小二乘法-判別分析找到種間顯著差異的化合物。短梗胡枝子和胡枝子可以用顯著差異的化合物區分。基于化學分類可區分葉和莖不同的表型。其他三物種的莖樣品不能區分,而短梗胡枝子莖樣品顯示該種的化學特征。葉的化學表型分類比莖的分類更符合基于遺傳標志的基因型分類結果。

2.3.3 其他真雙子葉植物

近年闡明BIA代謝的研究多使用少數幾種模式植物。罌粟富含重要藥物如可待因和嗎啡,聯用基因組和代謝組技術方便基因發現和親緣關系研究,幫助理解植物BIA生合過程。代謝組研究為初級生化代謝網絡提供重要視角,而后者是特化(次生)代謝的基礎,代謝組技術也廣泛用于代謝工程、基因發現和代謝調控機制研究。已知植物產生約2500個結構多樣的BIAs,其中許多有藥用價值,但除了模式植物,對其他產BIA植物的代謝組研究很少。應用多平臺方式,整合4個分析方法,系統研究了毛茛目4科20種產BIA的非模式植物(Hagel等,2015)。包括罌粟科8種,毛茛科4種,小檗科4種,防己科4種。基于一維1H NMR的輪廓分析定量91個代謝物,揭示出糖、氨基酸和有機酸含量的顯著的種間和組織間差異。根和根狀莖單糖和二糖含量低于莖,許多代謝物在愈傷組織和完整植物器官間差異大。直流灌注串聯質譜方便研究110個脂類衍生物,包括磷脂酰膽堿和酰基肉堿,HPLC-UV定量15個酚類化合物,包括黃酮、苯甲酸衍生物和羥基肉桂酸。UPLC耦聯高分辨傅里葉變換質譜給出所有化合物的質量信息,從中挖掘BIAs代謝物。可獲得多種生物堿輪廓,包括十分普遍的和少見的化合物。廣泛的代謝物輪廓結合多個分析平臺提供了更全面的關于特定物種整體代謝的圖景。代謝組方式可用于一組藥用親緣關系近的物種,它們在現代和傳統醫學中有重要價值。結合基因組學數據,代謝組學資源在產BIA非模式植物的研究開發中起到關鍵作用。

芍藥屬(Paeonia)牡丹組(section Moutan)有8種植物,分布于中國一個小的區域。該組植物產生單萜糖苷、黃酮、鞣酸、二苯乙烯、三萜、甾體、丹皮酚和酚類化合物。用基于HPLC-DAD的代謝指紋分類:牡丹(P. suffruticosa)(圖2-16),卵葉牡丹(P. qiui),鳳丹(P. ostii),紫斑牡丹(P. rockiiP. jishanensis),四川牡丹(P. decomposita),滇牡丹(P. delavayi)和大花黃牡丹(P. ludlowii)(He等,2014)。23個樣品47個峰出現頻率75%,其中43個峰通過保留時間和UV吸收光譜確定,并由HPLC-QTOF-MS證實,包括17個單萜苷,11個沒食子酰基葡萄糖,5個黃酮,6個丹皮酚和4個酚類化合物。PCA和HCA顯示物種間根據代謝組相似性區分清楚,分4組:a1,牡丹和鳳丹;a2,卵葉牡丹,紫斑牡丹,P. jishanensis和四川牡丹;b1,黃牡丹(P. delavayi var. lutea)和四川牡丹;b2,滇牡丹和大花黃牡丹。化學分類與基于形態特征和地理分布的經典分類基本符合,亞組subsections VaginataeDelavayanae區分清楚,只有四川牡丹例外,其可看作兩亞組間的過渡種。牡丹和鳳丹可認為是同一物種,從藥用成分看無區別。滇牡丹代謝輪廓變異大,且與大花黃牡丹無顯著差異,提示兩種遺傳親緣近。聯用HPLC-DAD和多元統計分析對化學分類研究十分重要,有助于評估芍藥屬藥用價值,幫助澄清單純依賴形態和分子標志導致的疑難問題。

圖2-16  栽培牡丹(大連沙河口區漣寧北園)

建立一種基于1H NMR指紋圖譜-模式識別的不同品種升麻的鑒別方法(Shen等,2013)。以1H NMR技術測定3種升麻三萜皂苷類特征提取物的信息,并轉化為數據矩陣,采用PCA及判別偏最小二乘(DPLS)法進行識別分析,表明1H NMR指紋圖譜-模式識別能有效鑒別不同品種的升麻樣本,升麻(C. foetida)、大三葉升麻(C. heracleifolia)和興安升麻(C. dahurica)區分清楚。該法是一種有效的藥材分類鑒別方法,可用于藥材質量控制和親緣學研究。四環三萜皂苷(Hao等,2013c,2015a,2015b)和糖類是導致區別的主要代謝物。升麻三萜皂苷含量顯著高于其他兩種升麻,東北升麻糖含量更高。

2.3.4 裸子植物

從形態上難區分3種柏科(Cupressaceae)扁柏屬(Chamaecyparis)植物(紅檜C. formosensis,日本扁柏C. obtusa和臺灣扁柏C. obtusa var. formosana)。用化學標志物可以簡單快速分辨物種(Lin等,2011)。用固相微萃取(SPME)-GC/MS分析成熟葉生源的揮發性有機化合物(BVOCs)組成。用CA和PCA分析BVOC色譜數據,揭示了顯著的種間差異。紅豆杉屬化學分類參二萜部分論述。

2.3.5 苔蘚類

苔蘚類是植物界第二大類群,但關于其化學組成的研究較少。對北歐常見苔蘚類的化學成分進行綜合分析,包括元素分析、光譜分析和無損檢測,例如傅里葉變換IR光譜(FT-IR)、固相13C NMR和熱解-氣相色譜/質譜(Py-GC/MS)(Maksimova等,2013),發現主要成分是碳水化合物。FT-IR判定OH基團和C—O基團豐度最高。13C NMR譜圖提示存在酚類化合物和脂類,但酚類相對少。檢測到木脂素。CA揭示樣品間化學差異,說明多種代謝組技術可用于苔蘚的化學分類。

主站蜘蛛池模板: 三门县| 高陵县| 辽中县| 台北县| 平湖市| 广河县| 博野县| 双鸭山市| 防城港市| 四子王旗| 唐河县| 乡城县| 芷江| 阿拉善左旗| 微山县| 襄垣县| 临朐县| 新乡市| 丹江口市| 郑州市| 阳新县| 舟山市| 余姚市| 攀枝花市| 安丘市| 英山县| 临猗县| 湘潭县| 宣化县| 建始县| 岚皋县| 来凤县| 龙门县| 秦皇岛市| 揭东县| 上林县| 东阿县| 东莞市| 凯里市| 云林县| 花莲市|