സസ്യങ്ങളുടെ പ്രത്യേക ഉപാപചയത്തിന്റെ പാറ്റേണുകൾ വിശദീകരിക്കുന്നതിന് വ്യത്യസ്ത സസ്യ പ്രതിരോധ സിദ്ധാന്തങ്ങൾ പ്രധാനപ്പെട്ട സൈദ്ധാന്തിക മാർഗ്ഗനിർദ്ദേശം നൽകുന്നു, എന്നാൽ അവയുടെ പ്രധാന പ്രവചനങ്ങൾ ഇപ്പോഴും പരീക്ഷിക്കപ്പെടേണ്ടതുണ്ട്. ഇവിടെ, വ്യക്തിഗത സസ്യങ്ങളിൽ നിന്ന് ജനസംഖ്യയിലേക്കും അടുത്ത ബന്ധമുള്ള ജീവിവർഗങ്ങളിലേക്കും പുകയില ദുർബലപ്പെടുത്തിയ ഇനങ്ങളുടെ മെറ്റബോളോം വ്യവസ്ഥാപിതമായി പര്യവേക്ഷണം ചെയ്യുന്നതിന് ഞങ്ങൾ നിഷ്പക്ഷമായ ടാൻഡം മാസ് സ്പെക്ട്രോമെട്രി (MS/MS) വിശകലനം ഉപയോഗിച്ചു, കൂടാതെ വിവരങ്ങളിലെ സംയുക്ത സ്പെക്ട്രയെ അടിസ്ഥാനമാക്കി ധാരാളം മാസ് സ്പെക്ട്രോമെട്രിക് സവിശേഷത സിദ്ധാന്തങ്ങൾ പ്രോസസ്സ് ചെയ്തു. ഒപ്റ്റിമൽ ഡിഫൻസ് (OD) യുടെയും മൂവിംഗ് ടാർഗെറ്റ് (MT) സിദ്ധാന്തങ്ങളുടെയും പ്രധാന പ്രവചനങ്ങൾ പരീക്ഷിക്കുന്നതിനുള്ള ചട്ടക്കൂട്. സസ്യ ഉപാപചയത്തിന്റെ വിവര ഘടകം OD സിദ്ധാന്തവുമായി പൊരുത്തപ്പെടുന്നു, പക്ഷേ സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന മെറ്റബോളോമിക്സ് ഡൈനാമിക്സിനെക്കുറിച്ചുള്ള MT സിദ്ധാന്തത്തിന്റെ പ്രധാന പ്രവചനത്തിന് വിരുദ്ധമാണ്. മൈക്രോ മുതൽ മാക്രോ പരിണാമ സ്കെയിൽ വരെ, ജാസ്മോണേറ്റ് സിഗ്നൽ OD യുടെ പ്രധാന നിർണ്ണായകമായി തിരിച്ചറിഞ്ഞു, അതേസമയം എഥിലീൻ സിഗ്നൽ MS/MS തന്മാത്രാ ശൃംഖല വ്യാഖ്യാനിച്ച സസ്യഭുക്ക്-നിർദ്ദിഷ്ട പ്രതികരണത്തിന്റെ മികച്ച ട്യൂണിംഗ് നൽകി.
വൈവിധ്യമാർന്ന ഘടനകളുള്ള പ്രത്യേക മെറ്റബോളിറ്റുകളാണ് സസ്യങ്ങളെ പരിസ്ഥിതിയുമായി പൊരുത്തപ്പെടുത്തുന്നതിൽ പ്രധാന പങ്കാളികൾ, പ്രത്യേകിച്ച് ശത്രുക്കളുടെ പ്രതിരോധത്തിൽ (1). സസ്യങ്ങളിൽ കാണപ്പെടുന്ന പ്രത്യേക മെറ്റബോളിസത്തിന്റെ അത്ഭുതകരമായ വൈവിധ്യവൽക്കരണം പാരിസ്ഥിതിക പ്രവർത്തനങ്ങളുടെ പല വശങ്ങളെക്കുറിച്ചുള്ള ആഴത്തിലുള്ള ഗവേഷണത്തിന് പതിറ്റാണ്ടുകളായി ഉത്തേജനം നൽകി, കൂടാതെ സസ്യ-പ്രാണി ഇടപെടലുകളുടെ പരിണാമപരവും പാരിസ്ഥിതികവുമായ വികസനമായ സസ്യ പ്രതിരോധ സിദ്ധാന്തങ്ങളുടെ ഒരു നീണ്ട പട്ടിക രൂപപ്പെടുത്തി. അനുഭവപരമായ ഗവേഷണം പ്രധാനപ്പെട്ട മാർഗ്ഗനിർദ്ദേശം നൽകുന്നു (2). എന്നിരുന്നാലും, ഈ സസ്യ പ്രതിരോധ സിദ്ധാന്തങ്ങൾ സാങ്കൽപ്പിക ഡിഡക്റ്റീവ് യുക്തിയുടെ മാനദണ്ഡ പാത പിന്തുടർന്നില്ല, അതിൽ പ്രധാന പ്രവചനങ്ങൾ വിശകലനത്തിന്റെ അതേ തലത്തിലായിരുന്നു (3) കൂടാതെ സൈദ്ധാന്തിക വികസനത്തിന്റെ അടുത്ത ചക്രം മുന്നോട്ട് കൊണ്ടുപോകുന്നതിന് പരീക്ഷണാത്മകമായി പരീക്ഷിക്കപ്പെട്ടു (4). സാങ്കേതിക പരിമിതികൾ നിർദ്ദിഷ്ട മെറ്റബോളിക് വിഭാഗങ്ങളിലേക്ക് ഡാറ്റ ശേഖരണം പരിമിതപ്പെടുത്തുകയും പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ സമഗ്ര വിശകലനം ഒഴിവാക്കുകയും ചെയ്യുന്നു, അങ്ങനെ സൈദ്ധാന്തിക വികസനത്തിന് അത്യാവശ്യമായ ഇന്റർ-കാറ്റഗറി താരതമ്യങ്ങൾ തടയുന്നു (5). സമഗ്രമായ മെറ്റബോളമിക് ഡാറ്റയുടെയും വ്യത്യസ്ത സസ്യ ഗ്രൂപ്പുകൾക്കിടയിലുള്ള മെറ്റബോളിക് സ്ഥലത്തിന്റെ പ്രോസസ്സിംഗ് വർക്ക്ഫ്ലോ താരതമ്യം ചെയ്യുന്നതിനുള്ള ഒരു പൊതു കറൻസിയുടെയും അഭാവം ഈ മേഖലയുടെ ശാസ്ത്രീയ പക്വതയെ തടസ്സപ്പെടുത്തുന്നു.
ടാൻഡം മാസ് സ്പെക്ട്രോമെട്രി (എംഎസ്/എംഎസ്) മെറ്റബോളമിക്സ് മേഖലയിലെ ഏറ്റവും പുതിയ സംഭവവികാസങ്ങൾക്ക് ഒരു പ്രത്യേക സിസ്റ്റം ക്ലേഡിന്റെ സ്പീഷീസിനുള്ളിലും അവയ്ക്കിടയിലുമുള്ള മെറ്റബോളിക് മാറ്റങ്ങളെ സമഗ്രമായി ചിത്രീകരിക്കാൻ കഴിയും, കൂടാതെ ഈ സങ്കീർണ്ണ മിശ്രിതങ്ങൾ തമ്മിലുള്ള ഘടനാപരമായ സമാനത കണക്കാക്കുന്നതിന് കമ്പ്യൂട്ടേഷണൽ രീതികളുമായി സംയോജിപ്പിക്കാനും കഴിയും. രസതന്ത്രത്തെക്കുറിച്ചുള്ള മുൻ അറിവ് (5). വിശകലനത്തിലും കമ്പ്യൂട്ടിംഗിലുമുള്ള നൂതന സാങ്കേതികവിദ്യകളുടെ സംയോജനം, മെറ്റബോളിക് വൈവിധ്യത്തിന്റെ പാരിസ്ഥിതികവും പരിണാമപരവുമായ സിദ്ധാന്തങ്ങൾ നടത്തിയ നിരവധി പ്രവചനങ്ങളുടെ ദീർഘകാല പരിശോധനയ്ക്ക് ആവശ്യമായ ഒരു ചട്ടക്കൂട് നൽകുന്നു. 1948-ൽ ഷാനൺ (6) തന്റെ സെമിനൽ ലേഖനത്തിൽ ആദ്യമായി വിവര സിദ്ധാന്തം അവതരിപ്പിച്ചു, ഇത് വിവരങ്ങളുടെ ഗണിതശാസ്ത്ര വിശകലനത്തിന് അടിത്തറയിട്ടു, ഇത് അതിന്റെ യഥാർത്ഥ പ്രയോഗത്തിന് പുറമെ നിരവധി മേഖലകളിൽ ഉപയോഗിച്ചുവരുന്നു. ജീനോമിക്സിൽ, സീക്വൻസ് കൺസർവേറ്റീവ് വിവരങ്ങൾ അളക്കുന്നതിന് വിവര സിദ്ധാന്തം വിജയകരമായി പ്രയോഗിച്ചിട്ടുണ്ട് (7). ട്രാൻസ്ക്രിപ്റ്റോമിക്സ് ഗവേഷണത്തിൽ, ട്രാൻസ്ക്രിപ്റ്റോമിലെ മൊത്തത്തിലുള്ള മാറ്റങ്ങളെ വിവര സിദ്ധാന്തം വിശകലനം ചെയ്യുന്നു (8). മുൻ ഗവേഷണങ്ങളിൽ, സസ്യങ്ങളിലെ ടിഷ്യു ലെവലിന്റെ മെറ്റബോളിക് വൈദഗ്ദ്ധ്യം വിവരിക്കുന്നതിന് വിവര സിദ്ധാന്തത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ചട്ടക്കൂട് മെറ്റബോളമിക്സിൽ ഞങ്ങൾ പ്രയോഗിച്ചു (9). ഇവിടെ, സസ്യഭുക്കുകളാൽ പ്രേരിതമായ മെറ്റബോളോമിന്റെ സസ്യ പ്രതിരോധ സിദ്ധാന്തത്തിന്റെ പ്രധാന പ്രവചനങ്ങളെ താരതമ്യം ചെയ്യുന്നതിനായി, പൊതു കറൻസിയിലെ ഉപാപചയ വൈവിധ്യത്താൽ സവിശേഷതയുള്ള വിവര സിദ്ധാന്തത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ചട്ടക്കൂടുമായി MS/MS അടിസ്ഥാനമാക്കിയുള്ള വർക്ക്ഫ്ലോ ഞങ്ങൾ സംയോജിപ്പിക്കുന്നു.
സസ്യ പ്രതിരോധത്തിന്റെ സൈദ്ധാന്തിക ചട്ടക്കൂടുകൾ സാധാരണയായി പരസ്പരം ഉൾക്കൊള്ളുന്നവയാണ്, അവയെ രണ്ട് വിഭാഗങ്ങളായി തിരിക്കാം: പ്രതിരോധ പ്രവർത്തനങ്ങളെ അടിസ്ഥാനമാക്കി സസ്യ-നിർദ്ദിഷ്ട മെറ്റബോളിറ്റുകളുടെ വിതരണം വിശദീകരിക്കാൻ ശ്രമിക്കുന്നവ, ഉദാഹരണത്തിന് ഒപ്റ്റിമൽ ഡിഫൻസ് (OD) (10), മൂവിംഗ് ടാർഗെറ്റ് (MT) (11) ) രൂപഭാവം (12) സിദ്ധാന്തം, മറ്റുള്ളവർ വിഭവ ലഭ്യതയിലെ മാറ്റങ്ങൾ സസ്യ വളർച്ചയെയും കാർബൺ പോലുള്ള പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ ശേഖരണത്തെയും എങ്ങനെ ബാധിക്കുന്നു എന്നതിന്റെ യാന്ത്രിക വിശദീകരണങ്ങൾ തേടുന്നു: പോഷക സന്തുലിത സിദ്ധാന്തം (13), വളർച്ചാ നിരക്ക് സിദ്ധാന്തം (14), വളർച്ചയും വ്യത്യാസ സന്തുലിത സിദ്ധാന്തവും (15). രണ്ട് സെറ്റ് സിദ്ധാന്തങ്ങളും വിശകലനത്തിന്റെ വ്യത്യസ്ത തലങ്ങളിലാണ് (4). എന്നിരുന്നാലും, പ്രവർത്തനപരമായ തലത്തിൽ പ്രതിരോധ പ്രവർത്തനങ്ങൾ ഉൾപ്പെടുന്ന രണ്ട് സിദ്ധാന്തങ്ങൾ സസ്യ ഘടനാപരവും പ്രേരകവുമായ പ്രതിരോധങ്ങളെക്കുറിച്ചുള്ള സംഭാഷണത്തിൽ ആധിപത്യം പുലർത്തുന്നു: OD സിദ്ധാന്തം, സസ്യങ്ങൾ ആവശ്യമുള്ളപ്പോൾ മാത്രം അവയുടെ വിലയേറിയ രാസ പ്രതിരോധങ്ങളിൽ നിക്ഷേപിക്കുന്നുവെന്ന് അനുമാനിക്കുന്നു, ഉദാഹരണത്തിന്, അവ അകത്താക്കുമ്പോൾ ഒരു പുല്ല് മൃഗം ആക്രമിക്കുമ്പോൾ, അതിനാൽ, ഭാവി ആക്രമണത്തിന്റെ സാധ്യത അനുസരിച്ച്, ഒരു പ്രതിരോധ പ്രവർത്തനമുള്ള സംയുക്തം നിയോഗിക്കപ്പെടുന്നു (10); MT സിദ്ധാന്തം നിർദ്ദേശിക്കുന്നത് ദിശാസൂചന മെറ്റബോളൈറ്റ് മാറ്റത്തിന്റെ അച്ചുതണ്ട് ഇല്ല എന്നാണ്, എന്നാൽ മെറ്റബോളൈറ്റ് ക്രമരഹിതമായി മാറുന്നു, അങ്ങനെ സസ്യഭുക്കുകളെ ആക്രമിക്കുന്നതിന്റെ ഉപാപചയ "ചലന ലക്ഷ്യം" തടസ്സപ്പെടുത്താനുള്ള സാധ്യത സൃഷ്ടിക്കുന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, സസ്യഭുക്കുകളുടെ ആക്രമണത്തിനുശേഷം സംഭവിക്കുന്ന ഉപാപചയ പുനർനിർമ്മാണത്തെക്കുറിച്ച് ഈ രണ്ട് സിദ്ധാന്തങ്ങളും വിപരീത പ്രവചനങ്ങൾ നടത്തുന്നു: പ്രതിരോധ പ്രവർത്തനമുള്ള (OD) മെറ്റബോളൈറ്റുകളുടെ ഏകദിശാ ശേഖരണവും നേർരേഖയില്ലാത്ത ഉപാപചയ മാറ്റങ്ങളും (MT) തമ്മിലുള്ള ബന്ധം (11).
മെറ്റബോളോമിലെ പ്രേരിത മാറ്റങ്ങൾ മാത്രമല്ല, ഒരു പ്രത്യേക പാരിസ്ഥിതിക പരിതസ്ഥിതിയിലെ ഈ മെറ്റബോളിക് മാറ്റങ്ങളുടെ അഡാപ്റ്റീവ് ചെലവുകളും നേട്ടങ്ങളും പോലുള്ള ഈ മെറ്റബോളിറ്റുകളുടെ ശേഖരണത്തിന്റെ പാരിസ്ഥിതികവും പരിണാമപരവുമായ അനന്തരഫലങ്ങളും OD, MT സിദ്ധാന്തങ്ങളിൽ ഉൾപ്പെടുന്നു (16). രണ്ട് സിദ്ധാന്തങ്ങളും പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ പ്രതിരോധ പ്രവർത്തനത്തെ തിരിച്ചറിയുന്നുണ്ടെങ്കിലും, അത് ചെലവേറിയതായിരിക്കാം അല്ലെങ്കിൽ ചെലവേറിയതല്ലായിരിക്കാം, OD, MT സിദ്ധാന്തങ്ങളെ വേർതിരിക്കുന്ന പ്രധാന പ്രവചനം പ്രേരിത മെറ്റബോളിക് മാറ്റങ്ങളുടെ ദിശാസൂചനയിലാണ്. ഇതുവരെ ഏറ്റവും കൂടുതൽ പരീക്ഷണാത്മക ശ്രദ്ധ നേടിയത് OD സിദ്ധാന്തത്തിന്റെ പ്രവചനമാണ്. ഹരിതഗൃഹങ്ങളിലെയും സ്വാഭാവിക സാഹചര്യങ്ങളിലെയും നിർദ്ദിഷ്ട സംയുക്തങ്ങളുടെ വ്യത്യസ്ത ടിഷ്യൂകളുടെ നേരിട്ടുള്ളതോ പരോക്ഷമോ ആയ പ്രതിരോധ പ്രവർത്തനങ്ങളെക്കുറിച്ചുള്ള പഠനവും സസ്യ വികസന ഘട്ടത്തിലെ മാറ്റങ്ങളും ഈ പരിശോധനകളിൽ ഉൾപ്പെടുന്നു (17-19). എന്നിരുന്നാലും, ഇതുവരെ, ഏതെങ്കിലും ജീവിയുടെ ഉപാപചയ വൈവിധ്യത്തിന്റെ ആഗോള സമഗ്ര വിശകലനത്തിനുള്ള ഒരു വർക്ക്ഫ്ലോയുടെയും സ്റ്റാറ്റിസ്റ്റിക്കൽ ചട്ടക്കൂടിന്റെയും അഭാവം കാരണം, രണ്ട് സിദ്ധാന്തങ്ങൾ തമ്മിലുള്ള പ്രധാന വ്യത്യാസ പ്രവചനം (അതായത്, ഉപാപചയ മാറ്റങ്ങളുടെ ദിശ) പരീക്ഷിക്കപ്പെടേണ്ടതുണ്ട്. ഇവിടെ, ഞങ്ങൾ അത്തരമൊരു വിശകലനം നൽകുന്നു.
സസ്യ-നിർദ്ദിഷ്ട മെറ്റബോളിറ്റുകളുടെ ഏറ്റവും പ്രധാനപ്പെട്ട സ്വഭാവങ്ങളിലൊന്ന് ഒറ്റ സസ്യങ്ങൾ, ജനസംഖ്യ മുതൽ സമാന ജീവിവർഗങ്ങൾ വരെയുള്ള എല്ലാ തലങ്ങളിലുമുള്ള അവയുടെ അങ്ങേയറ്റത്തെ ഘടനാപരമായ വൈവിധ്യമാണ് (20). ജനസംഖ്യാ തലത്തിൽ പ്രത്യേക മെറ്റബോളിറ്റുകളിൽ നിരവധി അളവ് മാറ്റങ്ങൾ കാണാൻ കഴിയും, അതേസമയം ശക്തമായ ഗുണപരമായ വ്യത്യാസങ്ങൾ സാധാരണയായി സ്പീഷീസ് തലത്തിൽ നിലനിർത്തുന്നു (20). അതിനാൽ, സസ്യ ഉപാപചയ വൈവിധ്യമാണ് പ്രവർത്തന വൈവിധ്യത്തിന്റെ പ്രധാന വശം, ഇത് വ്യത്യസ്ത ഇടങ്ങളിലേക്കുള്ള പൊരുത്തപ്പെടുത്തലിനെ പ്രതിഫലിപ്പിക്കുന്നു, പ്രത്യേകിച്ച് പ്രത്യേക പ്രാണികളുടെയും സാധാരണ സസ്യഭുക്കുകളുടെയും വ്യത്യസ്ത അധിനിവേശ സാധ്യതകളുള്ള ഇടങ്ങളിലേക്കുള്ള പൊരുത്തപ്പെടുത്തലിനെ പ്രതിഫലിപ്പിക്കുന്നു (21). സസ്യ-നിർദ്ദിഷ്ട മെറ്റബോളിറ്റുകളുടെ നിലനിൽപ്പിനുള്ള കാരണങ്ങളെക്കുറിച്ചുള്ള ഫ്രാങ്കലിന്റെ (22) വിപ്ലവകരമായ ലേഖനം മുതൽ, വിവിധ പ്രാണികളുമായുള്ള ഇടപെടലുകൾ പ്രധാനപ്പെട്ട തിരഞ്ഞെടുപ്പ് സമ്മർദ്ദങ്ങളായി കണക്കാക്കപ്പെടുന്നു, കൂടാതെ ഈ ഇടപെടലുകൾ പരിണാമ സമയത്ത് സസ്യങ്ങളെ രൂപപ്പെടുത്തിയതായി വിശ്വസിക്കപ്പെടുന്നു. ഉപാപചയ പാത (23). പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ വൈവിധ്യത്തിലെ ഇന്റർസ്‌പീഷീസ് വ്യത്യാസങ്ങൾ സസ്യഭുക്കുകളുടെ തന്ത്രങ്ങൾക്കെതിരായ ഘടനാപരവും പ്രേരകവുമായ സസ്യ പ്രതിരോധവുമായി ബന്ധപ്പെട്ട ഫിസിയോളജിക്കൽ സന്തുലിതാവസ്ഥയെയും പ്രതിഫലിപ്പിച്ചേക്കാം, കാരണം രണ്ട് ജീവിവർഗങ്ങളും പലപ്പോഴും പരസ്പരം നെഗറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു (24). എല്ലായ്‌പ്പോഴും നല്ല പ്രതിരോധം നിലനിർത്തുന്നത് ഗുണകരമാകുമെങ്കിലും, പ്രതിരോധവുമായി ബന്ധപ്പെട്ട സമയബന്ധിതമായ ഉപാപചയ മാറ്റങ്ങൾ സസ്യങ്ങളെ മറ്റ് ശാരീരിക നിക്ഷേപങ്ങൾക്ക് വിലപ്പെട്ട വിഭവങ്ങൾ അനുവദിക്കാൻ അനുവദിക്കുന്നതിൽ വ്യക്തമായ നേട്ടങ്ങൾ നൽകുന്നു (19, 24), കൂടാതെ സഹവർത്തിത്വത്തിന്റെ ആവശ്യകത ഒഴിവാക്കുകയും ചെയ്യുന്നു. കൊളാറ്ററൽ നാശം (25). കൂടാതെ, പ്രാണികളുടെ സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ ഈ പുനഃസംഘടന ജനസംഖ്യയിൽ വിനാശകരമായ വിതരണത്തിലേക്ക് നയിച്ചേക്കാം (26), കൂടാതെ ജനസംഖ്യയിൽ നിലനിർത്താൻ കഴിയുന്ന ജാസ്മോണിക് ആസിഡ് (JA) സിഗ്നലിലെ ഗണ്യമായ സ്വാഭാവിക മാറ്റങ്ങളുടെ നേരിട്ടുള്ള വായനകളെ പ്രതിഫലിപ്പിച്ചേക്കാം. ഉയർന്നതും താഴ്ന്നതുമായ JA സിഗ്നലുകൾ സസ്യഭുക്കുകൾക്കെതിരായ പ്രതിരോധത്തിനും നിർദ്ദിഷ്ട ജീവിവർഗങ്ങളുമായുള്ള മത്സരത്തിനും ഇടയിലുള്ള ട്രേഡ്-ഓഫുകളാണ് (27). കൂടാതെ, പരിണാമ സമയത്ത് പ്രത്യേക മെറ്റബോളൈറ്റ് ബയോസിന്തറ്റിക് പാതകൾ ദ്രുതഗതിയിലുള്ള നഷ്ടത്തിനും പരിവർത്തനത്തിനും വിധേയമാകും, ഇത് അടുത്ത ബന്ധമുള്ള ജീവിവർഗങ്ങൾക്കിടയിൽ പാച്ചിൽ മെറ്റബോളിക് വിതരണത്തിന് കാരണമാകും (28). മാറുന്ന സസ്യഭുക്കുകളുടെ പാറ്റേണുകൾക്ക് മറുപടിയായി ഈ പോളിമോർഫിസങ്ങൾ വേഗത്തിൽ സ്ഥാപിക്കാൻ കഴിയും (29), അതായത് സസ്യഭുക്ക സമൂഹങ്ങളുടെ ഏറ്റക്കുറച്ചിലുകൾ ഉപാപചയ വൈവിധ്യത്തെ നയിക്കുന്ന ഒരു പ്രധാന ഘടകമാണ്.
ഇവിടെ, ഞങ്ങൾ പ്രത്യേകമായി താഴെപ്പറയുന്ന പ്രശ്നങ്ങൾ പരിഹരിച്ചു. (I) സസ്യഭുക്കായ പ്രാണികൾ സസ്യ മെറ്റബോളോമിനെ എങ്ങനെ പുനഃക്രമീകരിക്കുന്നു? (Ii) ദീർഘകാല പ്രതിരോധ സിദ്ധാന്തത്തിന്റെ പ്രവചനങ്ങൾ പരിശോധിക്കുന്നതിനായി അളക്കാൻ കഴിയുന്ന മെറ്റബോളിക് പ്ലാസ്റ്റിറ്റിയുടെ പ്രധാന വിവര ഘടകങ്ങൾ ഏതൊക്കെയാണ്? (Iii) ആക്രമണകാരിക്ക് മാത്രമുള്ള രീതിയിൽ സസ്യ മെറ്റബോളോമിനെ പുനഃക്രമീകരിക്കണോ, അങ്ങനെയെങ്കിൽ, ഒരു പ്രത്യേക മെറ്റബോളിക് പ്രതികരണം രൂപപ്പെടുത്തുന്നതിൽ സസ്യ ഹോർമോൺ എന്ത് പങ്കാണ് വഹിക്കുന്നത്, പ്രതിരോധത്തിന്റെ സ്പീഷിസ് പ്രത്യേകതയ്ക്ക് ഏതൊക്കെ മെറ്റബോളിറ്റുകളാണ് സംഭാവന നൽകുന്നത്? (Iv) പല പ്രതിരോധ സിദ്ധാന്തങ്ങളും നടത്തുന്ന പ്രവചനങ്ങൾ എല്ലാ തലങ്ങളിലുമുള്ള ജൈവ കലകളിലും വ്യാപിപ്പിക്കാൻ കഴിയുമെന്നതിനാൽ, ആന്തരിക താരതമ്യത്തിൽ നിന്ന് ഇന്റർസ്പീഷീസ് താരതമ്യത്തിലേക്ക് ഉണ്ടാകുന്ന മെറ്റബോളിക് പ്രതികരണം എത്രത്തോളം സ്ഥിരതയുള്ളതാണെന്ന് ഞങ്ങൾ ചോദിച്ചു? ഇതിനായി, പുകയില നിക്കോട്ടിന്റെ ഇല മെറ്റബോളോമിനെക്കുറിച്ച് ഞങ്ങൾ വ്യവസ്ഥാപിതമായി പഠിച്ചു, ഇത് സമ്പന്നമായ പ്രത്യേക മെറ്റബോളിസമുള്ള ഒരു പാരിസ്ഥിതിക മാതൃകാ സസ്യമാണ്, കൂടാതെ രണ്ട് തദ്ദേശീയ സസ്യഭുക്കുകളായ ലെപിഡോപ്റ്റെറ ഡാറ്റുറ (Ms) (വളരെ ആക്രമണാത്മകമാണ്, പ്രധാനമായും കഴിക്കുന്നത്) എന്നിവയുടെ ലാർവകൾക്കെതിരെ ഫലപ്രദമാണ്. സോളനേസിയിലും സ്പോഡോപ്റ്റെറ ലിറ്റോറാലിസ് (Sl) ലും, പരുത്തി ഇലപ്പുഴുക്കൾ ഒരുതരം "ജനുസ്സാണ്", സോളനേസിയുടെ ആതിഥേയ സസ്യങ്ങളും മറ്റ് ജനുസ്സുകളുടെയും കുടുംബങ്ങളുടെയും മറ്റ് ആതിഥേയ സസ്യഭക്ഷണവുമാണ്. OD, MT സിദ്ധാന്തങ്ങൾ താരതമ്യം ചെയ്യുന്നതിനായി ഞങ്ങൾ MS/MS മെറ്റബോളോമിക്സ് സ്പെക്ട്രം പാഴ്‌സ് ചെയ്യുകയും വിവര സിദ്ധാന്ത സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡിസ്ക്രിപ്റ്ററുകൾ വേർതിരിച്ചെടുക്കുകയും ചെയ്തു. പ്രധാന മെറ്റബോളിറ്റുകളുടെ ഐഡന്റിറ്റി വെളിപ്പെടുത്തുന്നതിന് സ്പെസിഫിസിറ്റി മാപ്പുകൾ സൃഷ്ടിക്കുക. സസ്യ ഹോർമോൺ സിഗ്നലിംഗും OD ഇൻഡക്ഷനും തമ്മിലുള്ള സഹവേഗത കൂടുതൽ വിശകലനം ചെയ്യുന്നതിനായി എൻ. നാസിയുടെയും അടുത്ത ബന്ധമുള്ള പുകയില ഇനങ്ങളുടെയും തദ്ദേശീയ ജനസംഖ്യയിലേക്ക് വിശകലനം വ്യാപിപ്പിച്ചു.
സസ്യഭുക്കായ പുകയിലയുടെ ഇല മെറ്റബോളോമിന്റെ പ്ലാസ്റ്റിസിറ്റിയെയും ഘടനയെയും കുറിച്ചുള്ള ഒരു മൊത്തത്തിലുള്ള ഭൂപടം പകർത്തുന്നതിനായി, സസ്യ സത്തകളിൽ നിന്ന് ഉയർന്ന റെസല്യൂഷൻ ഡാറ്റ സ്വതന്ത്രമായ MS/MS സ്പെക്ട്രയെ സമഗ്രമായി ശേഖരിക്കുന്നതിനും ഡീകൺവോൾട്ട് ചെയ്യുന്നതിനും ഞങ്ങൾ മുമ്പ് വികസിപ്പിച്ച വിശകലനവും കണക്കുകൂട്ടൽ വർക്ക്ഫ്ലോയും ഉപയോഗിച്ചു (9). ഈ വ്യത്യസ്തമല്ലാത്ത രീതി (MS/MS എന്ന് വിളിക്കുന്നു) അനാവശ്യമല്ലാത്ത സംയുക്ത സ്പെക്ട്രയെ നിർമ്മിക്കാൻ കഴിയും, തുടർന്ന് ഇവിടെ വിവരിച്ചിരിക്കുന്ന എല്ലാ സംയുക്ത-തല വിശകലനങ്ങൾക്കും ഇത് ഉപയോഗിക്കാം. ഈ ഡീകൺവോൾട്ട് ചെയ്ത സസ്യ മെറ്റബോളൈറ്റുകൾ വിവിധ തരത്തിലാണ്, അവയിൽ നൂറുകണക്കിന് മുതൽ ആയിരക്കണക്കിന് വരെ മെറ്റബോളൈറ്റുകൾ അടങ്ങിയിരിക്കുന്നു (ഇവിടെ ഏകദേശം 500-1000-s/MS/MS). ഇവിടെ, വിവര സിദ്ധാന്തത്തിന്റെ ചട്ടക്കൂടിൽ മെറ്റബോളിക് പ്ലാസ്റ്റിസിറ്റി ഞങ്ങൾ പരിഗണിക്കുന്നു, കൂടാതെ മെറ്റബോളിക് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷന്റെ ഷാനൺ എൻട്രോപ്പിയെ അടിസ്ഥാനമാക്കി മെറ്റബോളോമിന്റെ വൈവിധ്യവും പ്രൊഫഷണലിസവും അളക്കുന്നു. മുമ്പ് നടപ്പിലാക്കിയ ഫോർമുല (8) ഉപയോഗിച്ച്, മെറ്റബോളിക് വൈവിധ്യം (Hj സൂചകം), മെറ്റബോളിക് പ്രൊഫൈൽ സ്പെഷ്യലൈസേഷൻ (δj സൂചകം), ഒരൊറ്റ മെറ്റബോളൈറ്റിന്റെ (Si സൂചകം) മെറ്റബോളിക് സ്പെസിഫിസിറ്റി എന്നിവ അളക്കാൻ ഉപയോഗിക്കാവുന്ന ഒരു കൂട്ടം സൂചകങ്ങൾ ഞങ്ങൾ കണക്കാക്കി. കൂടാതെ, സസ്യഭുക്കുകളുടെ മെറ്റബോളോം ഇൻഡക്‌സിബിലിറ്റി അളക്കുന്നതിനായി ഞങ്ങൾ ആപേക്ഷിക ദൂര പ്ലാസ്റ്റിറ്റി സൂചിക (RDPI) പ്രയോഗിച്ചു (ചിത്രം 1A) (30). ഈ സ്ഥിതിവിവരക്കണക്ക് ചട്ടക്കൂടിനുള്ളിൽ, ഞങ്ങൾ MS/MS സ്പെക്ട്രത്തെ അടിസ്ഥാന വിവര യൂണിറ്റായി കണക്കാക്കുകയും MS/MS ന്റെ ആപേക്ഷിക സമൃദ്ധിയെ ഒരു ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ മാപ്പിലേക്ക് പ്രോസസ്സ് ചെയ്യുകയും തുടർന്ന് അതിൽ നിന്ന് മെറ്റബോളോം വൈവിധ്യം കണക്കാക്കാൻ ഷാനൺ എൻട്രോപ്പി ഉപയോഗിക്കുകയും ചെയ്യുന്നു. മെറ്റബോളോം സ്പെക്ട്രത്തെ അളക്കുന്നത് ഒരൊറ്റ MS/MS സ്പെക്ട്രത്തിന്റെ ശരാശരി സ്പെസിഫിസിറ്റി ഉപയോഗിച്ചാണ്. അതിനാൽ, സസ്യഭുക്കുകളുടെ ഇൻഡക്ഷനുശേഷം ചില MS/MS ക്ലാസുകളുടെ സമൃദ്ധിയിലെ വർദ്ധനവ് സ്പെക്ട്രൽ ഇൻഡക്‌സിബിലിറ്റി, RDPI, സ്പെഷ്യലൈസേഷൻ എന്നിവയായി രൂപാന്തരപ്പെടുന്നു, അതായത്, δj സൂചികയിലെ വർദ്ധനവ്, കാരണം കൂടുതൽ സ്പെഷ്യലൈസ്ഡ് മെറ്റബോളൈറ്റുകൾ ഉൽപ്പാദിപ്പിക്കപ്പെടുകയും ഉയർന്ന Si സൂചിക ഉൽപ്പാദിപ്പിക്കപ്പെടുകയും ചെയ്യുന്നു. Hj വൈവിധ്യ സൂചികയുടെ കുറവ് പ്രതിഫലിപ്പിക്കുന്നത്, ജനറേറ്റ് ചെയ്ത MS/MS ന്റെ എണ്ണം കുറയുന്നു, അല്ലെങ്കിൽ പ്രൊഫൈൽ ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ കുറഞ്ഞ ഏകീകൃത ദിശയിൽ മാറുന്നു, അതേസമയം അതിന്റെ മൊത്തത്തിലുള്ള അനിശ്ചിതത്വം കുറയ്ക്കുന്നു. Si സൂചിക കണക്കുകൂട്ടലിലൂടെ, ചില സസ്യഭുക്കുകളാൽ ഏതൊക്കെ MS/MS ആണ് പ്രേരിതമാകുന്നതെന്ന് ഹൈലൈറ്റ് ചെയ്യാൻ കഴിയും, നേരെമറിച്ച്, ഏത് MS/MS ആണ് പ്രേരണയോട് പ്രതികരിക്കാത്തത്, ഇത് MT, OD പ്രവചനത്തെ വേർതിരിച്ചറിയുന്നതിനുള്ള ഒരു പ്രധാന സൂചകമാണ്.
(എ) സസ്യഭുക്കുകളുടെ (H1 മുതൽ Hx വരെ) MS/MS ഡാറ്റ-ഇൻഡ്യൂസിബിലിറ്റി (RDPI), വൈവിധ്യം (Hj സൂചിക), സ്പെഷ്യലൈസേഷൻ (δj സൂചിക), മെറ്റബോളൈറ്റ് സ്പെസിഫിസിറ്റി (Si സൂചിക) എന്നിവയ്ക്കായി ഉപയോഗിക്കുന്ന സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡിസ്ക്രിപ്റ്ററുകൾ. സ്പെഷ്യലൈസേഷന്റെ (δj) അളവിലുള്ള വർദ്ധനവ് സൂചിപ്പിക്കുന്നത്, ശരാശരി, കൂടുതൽ സസ്യഭുക്കുകളുടെ നിർദ്ദിഷ്ട മെറ്റബോളിറ്റുകൾ ഉത്പാദിപ്പിക്കപ്പെടുമെന്നാണ്, അതേസമയം വൈവിധ്യത്തിലെ കുറവ് (Hj) മെറ്റബോളൈറ്റുകളുടെ ഉൽപാദനത്തിലെ കുറവിനെയോ വിതരണ ഭൂപടത്തിലെ മെറ്റബോളൈറ്റുകളുടെ അസമമായ വിതരണത്തെയോ സൂചിപ്പിക്കുന്നു. മെറ്റബോളൈറ്റ് ഒരു നിശ്ചിത അവസ്ഥയ്ക്ക് (ഇവിടെ, സസ്യഭുക്കുകൾക്ക്) പ്രത്യേകമാണോ അതോ അതേ തലത്തിൽ തന്നെ നിലനിർത്തുന്നുണ്ടോ എന്ന് Si മൂല്യം വിലയിരുത്തുന്നു. (ബി) വിവര സിദ്ധാന്ത അച്ചുതണ്ട് ഉപയോഗിച്ച് പ്രതിരോധ സിദ്ധാന്ത പ്രവചനത്തിന്റെ ആശയപരമായ ഡയഗ്രം. സസ്യഭുക്കുകളുടെ ആക്രമണം പ്രതിരോധ മെറ്റബോളിറ്റുകളെ വർദ്ധിപ്പിക്കുമെന്നും അതുവഴി δj വർദ്ധിപ്പിക്കുമെന്നും OD സിദ്ധാന്തം പ്രവചിക്കുന്നു. അതേസമയം, ഉപാപചയ വിവരങ്ങളുടെ കുറഞ്ഞ അനിശ്ചിതത്വത്തിലേക്ക് പ്രൊഫൈൽ പുനഃക്രമീകരിക്കപ്പെടുന്നതിനാൽ Hj കുറയുന്നു. സസ്യഭുക്കുകളുടെ ആക്രമണം മെറ്റബോളോമിൽ ദിശാബോധമില്ലാത്ത മാറ്റങ്ങൾക്ക് കാരണമാകുമെന്നും അതുവഴി മെറ്റബോളിക് വിവരങ്ങളുടെ അനിശ്ചിതത്വത്തിന്റെ സൂചകമായി Hj വർദ്ധിപ്പിക്കുമെന്നും Si യുടെ ക്രമരഹിതമായ വിതരണത്തിന് കാരണമാകുമെന്നും MT സിദ്ധാന്തം പ്രവചിക്കുന്നു. ഉയർന്ന പ്രതിരോധ മൂല്യങ്ങളുള്ള ചില മെറ്റബോളിറ്റുകൾ പ്രത്യേകിച്ച് വർദ്ധിക്കുന്ന (ഉയർന്ന Si മൂല്യം), മറ്റുള്ളവ ക്രമരഹിതമായ പ്രതികരണങ്ങൾ (താഴ്ന്ന Si മൂല്യം) പ്രകടിപ്പിക്കുന്ന മികച്ച MT എന്ന ഒരു മിശ്രിത മാതൃകയും ഞങ്ങൾ നിർദ്ദേശിച്ചു.
വിവര സിദ്ധാന്ത വിവരണങ്ങൾ ഉപയോഗിച്ച്, സസ്യഭുക്കുകളാൽ പ്രേരിതമായ പ്രത്യേക മെറ്റാബോലൈറ്റ് മാറ്റങ്ങൾ ഒരു പ്രേരണയില്ലാത്ത ഘടനാപരമായ അവസ്ഥയിൽ (i) മെറ്റബോളിക് സ്പെസിഫിസിറ്റിയിലെ വർദ്ധനവ് (Si സൂചിക) മെറ്റബോളിക് സ്പെസിഫിസിറ്റി (δj സൂചിക) വർദ്ധിപ്പിക്കുന്നതിലേക്ക് നയിക്കുമെന്ന് പ്രവചിക്കാൻ ഞങ്ങൾ OD സിദ്ധാന്തത്തെ വ്യാഖ്യാനിക്കുന്നു. ഉയർന്ന പ്രതിരോധ മൂല്യമുള്ള ചില പ്രത്യേക മെറ്റാബോലൈറ്റ് ഗ്രൂപ്പുകളുടെ വർദ്ധനവ്, (ii) കൂടുതൽ ലെപ്റ്റിൻ ബോഡി ഡിസ്ട്രിബ്യൂഷനിലേക്കുള്ള മെറ്റബോളിക് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷന്റെ മാറ്റം കാരണം മെറ്റബോളോം വൈവിധ്യത്തിന്റെ കുറവ് (Hj സൂചിക). ഒരൊറ്റ മെറ്റാബോലൈറ്റിന്റെ തലത്തിൽ, ഒരു ഓർഡർ ചെയ്ത Si ഡിസ്ട്രിബ്യൂഷൻ പ്രതീക്ഷിക്കുന്നു, അവിടെ മെറ്റാബോലൈറ്റ് അതിന്റെ പ്രതിരോധ മൂല്യത്തിനനുസരിച്ച് Si മൂല്യം വർദ്ധിപ്പിക്കും (ചിത്രം 1B). ഈ രീതിയിൽ, ഉത്തേജനം (i) മെറ്റബോളൈറ്റുകളിൽ ദിശാബോധമില്ലാത്ത മാറ്റങ്ങൾക്ക് കാരണമാകുമെന്നും (ii) മെറ്റബോളിക് അനിശ്ചിതത്വത്തിലെ വർദ്ധനവ് കാരണം Hj സൂചികയിലെ വർദ്ധനവ് ഉണ്ടാകുമെന്നും പ്രവചിക്കാൻ ഞങ്ങൾ MT സിദ്ധാന്തം വിശദീകരിക്കുന്നു. അല്ലെങ്കിൽ ക്രമരഹിതത, ഇത് സാമാന്യവൽക്കരിച്ച വൈവിധ്യത്തിന്റെ രൂപത്തിൽ ഷാനൺ എൻട്രോപ്പി ഉപയോഗിച്ച് കണക്കാക്കാം. ഉപാപചയ ഘടനയെ സംബന്ധിച്ചിടത്തോളം, MT സിദ്ധാന്തം Si യുടെ ക്രമരഹിതമായ ഡിസ്ട്രിബ്യൂഷൻ പ്രവചിക്കും. ചില മെറ്റബോളിറ്റുകൾ നിർദ്ദിഷ്ട സാഹചര്യങ്ങളിൽ പ്രത്യേക സാഹചര്യങ്ങളിലാണ് എന്നതും, മറ്റ് സാഹചര്യങ്ങൾ നിർദ്ദിഷ്ട സാഹചര്യങ്ങളിലല്ല എന്നതും, അവയുടെ പ്രതിരോധ മൂല്യം പരിസ്ഥിതിയെ ആശ്രയിച്ചിരിക്കുന്നുവെന്നതും കണക്കിലെടുത്ത്, ഞങ്ങൾ ഒരു മിക്സഡ് ഡിഫൻസ് മോഡലും നിർദ്ദേശിച്ചു, അതിൽ δj ഉം Hj ഉം എല്ലാ ദിശകളിലേക്കും Si വർദ്ധനവിനൊപ്പം രണ്ടായി വിതരണം ചെയ്യപ്പെടുന്നു, ഉയർന്ന പ്രതിരോധ മൂല്യങ്ങളുള്ള ചില മെറ്റബോളിറ്റ് ഗ്രൂപ്പുകൾ മാത്രമേ പ്രത്യേകിച്ച് Si വർദ്ധിപ്പിക്കുകയുള്ളൂ, മറ്റുള്ളവയ്ക്ക് ക്രമരഹിതമായ വിതരണമുണ്ടാകും (ചിത്രം 1B).
ഇൻഫർമേഷൻ തിയറി ഡിസ്ക്രിപ്റ്ററിന്റെ അച്ചുതണ്ടിൽ പുനർനിർവചിക്കപ്പെട്ട പ്രതിരോധ സിദ്ധാന്ത പ്രവചനം പരീക്ഷിക്കുന്നതിനായി, നെപെന്തസ് പല്ലൻസിന്റെ ഇലകളിൽ വിദഗ്ദ്ധ (Ms) അല്ലെങ്കിൽ സാമാന്യവാദി (Sl) സസ്യഭുക്ക ലാർവകളെ ഞങ്ങൾ വളർത്തി (ചിത്രം 2A). MS/MS വിശകലനം ഉപയോഗിച്ച്, കാറ്റർപില്ലർ തീറ്റയ്ക്ക് ശേഷം ശേഖരിച്ച ഇല ടിഷ്യുവിന്റെ മെഥനോൾ സത്തിൽ നിന്ന് 599 അനാവശ്യമായ MS/MS സ്പെക്ട്ര (ഡാറ്റ ഫയൽ S1) ഞങ്ങൾ വീണ്ടെടുത്തു. MS/MS കോൺഫിഗറേഷൻ ഫയലുകളിലെ വിവര ഉള്ളടക്കത്തിന്റെ പുനഃക്രമീകരണം ദൃശ്യവൽക്കരിക്കുന്നതിന് RDPI, Hj, δj സൂചികകൾ ഉപയോഗിക്കുന്നത് രസകരമായ പാറ്റേണുകൾ വെളിപ്പെടുത്തുന്നു (ചിത്രം 2B). മൊത്തത്തിലുള്ള പ്രവണത, ഇൻഫർമേഷൻ ഡിസ്ക്രിപ്റ്റർ വിവരിച്ചതുപോലെ, കാറ്റർപില്ലറുകൾ ഇലകൾ കഴിക്കുന്നത് തുടരുമ്പോൾ, എല്ലാ ഉപാപചയ പുനഃസംഘടനയുടെയും അളവ് കാലക്രമേണ വർദ്ധിക്കുന്നു എന്നതാണ്: സസ്യഭുക്ക് കഴിച്ച് 72 മണിക്കൂർ കഴിഞ്ഞ്, RDPI ഗണ്യമായി വർദ്ധിക്കുന്നു. കേടുപാടുകൾ കൂടാതെയുള്ള നിയന്ത്രണവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, Hj ഗണ്യമായി കുറഞ്ഞു, ഇത് δj സൂചികയാൽ കണക്കാക്കിയ മെറ്റബോളിക് പ്രൊഫൈലിന്റെ സ്പെഷ്യലൈസേഷന്റെ വർദ്ധിച്ച അളവ് മൂലമാണ്. ഈ പ്രത്യക്ഷ പ്രവണത OD സിദ്ധാന്തത്തിന്റെ പ്രവചനങ്ങളുമായി പൊരുത്തപ്പെടുന്നു, പക്ഷേ MT സിദ്ധാന്തത്തിന്റെ പ്രധാന പ്രവചനങ്ങളുമായി പൊരുത്തപ്പെടുന്നില്ല, കാരണം മെറ്റബോളൈറ്റ് ലെവലുകളിലെ ക്രമരഹിതമായ (ദിശാസൂചനയില്ലാത്ത) മാറ്റങ്ങൾ ഒരു പ്രതിരോധ മറവിയായി ഉപയോഗിക്കുന്നുവെന്ന് അവർ വിശ്വസിക്കുന്നു (ചിത്രം 1B). ഈ രണ്ട് സസ്യഭുക്കുകളുടെയും വാക്കാലുള്ള സ്രവണം (OS) എലിസിറ്റർ ഉള്ളടക്കവും തീറ്റ സ്വഭാവവും വ്യത്യസ്തമാണെങ്കിലും, 24 മണിക്കൂറും 72 മണിക്കൂറും വിളവെടുപ്പ് കാലയളവിൽ ഇവ നേരിട്ട് ഭക്ഷണം നൽകുന്നത് Hj, δj എന്നിവയുടെ ദിശകളിൽ സമാനമായ മാറ്റങ്ങൾക്ക് കാരണമായി. RDPI യുടെ 72 മണിക്കൂറിൽ മാത്രമാണ് വ്യത്യാസം ഉണ്ടായത്. Ms ഫീഡിംഗ് മൂലമുണ്ടായതിനേക്കാൾ, Sl ഫീഡിംഗ് മൂലമുണ്ടാകുന്ന മൊത്തത്തിലുള്ള മെറ്റബോളിസം കൂടുതലായിരുന്നു.
(എ) പരീക്ഷണാത്മക രൂപകൽപ്പന: സാധാരണ പന്നി (S1) അല്ലെങ്കിൽ വിദഗ്ദ്ധ (Ms) സസ്യഭുക്കുകൾക്ക് പിച്ചർ സസ്യങ്ങളുടെ ഡീസലിനേറ്റഡ് ഇലകൾ നൽകുന്നു, അതേസമയം സിമുലേറ്റഡ് സസ്യഭുക്കുകൾക്ക്, സ്റ്റാൻഡേർഡ് ഇല സ്ഥാനങ്ങളുടെ മുറിവിന്റെ പഞ്ചർ കൈകാര്യം ചെയ്യാൻ Ms (W + OSMs) ന്റെ OS ഉപയോഗിക്കുന്നു. S1 (W + OSSl) ലാർവകൾ അല്ലെങ്കിൽ വെള്ളം (W + W). നിയന്ത്രണം (C) കേടുപാടുകൾ സംഭവിക്കാത്ത ഒരു ഇലയാണ്. (ബി) പ്രത്യേക മെറ്റാബോലൈറ്റ് മാപ്പിനായി കണക്കാക്കിയ ഇൻഡ്യൂസിബിലിറ്റി (കൺട്രോൾ ചാർട്ടുമായി താരതമ്യം ചെയ്യുമ്പോൾ RDPI), വൈവിധ്യം (Hj സൂചിക), സ്പെഷ്യലൈസേഷൻ (δj സൂചിക) സൂചിക (599 MS/MS; ഡാറ്റ ഫയൽ S1). നേരിട്ടുള്ള സസ്യഭുക്ക് തീറ്റയും നിയന്ത്രണ ഗ്രൂപ്പും തമ്മിലുള്ള കാര്യമായ വ്യത്യാസങ്ങൾ നക്ഷത്രചിഹ്നങ്ങൾ സൂചിപ്പിക്കുന്നു (ജോടിയാക്കിയ ടി-ടെസ്റ്റുള്ള വിദ്യാർത്ഥിയുടെ ടി-ടെസ്റ്റ്, *P<0.05 ഉം ***P<0.001 ഉം). ns, പ്രധാനമല്ല. (സി) സിമുലേറ്റഡ് സസ്യഭക്ഷണ ചികിത്സയ്ക്ക് ശേഷമുള്ള പ്രധാന (നീല ബോക്സ്, അമിനോ ആസിഡ്, ഓർഗാനിക് ആസിഡ്, പഞ്ചസാര; ഡാറ്റ ഫയൽ S2) ന്റെയും പ്രത്യേക മെറ്റാബോലൈറ്റ് സ്പെക്ട്രത്തിന്റെയും (ചുവപ്പ് ബോക്സ് 443 MS/MS; ഡാറ്റ ഫയൽ S1) സമയ റെസല്യൂഷൻ സൂചിക. കളർ ബാൻഡ് 95% കോൺഫിഡൻസ് ഇന്റർവെല്ലിനെ സൂചിപ്പിക്കുന്നു. ചികിത്സയും നിയന്ത്രണവും തമ്മിലുള്ള പ്രധാന വ്യത്യാസത്തെ നക്ഷത്രചിഹ്നം സൂചിപ്പിക്കുന്നു [ക്വഡ്രാറ്റിക് അനാലിസിസ് ഓഫ് വേരിയൻസ് (ANOVA), തുടർന്ന് പോസ്റ്റ് ഹോക്ക് മൾട്ടിപ്പിൾ താരതമ്യങ്ങൾക്കായുള്ള ടുക്കിയുടെ സത്യസന്ധമായ പ്രധാന വ്യത്യാസം (HSD), *P<0.05, **P<0.01 ഉം *** P <0.001 ഉം]. (D) സ്കാറ്റർ പ്ലോട്ടുകളുടെയും പ്രത്യേക മെറ്റാബോലൈറ്റ് പ്രൊഫൈലുകളുടെയും സ്പെഷ്യലൈസേഷൻ (വ്യത്യസ്ത ചികിത്സകളുള്ള ആവർത്തിച്ചുള്ള സാമ്പിളുകൾ).
മെറ്റബോളോം തലത്തിൽ സസ്യഭുക്കുകളാൽ പ്രേരിതമായ പുനർനിർമ്മാണം വ്യക്തിഗത മെറ്റബോളിറ്റുകളുടെ അളവിലുള്ള മാറ്റങ്ങളിൽ പ്രതിഫലിക്കുന്നുണ്ടോ എന്ന് പര്യവേക്ഷണം ചെയ്യാൻ, നെപെന്തസ് പല്ലൻസിന്റെ ഇലകളിൽ മുമ്പ് പഠിച്ചതും തെളിയിക്കപ്പെട്ട സസ്യഭുക്ക പ്രതിരോധശേഷിയുള്ളതുമായ മെറ്റബോളിറ്റുകളിൽ ഞങ്ങൾ ആദ്യം ശ്രദ്ധ കേന്ദ്രീകരിച്ചു. പ്രാണികളുടെ സസ്യഭുക്ക പ്രക്രിയയിൽ അടിഞ്ഞുകൂടുന്ന ഹൈഡ്രോക്സിസിന്നാമമൈഡ്-പോളിയാമൈൻ സംയോജനങ്ങളാണ് ഫിനോളിക് അമൈഡുകൾ, അവ പ്രാണികളുടെ പ്രകടനം കുറയ്ക്കുമെന്ന് അറിയപ്പെടുന്നു (32). അനുബന്ധ MS/MS ന്റെ മുൻഗാമികളെ ഞങ്ങൾ തിരഞ്ഞു, അവയുടെ സഞ്ചിത ചലനാത്മക വക്രങ്ങൾ പ്ലോട്ട് ചെയ്തു (ചിത്രം S1). അതിശയകരമെന്നു പറയട്ടെ, സസ്യഭുക്കുകൾക്കെതിരായ പ്രതിരോധത്തിൽ നേരിട്ട് ഉൾപ്പെടാത്ത ഫിനോൾ ഡെറിവേറ്റീവുകൾ, ഉദാഹരണത്തിന് ക്ലോറോജെനിക് ആസിഡ് (CGA), റൂട്ടിൻ എന്നിവ സസ്യഭുക്കുകൾക്ക് ശേഷം നിയന്ത്രിക്കപ്പെടുന്നില്ല. ഇതിനു വിപരീതമായി, സസ്യഭുക്കുകൾക്ക് ഫിനോൾ അമൈഡുകളെ വളരെ ശക്തമാക്കാൻ കഴിയും. രണ്ട് സസ്യഭുക്കുകളുടെയും തുടർച്ചയായ ഭക്ഷണം ഫിനോളമൈഡുകളുടെ ഏതാണ്ട് ഒരേ ആവേശ സ്പെക്ട്രത്തിന് കാരണമായി, കൂടാതെ ഫിനോളമൈഡുകളുടെ ഡി നോവോ സിന്തസിസിന് ഈ രീതി പ്രത്യേകിച്ചും വ്യക്തമായിരുന്നു. ഫലപ്രദമായ ആന്റി-ഹെർബിവോർ ഫംഗ്ഷനുകളുള്ള ധാരാളം അസൈക്ലിക് ഡൈറ്റെർപീനുകൾ ഉത്പാദിപ്പിക്കുന്ന 17-ഹൈഡ്രോക്സിജെറനൈൽ നോണനെഡിയോൾ ഡൈറ്റെർപീൻ ഗ്ലൈക്കോസൈഡുകൾ (17-HGL-DTGs) പാത പര്യവേക്ഷണം ചെയ്യുമ്പോഴും ഇതേ പ്രതിഭാസം നിരീക്ഷിക്കപ്പെടും (33), ഇതിൽ Ms ഫീഡിംഗ് വിത്ത് Sl സമാനമായ ഒരു എക്സ്പ്രഷൻ പ്രൊഫൈൽ ട്രിഗർ ചെയ്തു (ചിത്രം S1)).
സസ്യഭുക്കുകളുടെ ഇല ഉപഭോഗ നിരക്കിലും തീറ്റ സമയത്തിലുമുള്ള വ്യത്യാസമാണ് നേരിട്ടുള്ള സസ്യഭുക്കുകളുടെ സാധ്യമായ പോരായ്മ, ഇത് മുറിവുകളും സസ്യഭുക്കുകളും മൂലമുണ്ടാകുന്ന സസ്യഭുക്കുകൾക്ക് പ്രത്യേകമായ പ്രത്യാഘാതങ്ങൾ ഇല്ലാതാക്കുന്നത് ബുദ്ധിമുട്ടാക്കുന്നു. പ്രേരിത ഇല ഉപാപചയ പ്രതികരണത്തിന്റെ സസ്യഭുക്കുകളുടെ പ്രത്യേകത നന്നായി പരിഹരിക്കുന്നതിന്, സ്ഥിരമായ ഇല സ്ഥാനങ്ങളുടെ സ്റ്റാൻഡേർഡ് പഞ്ചർ W-ലേക്ക് പുതുതായി ശേഖരിച്ച OS (OSM, OSS1) ഉടനടി പ്രയോഗിച്ചുകൊണ്ട് ഞങ്ങൾ Ms, Sl ലാർവകളുടെ തീറ്റയെ അനുകരിച്ചു. ഈ നടപടിക്രമത്തെ W + OS ചികിത്സ എന്ന് വിളിക്കുന്നു, കൂടാതെ ടിഷ്യു നഷ്ടത്തിന്റെ നിരക്കിലോ അളവിലോ വ്യത്യാസങ്ങളുടെ ആശയക്കുഴപ്പമുണ്ടാക്കാതെ സസ്യഭുക്ക് ഉളവാക്കുന്ന പ്രതികരണത്തിന്റെ ആരംഭം കൃത്യമായി സമയബന്ധിതമായി സമയക്രമീകരിച്ചുകൊണ്ട് ഇത് ഇൻഡക്ഷനെ സ്റ്റാൻഡേർഡ് ചെയ്യുന്നു (ചിത്രം 2A) (34). MS/MS വിശകലനവും കണക്കുകൂട്ടൽ പൈപ്പ്‌ലൈനും ഉപയോഗിച്ച്, ഞങ്ങൾ 443 MS/MS സ്പെക്ട്ര (ഡാറ്റ ഫയൽ S1) വീണ്ടെടുത്തു, ഇത് നേരിട്ടുള്ള ഫീഡ് പരീക്ഷണങ്ങളിൽ നിന്ന് മുമ്പ് കൂട്ടിച്ചേർത്ത സ്പെക്ട്രയുമായി ഓവർലാപ്പ് ചെയ്തു. ഈ MS/MS ഡാറ്റ സെറ്റിന്റെ വിവര സിദ്ധാന്ത വിശകലനം കാണിക്കുന്നത് സസ്യഭുക്കുകളെ അനുകരിക്കുന്നതിലൂടെ ഇല-സ്പെഷ്യലൈസ്ഡ് മെറ്റബോളോമുകളുടെ റീപ്രോഗ്രാമിംഗ് OS-നിർദ്ദിഷ്ട പ്രേരണകൾ കാണിക്കുന്നുവെന്ന് (ചിത്രം 2C). പ്രത്യേകിച്ച്, OSS1 ചികിത്സയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, OSM 4 മണിക്കൂറിൽ മെറ്റബോളോം സ്പെഷ്യലൈസേഷന്റെ വർദ്ധനവിന് കാരണമായി. നേരിട്ടുള്ള സസ്യഭുക്കുകളുടെ ഭക്ഷണ പരീക്ഷണ ഡാറ്റാ സെറ്റുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, Hj, δj എന്നിവ കോർഡിനേറ്റുകളായി ഉപയോഗിച്ച് ദ്വിമാന സ്ഥലത്ത് ദൃശ്യവൽക്കരിച്ച മെറ്റബോളിക് ചലനാത്മകതയും കാലക്രമേണ സിമുലേറ്റഡ് സസ്യഭുക്കുകളുടെ ചികിത്സയ്ക്കുള്ള പ്രതികരണമായി മെറ്റബോളോം സ്പെഷ്യലൈസേഷന്റെ ദിശാസൂചനയും സ്ഥിരത വർദ്ധിപ്പിക്കുന്നു (ചിത്രം 2D). അതേസമയം, മെറ്റബോളോം വൈദഗ്ധ്യത്തിലെ ഈ ലക്ഷ്യം വച്ചുള്ള വർദ്ധനവ് സിമുലേറ്റഡ് സസ്യഭുക്കുകളോടുള്ള പ്രതികരണമായി കേന്ദ്ര കാർബൺ മെറ്റബോളിസത്തിന്റെ പുനഃക്രമീകരണം മൂലമാണോ എന്ന് അന്വേഷിക്കാൻ ഞങ്ങൾ അമിനോ ആസിഡുകൾ, ഓർഗാനിക് ആസിഡുകൾ, പഞ്ചസാരകൾ (ഡാറ്റ ഫയൽ S2) എന്നിവയുടെ ഉള്ളടക്കം അളന്നു (ചിത്രം S2). ഈ പാറ്റേൺ നന്നായി വിശദീകരിക്കുന്നതിന്, മുമ്പ് ചർച്ച ചെയ്ത ഫിനോലാമൈഡിന്റെയും 17-HGL-DTG പാതകളുടെയും മെറ്റബോളിക് ശേഖരണ ചലനാത്മകത ഞങ്ങൾ കൂടുതൽ നിരീക്ഷിച്ചു. സസ്യഭുക്കുകളുടെ OS-നിർദ്ദിഷ്ട ഇൻഡക്ഷൻ ഫിനോലാമൈഡ് മെറ്റബോളിസത്തിനുള്ളിൽ ഒരു ഡിഫറൻഷ്യൽ പുനഃക്രമീകരണ പാറ്റേണായി രൂപാന്തരപ്പെടുന്നു (ചിത്രം S3). കൊമറിൻ, കഫിയോയിൽ ഭാഗങ്ങൾ എന്നിവ അടങ്ങിയ ഫിനോളിക് അമൈഡുകൾ OSS1 ആണ് പ്രധാനമായും പ്രേരിപ്പിക്കുന്നത്, അതേസമയം OSM-കൾ ഫെറുലൈൽ കൺജഗേറ്റുകളുടെ ഒരു പ്രത്യേക ഇൻഡക്ഷൻ ട്രിഗർ ചെയ്യുന്നു. 17-HGL-DTG പാതയ്ക്കായി, ഡൌൺസ്ട്രീം മാലോണിലേഷൻ, ഡൈമലോണിലേഷൻ ഉൽപ്പന്നങ്ങൾ എന്നിവയിലൂടെയുള്ള ഡിഫറൻഷ്യൽ OS ഇൻഡക്ഷൻ കണ്ടെത്തി (ചിത്രം S3).
അടുത്തതായി, സസ്യഭുക്കുകളിലെ റോസറ്റ് സസ്യ ഇലകളുടെ ഇലകൾ ചികിത്സിക്കാൻ OSM-കളുടെ ഉപയോഗം അനുകരിക്കുന്ന ടൈം-കോഴ്‌സ് മൈക്രോഅറേ ഡാറ്റാ സെറ്റ് ഉപയോഗിച്ച് ഞങ്ങൾ OS-ഇൻഡ്യൂസ്ഡ് ട്രാൻസ്ക്രിപ്റ്റോം പ്ലാസ്റ്റിസിറ്റി പഠിച്ചു. സാമ്പിൾ ഗതികോർജ്ജം അടിസ്ഥാനപരമായി ഈ മെറ്റബോളോമിക്സ് പഠനത്തിൽ ഉപയോഗിക്കുന്ന ഗതികോർജ്ജവുമായി ഓവർലാപ്പ് ചെയ്യുന്നു (35). കാലക്രമേണ മെറ്റബോളിക് പ്ലാസ്റ്റിസിറ്റി വർദ്ധിക്കുന്ന മെറ്റബോളോം പുനഃക്രമീകരണവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, Ms പ്രേരിപ്പിച്ച ഇലകളിൽ ക്ഷണികമായ ട്രാൻസ്ക്രിപ്ഷൻ പൊട്ടിത്തെറിക്കുന്നത് ഞങ്ങൾ നിരീക്ഷിക്കുന്നു, ഇവിടെ ട്രാൻസ്ക്രിപ്റ്റോം ഇൻഡക്‌സിബിലിറ്റി (RDPI) ഉം സ്പെഷ്യലൈസേഷനും (δj) 1 ആണ്. മണിക്കൂറുകളിൽ ഗണ്യമായ വർദ്ധനവുണ്ടായി, ഈ സമയത്ത് വൈവിധ്യം (Hj), BMP1 ന്റെ പ്രകടനത്തിൽ ഗണ്യമായ കുറവ് വന്നു, തുടർന്ന് ട്രാൻസ്ക്രിപ്റ്റോം സ്പെഷ്യലൈസേഷന്റെ ഇളവ് (ചിത്രം S4). മുകളിൽ പറഞ്ഞ ആദ്യകാല ഹൈ-സ്പെഷ്യലൈസേഷൻ മോഡലിനെ പിന്തുടർന്ന്, പ്രാഥമിക മെറ്റബോളിസത്തിൽ നിന്ന് ഉരുത്തിരിഞ്ഞ ഘടനാപരമായ യൂണിറ്റുകളിൽ നിന്ന് പ്രത്യേക മെറ്റബോളൈറ്റുകളെ കൂട്ടിച്ചേർക്കുന്ന പ്രക്രിയയിൽ മെറ്റബോളിക് ജീൻ കുടുംബങ്ങൾ (P450, ഗ്ലൈക്കോസൈൽട്രാൻസ്ഫെറേസ്, BAHD അസൈൽട്രാൻസ്ഫെറേസ് പോലുള്ളവ) പങ്കെടുക്കുന്നു. ഒരു കേസ് പഠനമായി, ഫെനിലലാനൈൻ പാത വിശകലനം ചെയ്തു. ഫിനോലാമൈഡ് മെറ്റബോളിസത്തിലെ കോർ ജീനുകൾ ആകർഷിക്കപ്പെടാത്ത സസ്യങ്ങളെ അപേക്ഷിച്ച് സസ്യഭുക്കുകളിൽ ഉയർന്ന തോതിൽ OS-ഇൻഡ്യൂസ്ഡ് ആണെന്നും അവയുടെ എക്സ്പ്രഷൻ പാറ്റേണുകളിൽ അവ പരസ്പരം യോജിപ്പിച്ചിട്ടുണ്ടെന്നും വിശകലനം സ്ഥിരീകരിച്ചു. ഈ പാതയുടെ മുകൾഭാഗത്തുള്ള ട്രാൻസ്ക്രിപ്ഷൻ ഘടകം MYB8 ഉം ഘടനാപരമായ ജീനുകൾ PAL1, PAL2, C4H, 4CL എന്നിവയും ട്രാൻസ്ക്രിപ്ഷന്റെ ആദ്യകാല ആരംഭം കാണിച്ചു. AT1, DH29, CV86 എന്നിവ പോലുള്ള ഫിനോലാമൈഡിന്റെ അന്തിമ അസംബ്ലിയിൽ പങ്കുവഹിക്കുന്ന അസൈൽട്രാൻസ്ഫെറേസുകൾ ഒരു നീണ്ട അപ്‌റെഗുലേഷൻ പാറ്റേൺ പ്രകടിപ്പിക്കുന്നു (ചിത്രം S4). മുകളിലുള്ള നിരീക്ഷണങ്ങൾ സൂചിപ്പിക്കുന്നത് ട്രാൻസ്ക്രിപ്റ്റോം സ്പെഷ്യലൈസേഷന്റെ ആദ്യകാല ആരംഭവും മെറ്റബോളോമിക്സ് സ്പെഷ്യലൈസേഷന്റെ പിന്നീടുള്ള മെച്ചപ്പെടുത്തലും ഒരു കപ്പിൾഡ് മോഡ് ആയിരിക്കാം, ഇത് ശക്തമായ ഒരു പ്രതിരോധ പ്രതികരണം ആരംഭിക്കുന്ന സിൻക്രണസ് റെഗുലേറ്ററി സിസ്റ്റം മൂലമാകാം.
സസ്യ ഹോർമോൺ സിഗ്നലിംഗിലെ പുനഃക്രമീകരണം സസ്യങ്ങളുടെ ശരീരശാസ്ത്രത്തെ പുനഃക്രമീകരിക്കുന്നതിനായി സസ്യഭുക്കുകളുടെ വിവരങ്ങൾ സംയോജിപ്പിക്കുന്ന ഒരു നിയന്ത്രണ പാളിയായി പ്രവർത്തിക്കുന്നു. സസ്യഭുക്കുകളുടെ സിമുലേഷനുശേഷം, പ്രധാന സസ്യ ഹോർമോൺ വിഭാഗങ്ങളുടെ സഞ്ചിത ചലനാത്മകത ഞങ്ങൾ അളക്കുകയും അവയ്ക്കിടയിലുള്ള താൽക്കാലിക സഹ-പ്രകടനം ദൃശ്യവൽക്കരിക്കുകയും ചെയ്തു [പിയേഴ്സൺ കോറിലേഷൻ കോഫിഫിഷ്യന്റ് (PCC)> 0.4] (ചിത്രം 3A). പ്രതീക്ഷിച്ചതുപോലെ, ബയോസിന്തസിസുമായി ബന്ധപ്പെട്ട സസ്യ ഹോർമോണുകൾ സസ്യ ഹോർമോൺ സഹ-പ്രകടന ശൃംഖലയ്ക്കുള്ളിൽ ബന്ധപ്പെട്ടിരിക്കുന്നു. കൂടാതെ, വ്യത്യസ്ത ചികിത്സകളാൽ പ്രേരിപ്പിക്കപ്പെടുന്ന സസ്യ ഹോർമോണുകളെ ഹൈലൈറ്റ് ചെയ്യുന്നതിനായി ഉപാപചയ സവിശേഷത (Si സൂചിക) ഈ ശൃംഖലയിലേക്ക് മാപ്പ് ചെയ്തിരിക്കുന്നു. സസ്യഭുക്കുകളുടെ പ്രത്യേക പ്രതികരണത്തിന്റെ രണ്ട് പ്രധാന മേഖലകൾ വരയ്ക്കുന്നു: ഒന്ന് JA ക്ലസ്റ്ററിലാണ്, അവിടെ JA (അതിന്റെ ജൈവശാസ്ത്രപരമായി സജീവമായ രൂപമായ JA-Ile) ഉം മറ്റ് JA ഡെറിവേറ്റീവുകളും ഏറ്റവും ഉയർന്ന Si സ്കോർ കാണിക്കുന്നു; മറ്റൊന്ന് എഥിലീൻ (ET) ആണ്. ഗിബ്ബെറെലിൻ സസ്യഭുക്കുകളുടെ പ്രത്യേകതയിൽ മിതമായ വർദ്ധനവ് മാത്രമേ കാണിച്ചുള്ളൂ, അതേസമയം സൈറ്റോകിനിൻ, ഓക്സിൻ, അബ്സിസിക് ആസിഡ് പോലുള്ള മറ്റ് സസ്യ ഹോർമോണുകൾക്ക് സസ്യഭുക്കുകൾക്ക് കുറഞ്ഞ ഇൻഡക്ഷൻ പ്രത്യേകത ഉണ്ടായിരുന്നു. W + W മാത്രം ഉപയോഗിക്കുന്നതുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, OS ആപ്ലിക്കേഷൻ (W + OS) വഴി JA ഡെറിവേറ്റീവുകളുടെ പീക്ക് മൂല്യത്തിന്റെ ആംപ്ലിഫിക്കേഷൻ അടിസ്ഥാനപരമായി JA-കളുടെ ശക്തമായ ഒരു നിർദ്ദിഷ്ട സൂചകമായി രൂപാന്തരപ്പെടുത്താൻ കഴിയും. അപ്രതീക്ഷിതമായി, വ്യത്യസ്ത എലിസിറ്റർ ഉള്ളടക്കമുള്ള OSM ഉം OSS1 ഉം JA, JA-Ile എന്നിവയുടെ സമാനമായ ശേഖരണത്തിന് കാരണമാകുമെന്ന് അറിയപ്പെടുന്നു. OSS1-ൽ നിന്ന് വ്യത്യസ്തമായി, OSM-കൾ OSM-കളെ പ്രത്യേകമായും ശക്തമായും പ്രേരിപ്പിക്കുന്നു, അതേസമയം OSS1 അടിസ്ഥാന മുറിവുകളുടെ പ്രതികരണം വർദ്ധിപ്പിക്കുന്നില്ല (ചിത്രം 3B).
(എ) സസ്യഭുക്കുകളിൽ നിന്നുള്ള സസ്യ ഹോർമോൺ അക്യുമുലേഷൻ കൈനെറ്റിക്സ് സിമുലേഷന്റെ പിസിസി കണക്കുകൂട്ടലിനെ അടിസ്ഥാനമാക്കിയുള്ള കോ-എക്സ്പ്രഷൻ നെറ്റ്‌വർക്ക് വിശകലനം. നോഡ് ഒരൊറ്റ സസ്യ ഹോർമോണിനെ പ്രതിനിധീകരിക്കുന്നു, കൂടാതെ നോഡിന്റെ വലുപ്പം ചികിത്സകൾക്കിടയിൽ സസ്യ ഹോർമോണിന് പ്രത്യേകമായ Si സൂചികയെ പ്രതിനിധീകരിക്കുന്നു. (ബി) വ്യത്യസ്ത നിറങ്ങളാൽ സൂചിപ്പിച്ചിരിക്കുന്ന വ്യത്യസ്ത ചികിത്സകൾ മൂലമുണ്ടാകുന്ന ഇലകളിൽ JA, JA-Ile, ET എന്നിവയുടെ ശേഖരണം: ആപ്രിക്കോട്ട്, W + OSM; നീല, W + OSSl; കറുപ്പ്, W + W; ചാരനിറം, C (നിയന്ത്രണം). ചികിത്സയും നിയന്ത്രണവും തമ്മിലുള്ള കാര്യമായ വ്യത്യാസങ്ങൾ നക്ഷത്രചിഹ്നങ്ങൾ സൂചിപ്പിക്കുന്നു (ടു-വേ ANOVA, തുടർന്ന് Tukey HSD പോസ്റ്റ് ഹോക്ക് മൾട്ടിപ്പിൾ താരതമ്യം, *** P <0.001). JA ബയോസിന്തസിസിലെ (C)697 MS/MS (ഡാറ്റ ഫയൽ S1), ETR1 ലെ ദുർബലമായ പെർസെപ്ഷൻ സ്പെക്ട്രത്തിൽ (irAOC, irCOI1), (D)585 MS/MS (ഡാറ്റ ഫയൽ S1) എന്നിവയുടെ വിവര സിദ്ധാന്ത വിശകലനം. വൈകല്യമുള്ള ET സിഗ്നലുള്ള രണ്ട് സിമുലേറ്റഡ് സസ്യഭുക്ക ചികിത്സകൾ സസ്യരേഖകളെയും ശൂന്യമായ വാഹന (EV) നിയന്ത്രണ സസ്യങ്ങളെയും ട്രിഗർ ചെയ്തു. W+OS ചികിത്സയും കേടുപാടുകൾ കൂടാതെയുള്ള നിയന്ത്രണവും തമ്മിലുള്ള കാര്യമായ വ്യത്യാസങ്ങൾ നക്ഷത്രചിഹ്നങ്ങൾ സൂചിപ്പിക്കുന്നു (ടു-വേ ANOVA, തുടർന്ന് Tukey HSD പോസ്റ്റ് ഹോക്ക് മൾട്ടിപ്പിൾ താരതമ്യം, *P<0.05, **P<0.01, ***P<0.001). (E) സ്പെഷ്യലൈസേഷനോടുള്ള ചിതറിയ എതിർപ്പിന്റെ ചിതറിയ ഗ്രാഫുകൾ. നിറങ്ങൾ വ്യത്യസ്ത ജനിതകമാറ്റം വരുത്തിയ സ്ട്രെയിനുകളെ പ്രതിനിധീകരിക്കുന്നു; ചിഹ്നങ്ങൾ വ്യത്യസ്ത ചികിത്സാ രീതികളെ പ്രതിനിധീകരിക്കുന്നു: ത്രികോണം, W + OSS1; ദീർഘചതുരം, W + OSM; വൃത്തം C.
അടുത്തതായി, സസ്യഭുക്കുകളിലെ ഈ രണ്ട് സസ്യ ഹോർമോണുകളുടെയും മെറ്റബോളിസം വിശകലനം ചെയ്യുന്നതിന്, JA, ET ബയോസിന്തസിസ് (irAOC, irACO) എന്നിവയുടെ പ്രധാന ഘട്ടങ്ങളിലും (irCOI1, sETR1) പെർസെപ്ഷനിലും (irCOI1, sETR1) ജനിതകമാറ്റം വരുത്തിയ ഒരു ദുർബലമായ നെപെന്തസ് സ്ട്രെയിൻ (irCOI1, sETR1) ഉപയോഗിക്കുന്നു. റീപ്രോഗ്രാമിംഗിന്റെ ആപേക്ഷിക സംഭാവന. മുൻ പരീക്ഷണങ്ങൾക്ക് അനുസൃതമായി, ശൂന്യമായ കാരിയർ (EV) സസ്യങ്ങളിൽ സസ്യഭുക്കുകളുടെ-OS ന്റെ ഇൻഡക്ഷൻ (ചിത്രം 3, C മുതൽ D വരെ) ഞങ്ങൾ സ്ഥിരീകരിച്ചു, അതേസമയം OSM മൂലമുണ്ടാകുന്ന Hj സൂചികയിലെ മൊത്തത്തിലുള്ള കുറവും, δj സൂചിക വർദ്ധിച്ചു. OSS1 ഉൽപ്പാദിപ്പിക്കുന്ന പ്രതികരണത്തേക്കാൾ പ്രതികരണം കൂടുതൽ വ്യക്തമാണ്. Hj, δj എന്നിവ കോർഡിനേറ്റുകളായി ഉപയോഗിക്കുന്ന രണ്ട്-വരി ഗ്രാഫ് നിർദ്ദിഷ്ട ഡീറെഗുലേഷൻ കാണിക്കുന്നു (ചിത്രം 3E). JA സിഗ്നൽ ഇല്ലാത്ത സ്ട്രെയിനുകളിൽ, സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന മെറ്റബോളിക് വൈവിധ്യവും സ്പെഷ്യലൈസേഷൻ മാറ്റങ്ങളും ഏതാണ്ട് പൂർണ്ണമായും ഇല്ലാതാക്കപ്പെടുന്നു എന്നതാണ് ഏറ്റവും വ്യക്തമായ പ്രവണത (ചിത്രം 3C). ഇതിനു വിപരീതമായി, sETR1 സസ്യങ്ങളിലെ നിശബ്ദ ET ധാരണ, സസ്യഭുക്കുകളുടെ ഉപാപചയത്തിലെ മാറ്റങ്ങളിലെ മൊത്തത്തിലുള്ള പ്രഭാവം JA സിഗ്നലിംഗിനേക്കാൾ വളരെ കുറവാണെങ്കിലും, OSM, OSS1 ഉത്തേജനങ്ങൾക്കിടയിലുള്ള Hj, δj സൂചികകളിലെ വ്യത്യാസം കുറയ്ക്കുന്നു (ചിത്രം 3D, ചിത്രം S5). . JA സിഗ്നൽ ട്രാൻസ്‌ഡക്ഷന്റെ പ്രധാന പ്രവർത്തനത്തിന് പുറമേ, സസ്യഭുക്കുകളുടെ സ്പീഷീസ്-നിർദ്ദിഷ്ട ഉപാപചയ പ്രതികരണത്തിന്റെ സൂക്ഷ്മ-ട്യൂണിംഗായും ET സിഗ്നൽ ട്രാൻസ്‌ഡക്ഷൻ പ്രവർത്തിക്കുന്നുവെന്ന് ഇത് സൂചിപ്പിക്കുന്നു. ഈ സൂക്ഷ്മ-ട്യൂണിംഗ് പ്രവർത്തനത്തിന് അനുസൃതമായി, sETR1 സസ്യങ്ങളിലെ മൊത്തത്തിലുള്ള മെറ്റബോളോം ഇൻഡക്‌സബിലിറ്റിയിൽ മാറ്റമൊന്നും ഉണ്ടായില്ല. മറുവശത്ത്, sETR1 സസ്യങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, irACO സസ്യങ്ങൾ സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന ഉപാപചയ മാറ്റങ്ങളുടെ സമാനമായ മൊത്തത്തിലുള്ള ആംപ്ലിറ്റ്യൂഡുകൾക്ക് കാരണമായി, പക്ഷേ OSM, OSS1 വെല്ലുവിളികൾക്കിടയിൽ ഗണ്യമായി വ്യത്യസ്തമായ Hj, δj സ്കോറുകൾ കാണിച്ചു (ചിത്രം S5).
സസ്യഭുക്കുകളുടെ സ്പീഷീസ്-നിർദ്ദിഷ്ട പ്രതികരണത്തിന് പ്രധാന സംഭാവന നൽകുന്ന പ്രത്യേക മെറ്റബോളിറ്റുകളെ തിരിച്ചറിയുന്നതിനും ET സിഗ്നലുകൾ വഴി അവയുടെ ഉത്പാദനം മികച്ചതാക്കുന്നതിനും, മുമ്പ് വികസിപ്പിച്ചെടുത്ത ഘടനാപരമായ MS/MS രീതി ഞങ്ങൾ ഉപയോഗിച്ചു. MS/MS ശകലങ്ങളിൽ നിന്ന് [നോർമലൈസ്ഡ് ഡോട്ട് പ്രോഡക്റ്റ് (NDP)] ഉപാപചയ കുടുംബത്തെ വീണ്ടും അനുമാനിക്കുന്നതിന് ഈ രീതി ബൈ-ക്ലസ്റ്ററിംഗ് രീതിയെ ആശ്രയിച്ചിരിക്കുന്നു, കൂടാതെ ന്യൂട്രൽ ലോസ് (NL) അടിസ്ഥാനമാക്കിയുള്ള സമാനത സ്കോർ. ET ട്രാൻസ്ജെനിക് ലൈനുകളുടെ വിശകലനത്തിലൂടെ നിർമ്മിച്ച MS/MS ഡാറ്റ സെറ്റ് 585 MS/MS (ഡാറ്റ ഫയൽ S1) ഉൽ‌പാദിപ്പിച്ചു, ഇത് ഏഴ് പ്രധാന MS/MS മൊഡ്യൂളുകളായി (M) ക്ലസ്റ്ററിംഗ് ചെയ്തുകൊണ്ട് പരിഹരിച്ചു (ചിത്രം 4A). ഈ മൊഡ്യൂളുകളിൽ ചിലത് മുമ്പ് വിശേഷിപ്പിക്കപ്പെട്ട പ്രത്യേക മെറ്റബോളിറ്റുകളാൽ സാന്ദ്രമായി നിറഞ്ഞിരിക്കുന്നു: ഉദാഹരണത്തിന്, M1, M2, M3, M4, M7 എന്നിവ വിവിധ ഫിനോൾ ഡെറിവേറ്റീവുകൾ (M1), ഫ്ലേവനോയിഡ് ഗ്ലൈക്കോസൈഡുകൾ (M2), അസൈൽ ഷുഗറുകൾ (M3, M4), 17-HGL-DTG (M7) എന്നിവയാൽ സമ്പന്നമാണ്. കൂടാതെ, ഓരോ മൊഡ്യൂളിലെയും ഒരൊറ്റ മെറ്റാബോലൈറ്റിന്റെ ഉപാപചയ നിർദ്ദിഷ്ട വിവരങ്ങൾ (Si സൂചിക) കണക്കാക്കുന്നു, അതിന്റെ Si വിതരണം അവബോധപൂർവ്വം കാണാൻ കഴിയും. ചുരുക്കത്തിൽ, ഉയർന്ന സസ്യഭക്ഷണവും ജനിതകരൂപവും പ്രദർശിപ്പിക്കുന്ന MS/MS സ്പെക്ട്ര ഉയർന്ന Si മൂല്യങ്ങളാൽ സവിശേഷതയാണ്, കൂടാതെ കുർട്ടോസിസ് സ്ഥിതിവിവരക്കണക്കുകൾ വലത് വാൽ മൂലയിലെ രോമങ്ങളുടെ വിതരണത്തെ സൂചിപ്പിക്കുന്നു. M1-ൽ അത്തരമൊരു മെലിഞ്ഞ കൊളോയിഡ് വിതരണം കണ്ടെത്തി, അതിൽ ഫിനോൾ അമൈഡ് ഏറ്റവും ഉയർന്ന Si ഭിന്നസംഖ്യ കാണിച്ചു (ചിത്രം 4B). M7-ൽ മുമ്പ് പരാമർശിച്ച സസ്യഭുക്കായ ഇൻഡക്‌സിബിൾ 17-HGL-DTG ഒരു മിതമായ Si സ്കോർ കാണിച്ചു, ഇത് രണ്ട് OS തരങ്ങൾക്കിടയിൽ മിതമായ അളവിലുള്ള ഡിഫറൻഷ്യൽ റെഗുലേഷനെ സൂചിപ്പിക്കുന്നു. ഇതിനു വിപരീതമായി, റുട്ടിൻ, CGA, അസൈൽ ഷുഗറുകൾ പോലുള്ള മിക്ക ഘടനാപരമായി ഉൽ‌പാദിപ്പിക്കപ്പെടുന്ന പ്രത്യേക മെറ്റാബോലൈറ്റുകളും ഏറ്റവും കുറഞ്ഞ Si സ്കോറുകളിൽ ഉൾപ്പെടുന്നു. പ്രത്യേക മെറ്റാബോലൈറ്റുകൾക്കിടയിലുള്ള ഘടനാപരമായ സങ്കീർണ്ണതയും Si വിതരണവും നന്നായി പര്യവേക്ഷണം ചെയ്യുന്നതിനായി, ഓരോ മൊഡ്യൂളിനും ഒരു തന്മാത്രാ ശൃംഖല നിർമ്മിച്ചു (ചിത്രം 4B). OD സിദ്ധാന്തത്തിന്റെ ഒരു പ്രധാന പ്രവചനം (ചിത്രം 1B-യിൽ സംഗ്രഹിച്ചിരിക്കുന്നു) സസ്യഭക്ഷണത്തിന് ശേഷമുള്ള പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ പുനഃസംഘടന ഉയർന്ന പ്രതിരോധ മൂല്യമുള്ള മെറ്റബോളിറ്റുകളിൽ വൺ-വേ മാറ്റങ്ങൾക്ക് കാരണമാകുമെന്നാണ്, പ്രത്യേകിച്ച് അവയുടെ പ്രത്യേകത വർദ്ധിപ്പിക്കുന്നതിലൂടെ (റാൻഡം ഡിസ്ട്രിബ്യൂഷനിൽ നിന്ന് വ്യത്യസ്തമായി) മോഡ്) MT സിദ്ധാന്തം പ്രവചിച്ച പ്രതിരോധ മെറ്റബോളിറ്റ്. M1-ൽ അടിഞ്ഞുകൂടിയ മിക്ക ഫിനോൾ ഡെറിവേറ്റീവുകളും പ്രാണികളുടെ പ്രകടനത്തിലെ തകർച്ചയുമായി പ്രവർത്തനപരമായി ബന്ധപ്പെട്ടിരിക്കുന്നു (32). 24 മണിക്കൂറിനുള്ളിൽ EV നിയന്ത്രണ സസ്യങ്ങളുടെ പ്രേരിത ഇലകൾക്കും ഘടക ഇലകൾക്കും ഇടയിലുള്ള M1 മെറ്റബോളിറ്റുകളിലെ Si മൂല്യങ്ങളെ താരതമ്യം ചെയ്യുമ്പോൾ, സസ്യഭക്ഷണ പ്രാണികൾക്ക് ശേഷമുള്ള നിരവധി മെറ്റബോളിറ്റുകളുടെ ഉപാപചയ സവിശേഷതയ്ക്ക് ഗണ്യമായ വർദ്ധനവ് പ്രവണതയുണ്ടെന്ന് ഞങ്ങൾ നിരീക്ഷിച്ചു (ചിത്രം 4C). പ്രതിരോധ ഫിനോളമൈഡുകളിൽ മാത്രമേ Si മൂല്യത്തിൽ പ്രത്യേക വർദ്ധനവ് കണ്ടെത്തിയിട്ടുള്ളൂ, എന്നാൽ ഈ മൊഡ്യൂളിൽ സഹവർത്തിക്കുന്ന മറ്റ് ഫിനോളുകളിലും അജ്ഞാത മെറ്റബോളിറ്റുകളിലും Si മൂല്യത്തിൽ വർദ്ധനവ് കണ്ടെത്തിയിട്ടില്ല. ഇത് OD സിദ്ധാന്തവുമായി ബന്ധപ്പെട്ട ഒരു പ്രത്യേക മാതൃകയാണ്. സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന ഉപാപചയ മാറ്റങ്ങളുടെ പ്രധാന പ്രവചനങ്ങൾ സ്ഥിരമാണ്. ഫിനോളമൈഡ് സ്പെക്ട്രത്തിന്റെ ഈ പ്രത്യേകത OS-നിർദ്ദിഷ്ട ET മൂലമാണോ പ്രേരിപ്പിച്ചതെന്ന് പരിശോധിക്കുന്നതിനായി, ഞങ്ങൾ മെറ്റാബോലൈറ്റ് Si സൂചിക പ്ലോട്ട് ചെയ്യുകയും EV, sETR1 ജനിതകരൂപങ്ങളിൽ OSM, OSS1 എന്നിവയ്ക്കിടയിൽ ഒരു വ്യത്യസ്ത എക്സ്പ്രഷൻ മൂല്യം ഉണ്ടാക്കുകയും ചെയ്തു (ചിത്രം 4D). sETR1-ൽ, OSM-നും OSS1-നും ഇടയിലുള്ള ഫിനമൈഡ്-ഇൻഡ്യൂസ്ഡ് വ്യത്യാസം വളരെയധികം കുറഞ്ഞു. JA-നിയന്ത്രിത മെറ്റബോളിക് സ്പെഷ്യലൈസേഷനുമായി ബന്ധപ്പെട്ട പ്രധാന MS/MS മൊഡ്യൂളുകൾ അനുമാനിക്കാൻ JA പര്യാപ്തമല്ലാത്ത സ്ട്രെയിനുകളിൽ ശേഖരിച്ച MS/MS ഡാറ്റയിലും ബൈ-ക്ലസ്റ്ററിംഗ് രീതി പ്രയോഗിച്ചു (ചിത്രം S6).
(എ) പങ്കിട്ട ഫ്രാഗ്മെന്റ് (എൻഡിപി സാമ്യം), പങ്കിട്ട ന്യൂട്രൽ ലോസ് (എൻഎൽ സാമ്യം) എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള 585 എംഎസ്/എംഎസിന്റെ ക്ലസ്റ്ററിംഗ് ഫലങ്ങൾ, മൊഡ്യൂൾ (എം) അറിയപ്പെടുന്ന സംയുക്ത കുടുംബവുമായി പൊരുത്തപ്പെടുന്നതിലേക്കോ, അജ്ഞാതമായതോ മോശമായി മെറ്റബോളൈസ് ചെയ്തതോ ആയ മെറ്റബോളൈറ്റ് ഘടനയിലൂടെയോ സ്ഥിരത കൈവരിക്കുന്നതിലേക്ക് നയിക്കുന്നു. ഓരോ മൊഡ്യൂളിനും അടുത്തായി, മെറ്റബോളൈറ്റ് (എംഎസ്/എംഎസ്) നിർദ്ദിഷ്ട (Si) വിതരണം കാണിച്ചിരിക്കുന്നു. (ബി) മോഡുലാർ മോളിക്യുലാർ നെറ്റ്‌വർക്ക്: നോഡുകൾ MS/MS, അരികുകൾ എന്നിവയെ പ്രതിനിധീകരിക്കുന്നു, NDP (ചുവപ്പ്), NL (നീല) MS/MS സ്കോറുകൾ (കട്ട്-ഓഫ്,> 0.6). മൊഡ്യൂളിനെ (ഇടത്) അടിസ്ഥാനമാക്കി ഗ്രേഡുചെയ്‌ത മെറ്റബോളൈറ്റ് സ്‌പെസിഫിസിറ്റി സൂചിക (Si) നിറമുള്ളതും തന്മാത്രാ നെറ്റ്‌വർക്കിലേക്ക് (വലത്) മാപ്പ് ചെയ്തതുമാണ്. (സി) 24 മണിക്കൂറിൽ കോൺസ്റ്റിറ്റീവ് (നിയന്ത്രണം) പ്രേരിത അവസ്ഥയിലുള്ള (സിമുലേറ്റഡ് സസ്യഭക്ഷണം) EV പ്ലാന്റിന്റെ മൊഡ്യൂൾ M1: മോളിക്യുലാർ നെറ്റ്‌വർക്ക് ഡയഗ്രം (Si മൂല്യം നോഡ് വലുപ്പമാണ്, പ്രതിരോധ ഫിനോളമൈഡ് നീല നിറത്തിൽ ഹൈലൈറ്റ് ചെയ്തിരിക്കുന്നു). (D) വൈകല്യമുള്ള EV, ET പെർസെപ്ഷൻ ഉള്ള സ്പെക്ട്രം ലൈൻ sETR1 ന്റെ M1 മോളിക്യുലാർ നെറ്റ്‌വർക്ക് ഡയഗ്രം: പച്ച വൃത്താകൃതിയിലുള്ള നോഡ് പ്രതിനിധീകരിക്കുന്ന ഫിനോളിക് സംയുക്തം, നോഡ് വലുപ്പത്തിൽ W + OSM, W + OSS1 ചികിത്സകൾ തമ്മിലുള്ള പ്രധാന വ്യത്യാസം (P മൂല്യം). CP, N-caffeoyl-tyrosine; CS, N-caffeoyl-spermidine; FP, N-ferulic ആസിഡ് എസ്റ്റർ-യൂറിക് ആസിഡ്; FS, N-ferulyl-spermidine; CoP, N', N "-Coumarolyl-tyrosine; DCS, N', N"-dicaffeoyl-spermidine; CFS, N', N"-caffeoyl, feruloyl-spermidine; വുൾഫ്ബെറി സൺ; നിക്ക്. O-AS, O-acyl പഞ്ചസാര.
ഒരു ഒറ്റ അറ്റൻവേറ്റഡ് നെപെന്തസ് ജനിതകരൂപത്തിൽ നിന്ന് സ്വാഭാവിക ജനസംഖ്യയിലേക്ക് വിശകലനം ഞങ്ങൾ കൂടുതൽ വ്യാപിപ്പിച്ചു, അവിടെ സസ്യഭുക്കായ JA ലെവലുകളിലും നിർദ്ദിഷ്ട മെറ്റബോളൈറ്റ് ലെവലുകളിലും ശക്തമായ ഇൻട്രാസ്പെസിഫിക് മാറ്റങ്ങൾ മുമ്പ് പ്രകൃതിദത്ത ജനസംഖ്യയിൽ വിവരിച്ചിട്ടുണ്ട് (26). 43 ജെംപ്ലാസങ്ങൾ ഉൾക്കൊള്ളാൻ ഈ ഡാറ്റ സെറ്റ് ഉപയോഗിക്കുക. ഈ ജെംപ്ലാസങ്ങളിൽ N. പല്ലെൻസിൽ നിന്നുള്ള 123 ഇനം സസ്യങ്ങൾ അടങ്ങിയിരിക്കുന്നു. യൂട്ടാ, നെവാഡ, അരിസോണ, കാലിഫോർണിയ എന്നിവിടങ്ങളിലെ വ്യത്യസ്ത തദ്ദേശീയ ആവാസ വ്യവസ്ഥകളിൽ ശേഖരിച്ച വിത്തുകളിൽ നിന്നാണ് ഈ സസ്യങ്ങൾ എടുത്തത് (ചിത്രം S7), മെറ്റബോളോം വൈവിധ്യവും (ഇവിടെ ജനസംഖ്യാ നിലവാരം എന്ന് വിളിക്കുന്നു) β വൈവിധ്യവും) OSM മൂലമുണ്ടാകുന്ന സ്പെഷ്യലൈസേഷനും ഞങ്ങൾ കണക്കാക്കി. മുൻ പഠനങ്ങളുമായി പൊരുത്തപ്പെടുന്ന, Hj, δj അക്ഷങ്ങളിൽ വിശാലമായ ഉപാപചയ മാറ്റങ്ങൾ ഞങ്ങൾ നിരീക്ഷിച്ചു, ഇത് സസ്യഭുക്കുകളോടുള്ള അവയുടെ ഉപാപചയ പ്രതികരണങ്ങളുടെ പ്ലാസ്റ്റിസിറ്റിയിൽ ജെംപ്ലാസങ്ങൾക്ക് കാര്യമായ വ്യത്യാസങ്ങളുണ്ടെന്ന് സൂചിപ്പിക്കുന്നു (ചിത്രം S7). സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന JA മാറ്റങ്ങളുടെ ചലനാത്മക ശ്രേണിയെക്കുറിച്ചുള്ള മുൻ നിരീക്ഷണങ്ങളെ ഈ സംഘടന ഓർമ്മിപ്പിക്കുന്നു, കൂടാതെ ഒരൊറ്റ ജനസംഖ്യയിൽ വളരെ ഉയർന്ന മൂല്യം നിലനിർത്തിയിട്ടുണ്ട് (26, 36). Hj നും δj നും ഇടയിലുള്ള മൊത്തത്തിലുള്ള ലെവൽ പരസ്പരബന്ധം പരിശോധിക്കാൻ JA യും JA-Ile യും ഉപയോഗിച്ചതിലൂടെ, JA യും മെറ്റബോളോം β വൈവിധ്യവും സ്പെഷ്യലൈസേഷൻ സൂചികയും തമ്മിൽ ഒരു പ്രധാന പോസിറ്റീവ് പരസ്പരബന്ധമുണ്ടെന്ന് ഞങ്ങൾ കണ്ടെത്തി (ചിത്രം S7). ജനസംഖ്യാ തലത്തിൽ കണ്ടെത്തിയ JA കളുടെ ഇൻഡക്ഷനിലെ സസ്യഭുക്കുകളാൽ പ്രേരിതമായ വൈവിധ്യം, പ്രാണികളുടെ സസ്യഭുക്കുകളിൽ നിന്നുള്ള തിരഞ്ഞെടുപ്പ് മൂലമുണ്ടാകുന്ന പ്രധാന മെറ്റബോളിക് പോളിമോർഫിസങ്ങൾ മൂലമാകാമെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.
മുൻ പഠനങ്ങൾ പുകയില തരങ്ങൾ പ്രേരിതവും ഘടനാപരവുമായ ഉപാപചയ പ്രതിരോധങ്ങളെ തരം അനുസരിച്ചും ആപേക്ഷികമായും ആശ്രയിക്കുന്നതായി തെളിയിച്ചിട്ടുണ്ട്. സസ്യഭുക്കുകളെ ചെറുക്കുന്നതിനുള്ള സിഗ്നൽ ട്രാൻസ്‌ഡക്ഷനിലും പ്രതിരോധ ശേഷികളിലുമുള്ള ഈ മാറ്റങ്ങൾ നിയന്ത്രിക്കുന്നത് പ്രാണികളുടെ ജനസംഖ്യാ സമ്മർദ്ദം, സസ്യജീവിത ചക്രം, ഒരു പ്രത്യേക ഇനം വളരുന്ന സ്ഥലത്ത് പ്രതിരോധ ഉൽപാദന ചെലവുകൾ എന്നിവയാണെന്ന് വിശ്വസിക്കപ്പെടുന്നു. വടക്കേ അമേരിക്കയിലും തെക്കേ അമേരിക്കയിലും ഉള്ള ആറ് നിക്കോട്ടിയാന സ്പീഷീസുകളുടെ സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന ഇല മെറ്റബോളോം പുനർനിർമ്മാണത്തിന്റെ സ്ഥിരത ഞങ്ങൾ പഠിച്ചു. ഈ സ്പീഷീസുകൾ വടക്കേ അമേരിക്കയിലെ നെപെന്തസുമായി അടുത്ത ബന്ധപ്പെട്ടിരിക്കുന്നു, അതായത് നിക്കോളാസ് ബോസിഫ്ലോ. ലാ, എൻ. നിക്കോട്ടിനിസ്, നിക്കോട്ടിയാന എൻ. അറ്റൻവേറ്റഡ് ഗ്രാസ്, നിക്കോട്ടിയാന ടാബകം, ലീനിയർ പുകയില, പുകയില (നിക്കോട്ടിയാന സ്പെഗാസിനി) പുകയില ഇല പുകയില (നിക്കോട്ടിയാന ഒബ്‌ടുസിഫോളിയ) (ചിത്രം 5A) (37). നന്നായി സ്വഭാവ സവിശേഷതകളുള്ള സ്പീഷീസ് എൻ. പ്ലീസ് ഉൾപ്പെടെ ഈ സ്പീഷീസുകളിൽ ആറെണ്ണം പെറ്റൂണിയ ക്ലേഡിന്റെ വാർഷിക സസ്യങ്ങളാണ്, ഒബ്‌ടുസിഫോളിയ എൻ. സഹോദരി ക്ലേഡ് ട്രൈഗോനോഫില്ലയുടെ വറ്റാത്ത സസ്യങ്ങളാണ് (38). തുടർന്ന്, പ്രാണികളുടെ തീറ്റയുടെ സ്പീഷീസ് തലത്തിലുള്ള ഉപാപചയ പുനഃക്രമീകരണം പഠിക്കുന്നതിനായി ഈ ഏഴ് സ്പീഷീസുകളിൽ W + W, W + OSM, W + OSS1 ഇൻഡക്ഷൻ എന്നിവ നടത്തി.
(എ) പരമാവധി സാധ്യതയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു ബൂട്ട്‌സ്‌ട്രാപ്പ് ഫൈലോജെനെറ്റിക് ട്രീ [ന്യൂക്ലിയർ ഗ്ലൂട്ടാമൈൻ സിന്തസിസിന് (38)], അടുത്ത ബന്ധമുള്ള ഏഴ് നിക്കോട്ടിയാന സ്പീഷീസുകളുടെ (വ്യത്യസ്ത നിറങ്ങൾ) ഭൂമിശാസ്ത്രപരമായ വിതരണം (37). (ബി) ഏഴ് നിക്കോട്ടിയാന സ്പീഷീസുകളുടെ (939 MS/MS; ഡാറ്റ ഫയൽ S1) ഉപാപചയ പ്രൊഫൈലുകൾക്കായുള്ള പ്രത്യേക വൈവിധ്യത്തിന്റെ ഒരു സ്കാറ്റർ പ്ലോട്ട്. സ്പീഷീസ് തലത്തിൽ, മെറ്റബോളോം വൈവിധ്യം സ്പെഷ്യലൈസേഷന്റെ അളവുമായി നെഗറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു. ഉപാപചയ വൈവിധ്യവും സ്പെഷ്യലൈസേഷനും JA ശേഖരണവും തമ്മിലുള്ള സ്പീഷീസ്-ലെവൽ പരസ്പര ബന്ധത്തിന്റെ വിശകലനം ചിത്രം 2-ൽ കാണിച്ചിരിക്കുന്നു. S9. നിറം, വ്യത്യസ്ത തരങ്ങൾ; ത്രികോണം, W + OSS1; ദീർഘചതുരം, W + OSM; (സി) നിക്കോട്ടിയാന JA, JA-Ile ഡൈനാമിക്സ് എന്നിവ OS ഉദ്വേഗ ആംപ്ലിറ്റ്യൂഡ് അനുസരിച്ച് റാങ്ക് ചെയ്തിരിക്കുന്നു (ടു-വേ ANOVA, Tukey HSD പോസ്റ്റ്-മൾട്ടിപ്പിൾ താരതമ്യം, * P <0.05, ** P <0.01, ** W + OS, W + W എന്നിവയുടെ താരതമ്യത്തിനായി, P <0.001). സസ്യഭുക്കുകളും മീഥൈൽ JA (MeJA) ഉം അനുകരിച്ചതിന് ശേഷം ഓരോ ജീവിവർഗത്തിന്റെയും (D) വൈവിധ്യത്തിന്റെയും (E) സ്പെഷ്യലൈസേഷന്റെയും ബോക്സ് പ്ലോട്ട്. W + OS ഉം W + W ഉം അല്ലെങ്കിൽ ലാനോലിൻ പ്ലസ് W (Lan + W) അല്ലെങ്കിൽ ലാൻ പ്ലസ് MeJA (Lan + MeJa) ഉം ലാൻ നിയന്ത്രണവും (വേരിയൻസിന്റെ ടു-വേ വിശകലനം, തുടർന്ന് ടുക്കിയുടെ HSD പോസ്റ്റ് ഹോക്ക് മൾട്ടിപ്പിൾ താരതമ്യം, *P<0.05, **P<0.01, ***P<0.001) എന്നിവ തമ്മിലുള്ള പ്രധാന വ്യത്യാസത്തെ നക്ഷത്രചിഹ്നം സൂചിപ്പിക്കുന്നു.
ഡ്യുവൽ ക്ലസ്റ്റർ രീതി ഉപയോഗിച്ച്, 939 MS/MS ന്റെ 9 മൊഡ്യൂളുകൾ ഞങ്ങൾ തിരിച്ചറിഞ്ഞു (ഡാറ്റ ഫയൽ S1). വ്യത്യസ്ത ചികിത്സകൾ ഉപയോഗിച്ച് പുനഃക്രമീകരിച്ച MS/MS ന്റെ ഘടന സ്പീഷീസുകൾക്കിടയിലുള്ള വ്യത്യസ്ത മൊഡ്യൂളുകൾക്കിടയിൽ വളരെയധികം വ്യത്യാസപ്പെട്ടിരിക്കുന്നു (ചിത്രം S8). Hj (ഇവിടെ സ്പീഷീസ്-ലെവൽ γ-വൈവിധ്യം എന്ന് പരാമർശിക്കുന്നു) ഉം δj ഉം ദൃശ്യവൽക്കരിക്കുന്നത്, വ്യത്യസ്ത സ്പീഷീസുകൾ ഉപാപചയ സ്ഥലത്ത് വളരെ വ്യത്യസ്തമായ ഗ്രൂപ്പുകളായി സംയോജിക്കുന്നു എന്ന് വെളിപ്പെടുത്തുന്നു, അവിടെ സ്പീഷീസ്-ലെവൽ വിഭജനം സാധാരണയായി ഉത്തേജനത്തേക്കാൾ കൂടുതൽ പ്രാധാന്യമർഹിക്കുന്നു. N. ലീനിയർ, N. ഒബ്ലിക്വസ് എന്നിവ ഒഴികെ, അവ ഇൻഡക്ഷൻ ഇഫക്റ്റുകളുടെ വിശാലമായ ചലനാത്മക ശ്രേണി പ്രകടിപ്പിക്കുന്നു (ചിത്രം 5B). ഇതിനു വിപരീതമായി, N. purpurea, N. obtusifolia പോലുള്ള സ്പീഷീസുകൾക്ക് ചികിത്സയോട് വ്യക്തമായ ഉപാപചയ പ്രതികരണമില്ല, പക്ഷേ മെറ്റബോളോം കൂടുതൽ വൈവിധ്യപൂർണ്ണമാണ്. പ്രേരിത ഉപാപചയ പ്രതികരണത്തിന്റെ സ്പീഷീസ്-നിർദ്ദിഷ്ട വിതരണം സ്പെഷ്യലൈസേഷനും ഗാമ വൈവിധ്യവും തമ്മിലുള്ള ഒരു പ്രധാന നെഗറ്റീവ് പരസ്പര ബന്ധത്തിന് കാരണമായി (PCC = -0.46, P = 4.9×10-8). JAs ലെവലുകളിലെ OS-ഇൻഡ്യൂസ്ഡ് മാറ്റങ്ങൾ മെറ്റബോളോം സ്പെഷ്യലൈസേഷനുമായി പോസിറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു, കൂടാതെ ഓരോ സ്പീഷീസും പ്രദർശിപ്പിക്കുന്ന മെറ്റബോളിക് ഗാമ വൈവിധ്യവുമായി നെഗറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു (ചിത്രം 5B, ചിത്രം S9). ചിത്രം 5C-യിൽ "സിഗ്നൽ റെസ്പോൺസ്" സ്പീഷീസുകൾ എന്ന് സംഭാഷണപരമായി പരാമർശിക്കപ്പെടുന്ന സ്പീഷീസുകൾ, നെപെന്തസ് നെപെന്തസ്, നെപെന്തസ് അക്യൂട്ട്, നെപെന്തസ് അറ്റൻവേറ്റഡ് എന്നിവ 30 മിനിറ്റിൽ കാര്യമായ ലക്ഷണങ്ങൾ ഉണ്ടാക്കിയുവെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. സമീപകാല OS-നിർദ്ദിഷ്ട JA, JA-Ile പൊട്ടിപ്പുറപ്പെടലുകൾ, അതേസമയം നെപെന്തസ് മിൽസ്, നെപെന്തസ് പൗഡറി, N. ഒബ്‌ടുസിഫോളിയ തുടങ്ങിയ "സിഗ്നൽ അൺറെസ്‌പോൺസീവ്" എന്ന് വിളിക്കപ്പെടുന്ന മറ്റ് ബാക്ടീരിയകൾ ഒരു OS സ്പെസിഫിസിറ്റിയും ഇല്ലാതെ JA-Ile എഡ്ജ് ഇൻഡക്ഷൻ മാത്രമേ കാണിക്കുന്നുള്ളൂ (ചിത്രം 5C). മുകളിൽ സൂചിപ്പിച്ചതുപോലെ, അറ്റൻവേറ്റഡ് നെപെന്തസിന്, സിഗ്നൽ-റെസ്‌പോൺസീവ് പദാർത്ഥങ്ങൾ OS സ്പെസിഫിസിറ്റി കാണിക്കുകയും Hj കുറയ്ക്കുമ്പോൾ δj ഗണ്യമായി വർദ്ധിപ്പിക്കുകയും ചെയ്തു. സിഗ്നൽ നോൺ-റിയാക്ടീവ് സ്പീഷീസുകളായി തരംതിരിച്ചിരിക്കുന്ന സ്പീഷീസുകളിൽ ഈ OS-നിർദ്ദിഷ്ട പ്രൈമിംഗ് പ്രഭാവം കണ്ടെത്തിയില്ല (ചിത്രം 5, D, E). സിഗ്നൽ-റെസ്പോൺസീവ് സ്പീഷീസുകൾക്കിടയിൽ OS-നിർദ്ദിഷ്ട മെറ്റബോളൈറ്റുകൾ കൂടുതലായി പങ്കിടപ്പെടുന്നു, കൂടാതെ ഈ സിഗ്നൽ ക്ലസ്റ്ററുകൾ ദുർബലമായ സിഗ്നൽ പ്രതികരണങ്ങളുള്ള സ്പീഷീസുകളുമായി ക്ലസ്റ്റർ ചെയ്യുന്നു, അതേസമയം ദുർബലമായ സിഗ്നൽ പ്രതികരണങ്ങളുള്ള സ്പീഷീസുകൾ പരസ്പരാശ്രിതത്വം കുറവാണ് കാണിക്കുന്നത് (ചിത്രം S8). ഈ ഫലം JA-കളുടെ OS-നിർദ്ദിഷ്ട ഇൻഡക്ഷനും ഡൗൺസ്ട്രീം മെറ്റബോളോമിന്റെ OS-നിർദ്ദിഷ്ട പുനഃക്രമീകരണവും സ്പീഷീസ് തലത്തിൽ സംയോജിപ്പിച്ചിട്ടുണ്ടെന്ന് സൂചിപ്പിക്കുന്നു.
അടുത്തതായി, സസ്യങ്ങളുടെ സൈറ്റോപ്ലാസത്തിലുണ്ടാകുന്ന എക്സോജനസ് JA പ്രയോഗിക്കുന്ന JA യുടെ ലഭ്യതയാൽ ഈ കപ്ലിംഗ് മോഡുകൾ പരിമിതപ്പെടുത്തിയിട്ടുണ്ടോ എന്ന് അന്വേഷിക്കാൻ, മീഥൈൽ JA (MeJA) അടങ്ങിയ ഒരു ലാനോലിൻ പേസ്റ്റ് സസ്യങ്ങളെ ചികിത്സിക്കാൻ ഉപയോഗിച്ചു. ദ്രുതഗതിയിലുള്ള ഡീസ്റ്ററഫിക്കേഷൻ JA ആണ്. JA യുടെ തുടർച്ചയായ വിതരണം മൂലമുണ്ടാകുന്ന സിഗ്നൽ-റെസ്പോൺസീവ് സ്പീഷീസുകളിൽ നിന്ന് സിഗ്നൽ-നോൺ-റെസ്പോൺസീവ് സ്പീഷീസുകളിലേക്കുള്ള ക്രമാനുഗതമായ മാറ്റത്തിന്റെ അതേ പ്രവണത ഞങ്ങൾ കണ്ടെത്തി (ചിത്രം 5, D, E). ചുരുക്കത്തിൽ, MeJA ചികിത്സ ലീനിയർ നെമറ്റോഡുകൾ, N. obliquus, N. aquaticus, N. pallens, N. mikimotoi എന്നിവയുടെ മെറ്റബോളോമുകളെ ശക്തമായി പുനഃക്രമീകരിച്ചു, ഇത് δj യിൽ ഗണ്യമായ വർദ്ധനവിനും Hj യിൽ കുറവിനും കാരണമായി. N. purpurea δj യിൽ വർദ്ധനവ് മാത്രമേ കാണിച്ചുള്ളൂ, എന്നാൽ Hj യിൽ JA കളുടെ വളരെ കുറഞ്ഞ അളവ് ശേഖരിക്കുന്നതായി മുമ്പ് കാണിച്ചിട്ടുള്ള Hj യിൽ N. obtusifolia മെറ്റബോളോം പുനഃക്രമീകരണത്തിന്റെ കാര്യത്തിൽ MeJA ചികിത്സയോട് മോശമായി പ്രതികരിക്കുന്നു. സിഗ്നൽ പ്രതികരിക്കാത്ത സ്പീഷീസുകളിൽ JA ഉത്പാദനം അല്ലെങ്കിൽ സിഗ്നൽ ട്രാൻസ്ഡക്ഷൻ ഫിസിയോളജിക്കൽ ആയി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു എന്നാണ് ഈ ഫലങ്ങൾ സൂചിപ്പിക്കുന്നത്. ഈ സിദ്ധാന്തം പരീക്ഷിക്കുന്നതിനായി, W + W, W + OSM-കൾ, W + OSS1 ട്രാൻസ്ക്രിപ്റ്റോം (39) എന്നിവയാൽ പ്രേരിതമായ നാല് സ്പീഷീസുകളെ (N. pallens, N. mills, N. pink, N. microphylla) ഞങ്ങൾ പഠിച്ചു. മെറ്റബോളോം പുനർനിർമ്മാണത്തിന്റെ പാറ്റേണിന് അനുസൃതമായി, സ്പീഷീസുകൾ ട്രാൻസ്ക്രിപ്റ്റോം സ്ഥലത്ത് നന്നായി വേർതിരിക്കപ്പെടുന്നു, അവയിൽ N. attenuated ഏറ്റവും ഉയർന്ന OS-ഇൻഡ്യൂസ്ഡ് RDPI കാണിച്ചു, അതേസമയം N. gracilis ഏറ്റവും താഴ്ന്നതാണ് (ചിത്രം 6A). എന്നിരുന്നാലും, ഏഴ് സ്പീഷീസുകളിൽ മുമ്പ് കാണിച്ച N. oblonga യുടെ ഏറ്റവും ഉയർന്ന മെറ്റബോളോണിക് വൈവിധ്യത്തിന് വിരുദ്ധമായി, N. oblonga പ്രേരിതമായ ട്രാൻസ്ക്രിപ്റ്റോം വൈവിധ്യം നാല് സ്പീഷീസുകളിൽ ഏറ്റവും താഴ്ന്നതാണെന്ന് കണ്ടെത്തി. JA സിഗ്നലുകൾ ഉൾപ്പെടെ ആദ്യകാല പ്രതിരോധ സിഗ്നലുകളുമായി ബന്ധപ്പെട്ട ഒരു കൂട്ടം ജീനുകൾ നിക്കോട്ടിയാന സ്പീഷീസുകളിൽ സസ്യഭക്ഷണവുമായി ബന്ധപ്പെട്ട എലിസിറ്ററുകൾ പ്രേരിതമാക്കുന്ന ആദ്യകാല പ്രതിരോധ പ്രതികരണങ്ങളുടെ പ്രത്യേകത വിശദീകരിക്കുന്നുവെന്ന് മുൻ പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട് (39). ഈ നാല് സ്പീഷീസുകൾക്കിടയിലുള്ള JA സിഗ്നലിംഗ് പാതകളെ താരതമ്യം ചെയ്യുമ്പോൾ രസകരമായ ഒരു പാറ്റേൺ വെളിപ്പെടുത്തി (ചിത്രം 6B). ഈ പാതയിലെ മിക്ക ജീനുകളും, ഉദാഹരണത്തിന് AOC, OPR3, ACX, COI1 എന്നിവ ഈ നാല് സ്പീഷീസുകളിലും താരതമ്യേന ഉയർന്ന അളവിലുള്ള ഇൻഡക്ഷൻ കാണിച്ചു. എന്നിരുന്നാലും, ഒരു പ്രധാന ജീൻ, JAR4, JA-യെ അതിന്റെ ജൈവശാസ്ത്രപരമായി സജീവമായ JA-Ile സഞ്ചിത ട്രാൻസ്ക്രിപ്റ്റുകളായി പരിവർത്തനം ചെയ്യുന്നു, കൂടാതെ അതിന്റെ ട്രാൻസ്ക്രിപ്ഷൻ ലെവൽ വളരെ കുറവാണ്, പ്രത്യേകിച്ച് N. മില്ലുകളായ Nepenthes pieris, N. microphylla എന്നിവയിൽ. കൂടാതെ, N. bifidum-ൽ മറ്റൊരു ജീൻ AOS-ന്റെ ട്രാൻസ്ക്രിപ്റ്റ് മാത്രമേ കണ്ടെത്തിയിട്ടില്ല. സിഗ്നൽ അനർജിക് സ്പീഷീസുകളിലെ കുറഞ്ഞ JA ഉൽപ്പാദനം മൂലവും N. ഗ്രാസിലിസിന്റെ ഇൻഡക്ഷൻ മൂലവും ഉണ്ടാകുന്ന തീവ്രമായ ഫിനോടൈപ്പുകൾക്ക് ജീൻ എക്സ്പ്രഷനിലെ ഈ മാറ്റങ്ങൾ കാരണമാകാം.
(എ) സസ്യഭുക്കുകളുടെ പ്രേരണയ്ക്ക് 30 മിനിറ്റിനുശേഷം സാമ്പിളിൽ എടുത്ത നാല് അടുത്ത ബന്ധമുള്ള പുകയില ഇനങ്ങളുടെ ആദ്യകാല ട്രാൻസ്ക്രിപ്ഷണൽ പ്രതികരണങ്ങളുടെ റീപ്രോഗ്രാമിംഗിന്റെ വിവര സിദ്ധാന്ത വിശകലനം. സസ്യഭുക്ക OS പ്രേരണയാൽ ഉണ്ടാകുന്ന ഇലകളെ മുറിവ് നിയന്ത്രണവുമായി താരതമ്യം ചെയ്താണ് RDPI കണക്കാക്കുന്നത്. നിറങ്ങൾ വ്യത്യസ്ത ഇനങ്ങളെയും ചിഹ്നങ്ങൾ വ്യത്യസ്ത ചികിത്സാ രീതികളെയും സൂചിപ്പിക്കുന്നു. (ബി) നാല് സ്പീഷീസുകൾക്കിടയിലുള്ള JA സിഗ്നലിംഗ് പാതകളിലെ ജീൻ എക്സ്പ്രഷന്റെ വിശകലനം. ബോക്സ് പ്ലോട്ടിന് അടുത്തായി ലളിതവൽക്കരിച്ച JA പാത കാണിച്ചിരിക്കുന്നു. വ്യത്യസ്ത നിറങ്ങൾ വ്യത്യസ്ത പ്രോസസ്സിംഗ് രീതികളെ സൂചിപ്പിക്കുന്നു. W + OS ചികിത്സയും W + W നിയന്ത്രണവും തമ്മിൽ കാര്യമായ വ്യത്യാസമുണ്ടെന്ന് നക്ഷത്രചിഹ്നം സൂചിപ്പിക്കുന്നു (ജോഡിവൈസ് വ്യത്യാസങ്ങൾക്കായുള്ള വിദ്യാർത്ഥിയുടെ ടി-ടെസ്റ്റിന്, *P<0.05, **P<0.01, ***P<0.001). OPDA, 12-oxophytodienoic ആസിഡ്; OPC-8: 0,3-oxo-2(2′(Z)-പെന്റനൈൽ)-സൈക്ലോപെന്റേൻ-1-ഒക്ടാനോയിക് ആസിഡ്.
അവസാന ഭാഗത്ത്, വ്യത്യസ്ത സസ്യ ഇനങ്ങളുടെ മെറ്റബോളോമിന്റെ പ്രാണികളുടെ സ്പീഷീസുകളെ അടിസ്ഥാനമാക്കിയുള്ള പുനർനിർമ്മാണം സസ്യഭുക്കുകളെ എങ്ങനെ പ്രതിരോധിക്കുമെന്ന് ഞങ്ങൾ പഠിച്ചു. മുൻ ഗവേഷണങ്ങൾ നിക്കോട്ടിയാന ജനുസ്സിനെ ഊന്നിപ്പറഞ്ഞു. Ms, ലാർവകൾ എന്നിവയോടുള്ള അവയുടെ പ്രതിരോധം വളരെ വ്യത്യസ്തമാണ് (40). ഇവിടെ, ഈ മോഡലും അവയുടെ മെറ്റബോളിക് പ്ലാസ്റ്റിറ്റിയും തമ്മിലുള്ള ബന്ധം ഞങ്ങൾ പഠിച്ചു. മുകളിലുള്ള നാല് പുകയില സ്പീഷീസുകൾ ഉപയോഗിച്ച്, സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന മെറ്റബോളോമിന്റെ വൈവിധ്യവും സ്പെഷ്യലൈസേഷനും Ms, Sl എന്നിവയോടുള്ള സസ്യങ്ങളുടെ പ്രതിരോധവും തമ്മിലുള്ള പരസ്പരബന്ധം പരിശോധിച്ചപ്പോൾ, സാമാന്യവാദിയായ Sl-നോടുള്ള പ്രതിരോധം, വൈവിധ്യം, സ്പെഷ്യലൈസേഷൻ എന്നിവ പോസിറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞങ്ങൾ കണ്ടെത്തി, അതേസമയം വിദഗ്ദ്ധരായ സ്ത്രീകളോടുള്ള പ്രതിരോധവും സ്പെഷ്യലൈസേഷനും തമ്മിലുള്ള പരസ്പരബന്ധം ദുർബലമാണ്, വൈവിധ്യവുമായുള്ള പരസ്പരബന്ധം പ്രാധാന്യമർഹിക്കുന്നില്ല (ചിത്രം S10). S1 പ്രതിരോധത്തെ സംബന്ധിച്ചിടത്തോളം, JA സിഗ്നൽ ട്രാൻസ്‌ഡക്ഷൻ ലെവലുകളും മെറ്റബോളോം പ്ലാസ്റ്റിറ്റിയും പ്രകടിപ്പിക്കുന്നതായി മുമ്പ് കാണിച്ചിരുന്ന ദുർബലമായ N. chinensis, N. gracilis എന്നിവയ്ക്ക് സസ്യഭുക്കുകളുടെ ഇൻഡക്ഷനോട് വളരെ വ്യത്യസ്തമായ പ്രതികരണങ്ങളുണ്ടായിരുന്നു, കൂടാതെ അവ സമാനമായ ഉയർന്ന പ്രതിരോധവും കാണിച്ചു. ലൈംഗികത.
കഴിഞ്ഞ അറുപത് വർഷത്തിനിടയിൽ, സസ്യ പ്രതിരോധ സിദ്ധാന്തം ഒരു സൈദ്ധാന്തിക ചട്ടക്കൂട് നൽകിയിട്ടുണ്ട്, അതിന്റെ അടിസ്ഥാനത്തിൽ ഗവേഷകർ സസ്യ പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ പരിണാമവും പ്രവർത്തനങ്ങളും ഗണ്യമായ എണ്ണം പ്രവചിച്ചിട്ടുണ്ട്. ഈ സിദ്ധാന്തങ്ങളിൽ ഭൂരിഭാഗവും ശക്തമായ അനുമാനങ്ങളുടെ സാധാരണ നടപടിക്രമം പിന്തുടരുന്നില്ല (41). വിശകലനത്തിന്റെ അതേ തലത്തിൽ അവർ പ്രധാന പ്രവചനങ്ങൾ (3) നിർദ്ദേശിക്കുന്നു. പ്രധാന പ്രവചനങ്ങളുടെ പരിശോധന നിർദ്ദിഷ്ട സിദ്ധാന്തങ്ങളെ വിശകലനം ചെയ്യാൻ അനുവദിക്കുമ്പോൾ, ഇത് ഫീൽഡ് മുന്നോട്ട് നീങ്ങുന്നു. പിന്തുണയ്ക്കപ്പെടുക, പക്ഷേ മറ്റുള്ളവയെ നിരസിക്കുക (42). പകരം, പുതിയ സിദ്ധാന്തം വിശകലനത്തിന്റെ വ്യത്യസ്ത തലങ്ങളിൽ പ്രവചനങ്ങൾ നടത്തുകയും വിവരണാത്മക പരിഗണനകളുടെ ഒരു പുതിയ പാളി ചേർക്കുകയും ചെയ്യുന്നു (42). എന്നിരുന്നാലും, പ്രവർത്തന തലത്തിൽ നിർദ്ദേശിക്കപ്പെട്ട രണ്ട് സിദ്ധാന്തങ്ങളായ MT, OD എന്നിവ സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന പ്രത്യേക മെറ്റബോളിക് മാറ്റങ്ങളുടെ പ്രധാന പ്രവചനങ്ങളായി എളുപ്പത്തിൽ വിശദീകരിക്കാം: പ്രത്യേക മെറ്റബോളിക് "സ്ഥല"ത്തിലെ മാറ്റങ്ങൾ വളരെ ദിശാസൂചനയുള്ളതാണെന്ന് OD സിദ്ധാന്തം വിശ്വസിക്കുന്നു. ഈ മാറ്റങ്ങൾ ദിശാസൂചനയില്ലാത്തതും ഉപാപചയ സ്ഥലത്ത് ക്രമരഹിതമായി സ്ഥിതിചെയ്യുമെന്നും ഉയർന്ന പ്രതിരോധ മൂല്യമുള്ള മെറ്റബോളിറ്റുകൾ ഉണ്ടാകുമെന്നും MT സിദ്ധാന്തം വിശ്വസിക്കുന്നു. OD, MT പ്രവചനങ്ങളുടെ മുൻകാല പരിശോധനകൾ ഒരു ഇടുങ്ങിയ സെറ്റ് ഒരു പ്രിയോറി "പ്രതിരോധ" സംയുക്തങ്ങൾ ഉപയോഗിച്ച് പരീക്ഷിച്ചു. സസ്യഭക്ഷണ സമയത്ത് മെറ്റബോളോം പുനഃക്രമീകരണത്തിന്റെ വ്യാപ്തിയും പാതയും വിശകലനം ചെയ്യാനുള്ള കഴിവിനെ ഈ മെറ്റബോളിറ്റ്-കേന്ദ്രീകൃത പരിശോധനകൾ തടയുന്നു, കൂടാതെ ഒരു സ്ഥിരമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ ചട്ടക്കൂടിനുള്ളിൽ പരിശോധന നടത്താൻ അനുവദിക്കുന്നില്ല, അത് മൊത്തത്തിൽ പരിഗണിക്കാവുന്ന പ്രധാന പ്രവചനങ്ങൾ ആവശ്യമാണ്. സസ്യ മെറ്റബോളോമിലെ മാറ്റങ്ങൾ അളക്കുക. ഇവിടെ, കമ്പ്യൂട്ടേഷണൽ എം‌എസിനെ അടിസ്ഥാനമാക്കിയുള്ള മെറ്റബോളോമിക്സിലെ നൂതന സാങ്കേതികവിദ്യ ഞങ്ങൾ ഉപയോഗിച്ചു, ആഗോള മെറ്റബോളോമിക്സ് തലത്തിൽ നിർദ്ദേശിക്കപ്പെട്ട രണ്ടും തമ്മിലുള്ള വ്യത്യാസം പരിശോധിക്കുന്നതിന് വിവര സിദ്ധാന്ത വിവരണങ്ങളുടെ പൊതു കറൻസിയിൽ ഡീകൺവല്യൂഷൻ എം‌എസ് വിശകലനം നടത്തി. ഈ സിദ്ധാന്തത്തിന്റെ പ്രധാന പ്രവചനം. പല മേഖലകളിലും, പ്രത്യേകിച്ച് ജൈവവൈവിധ്യത്തിന്റെയും പോഷക പ്രവാഹ ഗവേഷണത്തിന്റെയും പശ്ചാത്തലത്തിൽ, വിവര സിദ്ധാന്തം പ്രയോഗിച്ചിട്ടുണ്ട് (43). എന്നിരുന്നാലും, നമുക്കറിയാവുന്നിടത്തോളം, സസ്യങ്ങളുടെ ഉപാപചയ വിവര ഇടം വിവരിക്കുന്നതിനും പാരിസ്ഥിതിക സൂചനകളോടുള്ള പ്രതികരണമായി താൽക്കാലിക ഉപാപചയ മാറ്റങ്ങളുമായി ബന്ധപ്പെട്ട പാരിസ്ഥിതിക പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനും ഉപയോഗിക്കുന്ന ആദ്യ പ്രയോഗമാണിത്. പ്രത്യേകിച്ചും, സസ്യജീവികൾ വ്യത്യസ്ത സ്പീഷീസുകളിൽ നിന്ന് പരിണാമത്തിന്റെ വ്യത്യസ്ത തലങ്ങളിൽ മാക്രോ-സ്പീഷീസുകളിലേക്ക് എങ്ങനെ പരിണമിച്ചുവെന്ന് പരിശോധിക്കുന്നതിന് സസ്യജാലങ്ങൾക്കുള്ളിലും അവയ്ക്കിടയിലുമുള്ള പാറ്റേണുകൾ താരതമ്യം ചെയ്യാനുള്ള കഴിവിലാണ് ഈ രീതിയുടെ കഴിവ്. മെറ്റബോളിസം.
പ്രിൻസിപ്പൽ കമ്പോണന്റ് അനാലിസിസ് (പിസിഎ) ഒരു മൾട്ടിവേരിയേറ്റ് ഡാറ്റാ സെറ്റിനെ ഒരു ഡൈമൻഷണാലിറ്റി റിഡക്ഷൻ സ്‌പെയ്‌സാക്കി മാറ്റുന്നു, അതുവഴി ഡാറ്റയുടെ പ്രധാന പ്രവണത വിശദീകരിക്കാൻ കഴിയും, അതിനാൽ ഇത് സാധാരണയായി ഡീകൺവല്യൂഷൻ മെറ്റബോളോം പോലുള്ള ഡാറ്റാ സെറ്റ് വിശകലനം ചെയ്യുന്നതിനുള്ള ഒരു പര്യവേക്ഷണ സാങ്കേതികതയായി ഉപയോഗിക്കുന്നു. എന്നിരുന്നാലും, ഡൈമൻഷണാലിറ്റി റിഡക്ഷന് ഡാറ്റാ സെറ്റിലെ വിവര ഉള്ളടക്കത്തിന്റെ ഒരു ഭാഗം നഷ്ടപ്പെടും, കൂടാതെ പാരിസ്ഥിതിക സിദ്ധാന്തത്തിന് പ്രത്യേകിച്ച് പ്രസക്തമായ സ്വഭാവസവിശേഷതകളെക്കുറിച്ചുള്ള അളവ് വിവരങ്ങൾ നൽകാൻ പിസിഎയ്ക്ക് കഴിയില്ല, ഉദാഹരണത്തിന്: സസ്യഭുക്കുകൾ പ്രത്യേക മേഖലകളിൽ വൈവിധ്യം എങ്ങനെ പുനഃക്രമീകരിക്കുന്നു (ഉദാഹരണത്തിന്, സമ്പന്നത, വിതരണം) സമൃദ്ധി) മെറ്റബോളൈറ്റുകൾ? നൽകിയിരിക്കുന്ന സസ്യഭുക്കിന്റെ പ്രേരിത അവസ്ഥയുടെ പ്രവചനകാരികളാണ് ഏത് മെറ്റബോളൈറ്റുകൾ? പ്രത്യേകത, വൈവിധ്യം, ഇൻഡക്‌സിബിലിറ്റി എന്നിവയുടെ വീക്ഷണകോണിൽ നിന്ന്, ഇല-നിർദ്ദിഷ്ട മെറ്റബോളൈറ്റ് പ്രൊഫൈലിന്റെ വിവര ഉള്ളടക്കം വിഘടിപ്പിക്കപ്പെടുന്നു, കൂടാതെ സസ്യഭുക്കുകൾ കഴിക്കുന്നത് നിർദ്ദിഷ്ട മെറ്റബോളിസത്തെ സജീവമാക്കുമെന്ന് കണ്ടെത്തി. അപ്രതീക്ഷിതമായി, നടപ്പിലാക്കിയ വിവര സിദ്ധാന്ത സൂചകങ്ങളിൽ വിവരിച്ചിരിക്കുന്നതുപോലെ, രണ്ട് സസ്യഭുക്കുകളുടെയും (രാത്രിയിൽ ഭക്ഷണം കഴിക്കുന്ന ജനറൽ Sl) സോളനേസി വിദഗ്ദ്ധയായ ശ്രീമതിയുടെയും ആക്രമണങ്ങൾക്ക് ശേഷം ഫലമായുണ്ടാകുന്ന മെറ്റബോളിക് സാഹചര്യത്തിന് വലിയ ഓവർലാപ്പ് ഉണ്ടെന്ന് ഞങ്ങൾ നിരീക്ഷിച്ചു. അവയുടെ ഭക്ഷണ സ്വഭാവവും ഏകാഗ്രതയും ഗണ്യമായി വ്യത്യസ്തമാണെങ്കിലും. OS (31)-ൽ ഫാറ്റി ആസിഡ്-അമിനോ ആസിഡ് കൺജഗേറ്റ് (FAC) ഇനീഷ്യേറ്റർ. സ്റ്റാൻഡേർഡ് പഞ്ചർ മുറിവുകൾ ചികിത്സിക്കാൻ സസ്യഭുക്ക OS ഉപയോഗിക്കുന്നതിലൂടെ, സിമുലേറ്റഡ് സസ്യഭുക്ക ചികിത്സയും സമാനമായ പ്രവണത കാണിച്ചു. സസ്യഭുക്കുകളുടെ ആക്രമണങ്ങളോടുള്ള സസ്യങ്ങളുടെ പ്രതികരണം അനുകരിക്കുന്നതിനുള്ള ഈ സ്റ്റാൻഡേർഡ് നടപടിക്രമം സസ്യഭുക്കുകളുടെ ഭക്ഷണ സ്വഭാവത്തിലെ മാറ്റങ്ങൾ മൂലമുണ്ടാകുന്ന ആശയക്കുഴപ്പമുണ്ടാക്കുന്ന ഘടകങ്ങളെ ഇല്ലാതാക്കുന്നു, ഇത് വ്യത്യസ്ത സമയങ്ങളിൽ വ്യത്യസ്ത അളവിലുള്ള നാശനഷ്ടങ്ങൾക്ക് കാരണമാകുന്നു (34). OSM-ന്റെ പ്രധാന കാരണമായി അറിയപ്പെടുന്ന FAC, OSS1-ൽ JAS-ഉം മറ്റ് സസ്യ ഹോർമോൺ പ്രതികരണങ്ങളും കുറയ്ക്കുന്നു, അതേസമയം OSS1 നൂറുകണക്കിന് മടങ്ങ് കുറയ്ക്കുന്നു (31). എന്നിരുന്നാലും, OSM-നെ അപേക്ഷിച്ച് OSS1 സമാനമായ അളവിലുള്ള JA ശേഖരണത്തിന് കാരണമായി. ദുർബലപ്പെടുത്തിയ നെപെന്തസിലെ JA പ്രതികരണം OSM-നോട് വളരെ സെൻസിറ്റീവ് ആണെന്ന് മുമ്പ് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്, അവിടെ FAC വെള്ളത്തിൽ 1:1000 ലയിപ്പിച്ചാലും അതിന്റെ പ്രവർത്തനം നിലനിർത്താൻ കഴിയും (44). അതിനാൽ, OSM-നെ അപേക്ഷിച്ച്, OSS1-ലെ FAC വളരെ കുറവാണെങ്കിലും, മതിയായ JA പൊട്ടിപ്പുറപ്പെടലിന് കാരണമാകാൻ ഇത് മതിയാകും. OSS1-ൽ സസ്യ പ്രതിരോധ പ്രതികരണങ്ങളെ ഉത്തേജിപ്പിക്കുന്നതിന് പോറിൻ പോലുള്ള പ്രോട്ടീനുകളും (45) ഒലിഗോസാക്കറൈഡുകളും (46) തന്മാത്രാ സൂചനകളായി ഉപയോഗിക്കാമെന്ന് മുൻ പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട്. എന്നിരുന്നാലും, നിലവിലെ പഠനത്തിൽ നിരീക്ഷിച്ച JA യുടെ ശേഖരണത്തിന് OSS1-ലെ ഈ എലിസിറ്ററുകൾ ഉത്തരവാദികളാണോ എന്ന് ഇപ്പോഴും വ്യക്തമല്ല.
വ്യത്യസ്ത സസ്യഭുക്കുകളുടെയോ ബാഹ്യ സസ്യഭുക്കുകളുടെയോ (സാലിസിലിക് ആസിഡ്) പ്രയോഗം മൂലമുണ്ടാകുന്ന വ്യത്യസ്ത ഉപാപചയ വിരലടയാളങ്ങളെ വിവരിക്കുന്ന പഠനങ്ങൾ കുറവാണെങ്കിലും (47), സസ്യ പുല്ല് ശൃംഖലയിലെ സസ്യഭുക്കുകളുടെ സ്പീഷീസുകളുടെ നിർദ്ദിഷ്ട പ്രക്ഷുബ്ധതയെയും അതിന്റെ പ്രത്യേക ഫലങ്ങളെയും ആരും പ്രക്ഷുബ്ധമാക്കിയിട്ടില്ല. മെറ്റബോളിസത്തിന്റെ മൊത്തത്തിലുള്ള ആഘാതം വ്യവസ്ഥാപിതമായി പഠിക്കുന്നു. വ്യക്തിഗത വിവരങ്ങൾ. JA-കൾ ഒഴികെയുള്ള മറ്റ് സസ്യ ഹോർമോണുകളുമായുള്ള ആന്തരിക ഹോർമോൺ നെറ്റ്‌വർക്ക് ബന്ധം സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന ഉപാപചയ പുനഃസംഘടനയുടെ പ്രത്യേകതയെ രൂപപ്പെടുത്തുന്നുവെന്ന് ഈ വിശകലനം കൂടുതൽ സ്ഥിരീകരിച്ചു. പ്രത്യേകിച്ചും, OSM മൂലമുണ്ടാകുന്ന ET OSS1 മൂലമുണ്ടാകുന്നതിനേക്കാൾ വളരെ കൂടുതലാണെന്ന് ഞങ്ങൾ കണ്ടെത്തി. ഈ മോഡ് OSM-ൽ കൂടുതൽ FAC ഉള്ളടക്കവുമായി പൊരുത്തപ്പെടുന്നു, ഇത് ET ബർസ്റ്റ് ട്രിഗർ ചെയ്യുന്നതിന് ആവശ്യമായതും മതിയായതുമായ ഒരു അവസ്ഥയാണ് (48). സസ്യങ്ങളും സസ്യഭുക്കുകളും തമ്മിലുള്ള പ്രതിപ്രവർത്തനത്തിന്റെ പശ്ചാത്തലത്തിൽ, സസ്യ-നിർദ്ദിഷ്ട മെറ്റബോളിറ്റ് ഡൈനാമിക്സിൽ ET യുടെ സിഗ്നലിംഗ് പ്രവർത്തനം ഇപ്പോഴും ഇടയ്ക്കിടെ നടക്കുന്നു, കൂടാതെ ഒരു സംയുക്ത ഗ്രൂപ്പിനെ മാത്രമേ ലക്ഷ്യമിടുന്നുള്ളൂ. കൂടാതെ, മിക്ക പഠനങ്ങളും ET യുടെ നിയന്ത്രണം പഠിക്കാൻ ET യുടെയോ അതിന്റെ മുൻഗാമികളുടെയോ വിവിധ ഇൻഹിബിറ്ററുകളുടെയോ ബാഹ്യ പ്രയോഗം ഉപയോഗിച്ചിട്ടുണ്ട്, അവയിൽ ഈ ബാഹ്യ രാസ പ്രയോഗങ്ങൾ നിരവധി നിർദ്ദിഷ്ടമല്ലാത്ത പാർശ്വഫലങ്ങൾ ഉണ്ടാക്കും. ഞങ്ങളുടെ അറിവിൽ, സസ്യ മെറ്റബോളിക് ഡൈനാമിക്സിനെ ഏകോപിപ്പിക്കുന്നതിന് വൈകല്യമുള്ള ട്രാൻസ്ജെനിക് സസ്യങ്ങൾ ഉൽ‌പാദിപ്പിക്കുന്നതിനും മനസ്സിലാക്കുന്നതിനും ET യുടെ ഉപയോഗത്തിൽ ET യുടെ പങ്കിനെക്കുറിച്ചുള്ള ആദ്യത്തെ വലിയ തോതിലുള്ള വ്യവസ്ഥാപിത പരിശോധനയാണ് ഈ പഠനം പ്രതിനിധീകരിക്കുന്നത്. സസ്യഭുക്കായ-നിർദ്ദിഷ്ട ET ഇൻഡക്ഷന് ആത്യന്തികമായി മെറ്റബോളോം പ്രതികരണത്തെ മോഡുലേറ്റ് ചെയ്യാൻ കഴിയും. ഏറ്റവും പ്രധാനപ്പെട്ടത് ഫിനോളമൈഡുകളുടെ സസ്യഭുക്ക-നിർദ്ദിഷ്ട ഡി നോവോ ശേഖരണം വെളിപ്പെടുത്തിയ ET ബയോസിന്തസിസ് (ACO), പെർസെപ്ഷൻ (ETR1) ജീനുകളുടെ ട്രാൻസ്ജെനിക് കൃത്രിമത്വമാണ്. പുട്രെസ്സിൻ എൻ-മെഥൈൽട്രാൻസ്ഫെറേസ് (49) നിയന്ത്രിക്കുന്നതിലൂടെ ET ന് JA-ഇൻഡ്യൂസ്ഡ് നിക്കോട്ടിൻ ശേഖരണം മികച്ചതാക്കാൻ കഴിയുമെന്ന് മുമ്പ് കാണിച്ചിട്ടുണ്ട്. എന്നിരുന്നാലും, ഒരു മെക്കാനിക്കൽ വീക്ഷണകോണിൽ നിന്ന്, ET ഫിനാമൈഡിന്റെ ഇൻഡക്ഷനെ എങ്ങനെ മികച്ചതാക്കുന്നു എന്ന് വ്യക്തമല്ല. ET യുടെ സിഗ്നൽ ട്രാൻസ്ഡക്ഷൻ ഫംഗ്ഷന് പുറമേ, പോളിഅമിനോഫെനോൾ അമൈഡുകളിലെ നിക്ഷേപം നിയന്ത്രിക്കുന്നതിന് മെറ്റബോളിക് ഫ്ലക്സിനെ S-അഡെനോസിൽ-1-മെഥിയോണിനിലേക്ക് മാറ്റാനും കഴിയും. പോളിഅമിൻ ബയോസിന്തറ്റിക് പാതയുടെ ET ഉം പൊതുവായ ഇന്റർമീഡിയറ്റുമാണ് S-അഡെനോസിൽ-1-മെഥിയോണിൻ. ET സിഗ്നൽ ഫിനോലാമൈഡിന്റെ അളവ് നിയന്ത്രിക്കുന്ന സംവിധാനത്തെക്കുറിച്ച് കൂടുതൽ പഠനം ആവശ്യമാണ്.
വളരെക്കാലമായി, അജ്ഞാത ഘടനയുള്ള പ്രത്യേക മെറ്റബോളിറ്റുകളുടെ വലിയ എണ്ണം കാരണം, നിർദ്ദിഷ്ട മെറ്റബോളിക് വിഭാഗങ്ങളിലേക്കുള്ള തീവ്രമായ ശ്രദ്ധയ്ക്ക് ജൈവ ഇടപെടലുകൾക്ക് ശേഷമുള്ള ഉപാപചയ വൈവിധ്യത്തിലെ താൽക്കാലിക മാറ്റങ്ങൾ കർശനമായി വിലയിരുത്താൻ കഴിയുന്നില്ല. നിലവിൽ, വിവര സിദ്ധാന്ത വിശകലനത്തെ അടിസ്ഥാനമാക്കി, പക്ഷപാതമില്ലാത്ത മെറ്റബോളിറ്റുകളെ അടിസ്ഥാനമാക്കിയുള്ള MS/MS സ്പെക്ട്രം ഏറ്റെടുക്കലിന്റെ പ്രധാന ഫലം, സസ്യഭുക്കുകൾ സസ്യഭുക്കുകളെ ഭക്ഷിക്കുകയോ അനുകരിക്കുകയോ ചെയ്യുന്നത് ഇല മെറ്റബോളോമിന്റെ മൊത്തത്തിലുള്ള ഉപാപചയ വൈവിധ്യം കുറയ്ക്കുന്നത് തുടരുന്നു എന്നതാണ്, അതേസമയം അതിന്റെ സ്പെഷ്യലൈസേഷന്റെ അളവ് വർദ്ധിപ്പിക്കുന്നു. സസ്യഭുക്കുകൾ മൂലമുണ്ടാകുന്ന മെറ്റബോളോം സ്പെസിഫിസിറ്റിയിലെ ഈ താൽക്കാലിക വർദ്ധനവ് ട്രാൻസ്ക്രിപ്റ്റോം സ്പെസിഫിസിറ്റിയിലെ സിനർജിസ്റ്റിക് വർദ്ധനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ഈ വലിയ മെറ്റബോളോം സ്പെഷ്യലൈസേഷന് ഏറ്റവും കൂടുതൽ സംഭാവന നൽകുന്ന സവിശേഷത (ഉയർന്ന Si മൂല്യം ഉള്ളത്) മുമ്പ് വിശേഷിപ്പിക്കപ്പെട്ട സസ്യഭുക്ക പ്രവർത്തനമുള്ള പ്രത്യേക മെറ്റബോളൈറ്റാണ്. ഈ മാതൃക OD സിദ്ധാന്തത്തിന്റെ പ്രവചനവുമായി പൊരുത്തപ്പെടുന്നു, എന്നാൽ മെറ്റബോളോം റീപ്രോഗ്രാമിംഗിന്റെ ക്രമരഹിതതയുമായി ബന്ധപ്പെട്ട MT യുടെ പ്രവചനം സ്ഥിരതയുള്ളതല്ല. എന്നിരുന്നാലും, ഈ ഡാറ്റ മിക്സഡ് മോഡലിന്റെ പ്രവചനവുമായി പൊരുത്തപ്പെടുന്നു (മികച്ച MT; ചിത്രം 1B), കാരണം അജ്ഞാത പ്രതിരോധ പ്രവർത്തനങ്ങളുള്ള മറ്റ് സ്വഭാവരഹിത മെറ്റബോളിറ്റുകൾ ഇപ്പോഴും ക്രമരഹിതമായ Si വിതരണത്തെ പിന്തുടരാം.
സൂക്ഷ്മ പരിണാമ തലം (ഒറ്റ സസ്യ, പുകയില ജനസംഖ്യ) മുതൽ വലിയ പരിണാമ തലം (അടുത്ത ബന്ധമുള്ള പുകയില സ്പീഷീസുകൾ) വരെ, പരിണാമ സംഘടനയുടെ വ്യത്യസ്ത തലങ്ങൾ "മികച്ച പ്രതിരോധത്തിലാണ്" എന്നതാണ് ഈ ഗവേഷണം കൂടുതൽ പിടിച്ചെടുത്ത ഒരു ശ്രദ്ധേയമായ മാതൃക. സസ്യഭുക്കുകളുടെ കഴിവുകളിൽ കാര്യമായ വ്യത്യാസങ്ങളുണ്ട്. മൂർ തുടങ്ങിയവർ (20), കെസ്ലർ, കാൽസ്കെ (1) എന്നിവർ സ്വതന്ത്രമായി വിറ്റേക്കർ (50) ആദ്യം വേർതിരിച്ച ജൈവവൈവിധ്യത്തിന്റെ മൂന്ന് പ്രവർത്തന തലങ്ങളെ രാസ വൈവിധ്യത്തിന്റെ ഘടനാപരവും പ്രേരിതവുമായ താൽക്കാലിക മാറ്റങ്ങളാക്കി മാറ്റാൻ നിർദ്ദേശിച്ചു; ഈ രചയിതാക്കൾ സംഗ്രഹിച്ചിട്ടില്ല. വലിയ തോതിലുള്ള മെറ്റബോളോം ഡാറ്റ ശേഖരണത്തിനുള്ള നടപടിക്രമങ്ങളും ഈ ഡാറ്റയിൽ നിന്ന് ഉപാപചയ വൈവിധ്യം എങ്ങനെ കണക്കാക്കാമെന്ന് വിശദീകരിക്കുന്നില്ല. ഈ പഠനത്തിൽ, വിറ്റേക്കറുടെ പ്രവർത്തന വർഗ്ഗീകരണത്തിലെ ചെറിയ ക്രമീകരണങ്ങൾ ഒരു നിശ്ചിത സസ്യത്തിലെ MS/MS സ്പെക്ട്രയുടെ വൈവിധ്യമായി α-മെറ്റബോളിക് വൈവിധ്യത്തെയും ഒരു കൂട്ടം ജനസംഖ്യയുടെ അടിസ്ഥാന ഇൻട്രാസ്പെസിഫിക് മെറ്റബോളിസമായും γ-മെറ്റബോളിക് വൈവിധ്യത്തെയും പരിഗണിക്കും. സ്പെയ്സ്, γ-മെറ്റബോളിക് വൈവിധ്യം സമാന ജീവിവർഗങ്ങളുടെ വിശകലനത്തിന്റെ ഒരു വിപുലീകരണമായിരിക്കും.
സസ്യഭുക്കുകളുടെ ഉപാപചയ പ്രതികരണങ്ങളുടെ വിശാലമായ ശ്രേണിക്ക് JA സിഗ്നൽ അത്യാവശ്യമാണ്. എന്നിരുന്നാലും, ഉപാപചയ വൈവിധ്യത്തിൽ JA ബയോസിന്തസിസിന്റെ അന്തർലീന നിയന്ത്രണത്തിന്റെ സംഭാവനയെക്കുറിച്ചുള്ള കർശനമായ അളവ് പരിശോധനയുടെ അഭാവമുണ്ട്, കൂടാതെ ഉയർന്ന മാക്രോ പരിണാമ സ്കെയിലിൽ സമ്മർദ്ദം മൂലമുണ്ടാകുന്ന ഉപാപചയ വൈവിധ്യവൽക്കരണത്തിനുള്ള ഒരു പൊതു സ്ഥലമാണോ JA സിഗ്നൽ എന്നത് ഇപ്പോഴും അവ്യക്തമാണ്. നെപെന്തസ് സസ്യഭുക്കുകളുടെ സസ്യഭുക്കുകളുടെ സ്വഭാവം ഉപാപചയ സ്പെഷ്യലൈസേഷനെ പ്രേരിപ്പിക്കുന്നുവെന്നും നിക്കോട്ടിയാന സ്പീഷീസുകളുടെയും അടുത്ത ബന്ധമുള്ള നിക്കോട്ടിയാന സ്പീഷീസുകളുടെയും ജനസംഖ്യയിൽ ഉപാപചയ സ്പെഷ്യലൈസേഷന്റെ വ്യതിയാനം JA സിഗ്നലിംഗുമായി വ്യവസ്ഥാപിതമായി പോസിറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്നും ഞങ്ങൾ നിരീക്ഷിച്ചു. കൂടാതെ, JA സിഗ്നൽ തകരാറിലാകുമ്പോൾ, ഒരൊറ്റ ജനിതകരൂപ സസ്യഭുക്കുകളാൽ പ്രേരിപ്പിക്കപ്പെടുന്ന ഉപാപചയ സ്പെസിഫിസിറ്റി റദ്ദാക്കപ്പെടും (ചിത്രം 3, C, E). സ്വാഭാവികമായി ദുർബലമായ നെപെന്തസ് ജനസംഖ്യയുടെ ഉപാപചയ സ്പെക്ട്രം മാറ്റങ്ങൾ കൂടുതലും ക്വാണ്ടിറ്റേറ്റീവ് ആയതിനാൽ, ഈ വിശകലനത്തിലെ ഉപാപചയ β വൈവിധ്യത്തിലും പ്രത്യേകതയിലും ഉണ്ടാകുന്ന മാറ്റങ്ങൾ പ്രധാനമായും മെറ്റബോളൈറ്റ്-സമ്പന്നമായ സംയുക്ത വിഭാഗങ്ങളുടെ ശക്തമായ ആവേശം മൂലമാകാം. ഈ സംയുക്ത ക്ലാസുകൾ മെറ്റബോളോം പ്രൊഫൈലിന്റെ ഒരു ഭാഗത്ത് ആധിപത്യം സ്ഥാപിക്കുകയും JA സിഗ്നലുകളുമായി ഒരു പോസിറ്റീവ് പരസ്പര ബന്ധത്തിലേക്ക് നയിക്കുകയും ചെയ്യുന്നു.
പുകയില ഇനങ്ങളുമായി അടുത്ത ബന്ധമുള്ള ബയോകെമിക്കൽ സംവിധാനങ്ങൾ വളരെ വ്യത്യസ്തമായതിനാൽ, മെറ്റബോളൈറ്റുകൾ ഗുണപരമായി പ്രത്യേകം തിരിച്ചറിയപ്പെടുന്നു, അതിനാൽ ഇത് കൂടുതൽ വിശകലനപരമാണ്. പിടിച്ചെടുത്ത മെറ്റബോളിക് പ്രൊഫൈലിന്റെ വിവര സിദ്ധാന്തത്തിന്റെ പ്രോസസ്സിംഗ്, സസ്യഭുക്ക ഇൻഡക്ഷൻ മെറ്റബോളിക് ഗാമ വൈവിധ്യത്തിനും സ്പെഷ്യലൈസേഷനും ഇടയിലുള്ള ട്രേഡ്-ഓഫ് വർദ്ധിപ്പിക്കുന്നുവെന്ന് വെളിപ്പെടുത്തുന്നു. ഈ ട്രേഡ്-ഓഫിൽ JA സിഗ്നൽ ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു. മെറ്റബോളോം സ്പെഷ്യലൈസേഷനിലെ വർദ്ധനവ് പ്രധാന OD പ്രവചനവുമായി പൊരുത്തപ്പെടുന്നു, കൂടാതെ JA സിഗ്നലുമായി പോസിറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു, അതേസമയം JA സിഗ്നൽ മെറ്റബോളിക് ഗാമ വൈവിധ്യവുമായി നെഗറ്റീവ് ആയി ബന്ധപ്പെട്ടിരിക്കുന്നു. സൂക്ഷ്മ പരിണാമ സ്കെയിലിലോ വലിയ പരിണാമ സ്കെയിലിലോ ആകട്ടെ, സസ്യങ്ങളുടെ OD ശേഷി പ്രധാനമായും നിർണ്ണയിക്കുന്നത് JA യുടെ പ്ലാസ്റ്റിറ്റിയാണെന്ന് ഈ മോഡലുകൾ സൂചിപ്പിക്കുന്നു. JA ബയോസിന്തസിസ് വൈകല്യങ്ങളെ മറികടക്കുന്ന എക്സോജനസ് JA ആപ്ലിക്കേഷൻ പരീക്ഷണങ്ങൾ കൂടുതൽ വെളിപ്പെടുത്തുന്നത്, അടുത്ത ബന്ധമുള്ള പുകയില ഇനങ്ങളെ സിഗ്നൽ-റെസ്പോൺസീവ്, സിഗ്നൽ-നോൺ-റെസ്പോൺസീവ് സ്പീഷീസുകളായി വേർതിരിച്ചറിയാൻ കഴിയുമെന്നാണ്, സസ്യഭുക്കുകളാൽ പ്രേരിതമായ മെറ്റബോളോം പ്ലാസ്റ്റിറ്റി പോലെ. എൻഡോജെനസ് JA ഉത്പാദിപ്പിക്കാനുള്ള കഴിവില്ലായ്മ കാരണം സിഗ്നൽ-റെസ്പോൺസീവ് സ്പീഷീസുകൾക്ക് പ്രതികരിക്കാൻ കഴിയില്ല, അതിനാൽ അവ ശാരീരിക പരിമിതികൾക്ക് വിധേയമാണ്. ഇത് JA സിഗ്നലിംഗ് പാതയിലെ (N. ക്രെസെൻസിലെ AOS ഉം JAR4 ഉം) ചില പ്രധാന ജീനുകളിലെ മ്യൂട്ടേഷനുകൾ മൂലമാകാം. ഈ ഇന്റർസ്‌പീഷീസ് മാക്രോ എവല്യൂഷണറി പാറ്റേണുകൾ പ്രധാനമായും ആന്തരിക ഹോർമോൺ ധാരണയിലും പ്രതികരണശേഷിയിലുമുള്ള മാറ്റങ്ങളാൽ നയിക്കപ്പെടാമെന്ന് ഈ ഫലം എടുത്തുകാണിക്കുന്നു.
സസ്യങ്ങളും സസ്യഭുക്കുകളും തമ്മിലുള്ള പ്രതിപ്രവർത്തനത്തിന് പുറമേ, ഉപാപചയ വൈവിധ്യത്തിന്റെ പര്യവേക്ഷണം പരിസ്ഥിതിയുമായുള്ള ജൈവ പൊരുത്തപ്പെടുത്തലിന്റെയും സങ്കീർണ്ണമായ ഫിനോടൈപ്പിക് സ്വഭാവങ്ങളുടെ പരിണാമത്തിന്റെയും ഗവേഷണത്തിലെ എല്ലാ പ്രധാന സൈദ്ധാന്തിക പുരോഗതികളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ആധുനിക എംഎസ് ഉപകരണങ്ങൾ നേടിയെടുക്കുന്ന ഡാറ്റയുടെ അളവിൽ വർദ്ധനവുണ്ടായതോടെ, ഉപാപചയ വൈവിധ്യത്തെക്കുറിച്ചുള്ള സിദ്ധാന്ത പരിശോധനയ്ക്ക് ഇപ്പോൾ വ്യക്തിഗത/വിഭാഗ മെറ്റബോളിറ്റ് വ്യത്യാസങ്ങളെ മറികടന്ന് അപ്രതീക്ഷിത പാറ്റേണുകൾ വെളിപ്പെടുത്തുന്നതിന് ആഗോള വിശകലനം നടത്താൻ കഴിയും. വലിയ തോതിലുള്ള വിശകലന പ്രക്രിയയിൽ, ഡാറ്റ പര്യവേക്ഷണം ചെയ്യാൻ ഉപയോഗിക്കാവുന്ന അർത്ഥവത്തായ ഭൂപടങ്ങൾ സങ്കൽപ്പിക്കുക എന്ന ആശയമാണ് ഒരു പ്രധാന രൂപകം. അതിനാൽ, പക്ഷപാതമില്ലാത്ത എംഎസ്/എംഎസ് മെറ്റബോളോമിക്സിന്റെയും വിവര സിദ്ധാന്തത്തിന്റെയും നിലവിലെ സംയോജനത്തിന്റെ ഒരു പ്രധാന ഫലം, വ്യത്യസ്ത ടാക്സോണമിക് സ്കെയിലുകളിൽ ഉപാപചയ വൈവിധ്യം ബ്രൗസ് ചെയ്യുന്നതിന് മാപ്പുകൾ നിർമ്മിക്കാൻ ഉപയോഗിക്കാവുന്ന ഒരു ലളിതമായ മെട്രിക് ഇത് നൽകുന്നു എന്നതാണ്. ഈ രീതിയുടെ അടിസ്ഥാന ആവശ്യകതയാണിത്. സൂക്ഷ്മ/സ്ഥൂല പരിണാമത്തിന്റെയും സമൂഹ പരിസ്ഥിതി ശാസ്ത്രത്തിന്റെയും പഠനം.
മാക്രോ-പരിണാമ തലത്തിൽ, എർലിക്, റാവൻ എന്നിവരുടെ സസ്യ-കീട സഹ-പരിണാമ സിദ്ധാന്തത്തിന്റെ കാതൽ (51) സസ്യ വംശങ്ങളുടെ വൈവിധ്യവൽക്കരണത്തിന് കാരണം ഇന്റർസ്പീഷീസ് മെറ്റബോളിക് വൈവിധ്യത്തിന്റെ വ്യതിയാനമാണെന്ന് പ്രവചിക്കുക എന്നതാണ്. എന്നിരുന്നാലും, ഈ സെമിനൽ കൃതിയുടെ പ്രസിദ്ധീകരണത്തിന് ശേഷമുള്ള അമ്പത് വർഷങ്ങളിൽ, ഈ സിദ്ധാന്തം വളരെ അപൂർവമായി മാത്രമേ പരീക്ഷിക്കപ്പെട്ടിട്ടുള്ളൂ (52). ദീർഘദൂര സസ്യ വംശങ്ങളിലുടനീളം താരതമ്യപ്പെടുത്താവുന്ന മെറ്റബോളിക് സ്വഭാവസവിശേഷതകളുടെ ഫൈലോജെനെറ്റിക് സ്വഭാവസവിശേഷതകളാണ് ഇതിന് പ്രധാനമായും കാരണം. ലക്ഷ്യ വിശകലന രീതികൾ നങ്കൂരമിടാൻ ഈ അപൂർവത ഉപയോഗിക്കാം. വിവര സിദ്ധാന്തം പ്രോസസ്സ് ചെയ്ത നിലവിലെ MS/MS വർക്ക്ഫ്ലോ അജ്ഞാത മെറ്റബോളൈറ്റുകളുടെ MS/MS ഘടനാപരമായ സമാനതയെ കണക്കാക്കുന്നു (മുൻ മെറ്റബോളൈറ്റ് തിരഞ്ഞെടുപ്പില്ലാതെ) കൂടാതെ ഈ MS/MS-കളെ ഒരു കൂട്ടം MS/MS-കളാക്കി മാറ്റുന്നു, അങ്ങനെ പ്രൊഫഷണൽ മെറ്റബോളിസത്തിൽ ഈ മാക്രോ-പരിണാമ മോഡലുകളെ വർഗ്ഗീകരണ സ്കെയിലിൽ താരതമ്യം ചെയ്യുന്നു. ലളിതമായ സ്ഥിതിവിവരക്കണക്ക് സൂചകങ്ങൾ. ഈ പ്രക്രിയ ഫൈലോജെനെറ്റിക് വിശകലനത്തിന് സമാനമാണ്, ഇത് മുൻകൂർ പ്രവചനമില്ലാതെ വൈവിധ്യവൽക്കരണത്തിന്റെയോ സ്വഭാവ പരിണാമത്തിന്റെയോ നിരക്ക് അളക്കാൻ ക്രമ വിന്യാസം ഉപയോഗിക്കാം.
ബയോകെമിക്കൽ തലത്തിൽ, ഫിർണിന്റെയും ജോൺസിന്റെയും (53) സ്ക്രീനിംഗ് സിദ്ധാന്തം കാണിക്കുന്നത്, മുമ്പ് ബന്ധമില്ലാത്തതോ പകരം വച്ചതോ ആയ മെറ്റബോളൈറ്റുകളുടെ ജൈവിക പ്രവർത്തനങ്ങൾ നടപ്പിലാക്കുന്നതിന് അസംസ്കൃത വസ്തുക്കൾ നൽകുന്നതിന് വ്യത്യസ്ത തലങ്ങളിൽ ഉപാപചയ വൈവിധ്യം നിലനിർത്തുന്നു എന്നാണ്. മെറ്റബോളൈറ്റ് സ്പെഷ്യലൈസേഷന്റെ സമയത്ത് സംഭവിക്കുന്ന ഈ മെറ്റബോളൈറ്റ്-നിർദ്ദിഷ്ട പരിണാമ പരിവർത്തനങ്ങളെ നിർദ്ദിഷ്ട പരിണാമ സ്ക്രീനിംഗ് പ്രക്രിയയുടെ ഭാഗമായി കണക്കാക്കാൻ കഴിയുന്ന ഒരു ചട്ടക്കൂട് വിവര സിദ്ധാന്ത രീതികൾ നൽകുന്നു: കുറഞ്ഞ സ്പെസിഫിസിറ്റിയിൽ നിന്ന് ഉയർന്ന സ്പെസിഫിസിറ്റിയിലേക്കുള്ള ജൈവശാസ്ത്രപരമായി സജീവമായ പൊരുത്തപ്പെടുത്തൽ. ഒരു പ്രത്യേക പരിസ്ഥിതിയുടെ നിരോധിത മെറ്റബോളൈറ്റുകൾ.
മൊത്തത്തിൽ, തന്മാത്രാ ജീവശാസ്ത്രത്തിന്റെ ആദ്യകാലങ്ങളിൽ, പ്രധാനപ്പെട്ട സസ്യ പ്രതിരോധ സിദ്ധാന്തങ്ങൾ വികസിപ്പിച്ചെടുക്കപ്പെട്ടു, ശാസ്ത്രീയ പുരോഗതിയുടെ ഏക മാർഗ്ഗമായി ഡിഡക്റ്റീവ് ഹൈപ്പോതെസിസ്-ഡ്രൈവൺ രീതികൾ വ്യാപകമായി കണക്കാക്കപ്പെടുന്നു. മുഴുവൻ മെറ്റബോളോമും അളക്കുന്നതിന്റെ സാങ്കേതിക പരിമിതികളാണ് ഇതിന് പ്രധാന കാരണം. മറ്റ് കാര്യകാരണ സംവിധാനങ്ങൾ തിരഞ്ഞെടുക്കുന്നതിൽ ഹൈപ്പോതെസിസ്-ഡ്രൈവൺ രീതികൾ പ്രത്യേകിച്ചും ഉപയോഗപ്രദമാണെങ്കിലും, ബയോകെമിക്കൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചുള്ള നമ്മുടെ ഗ്രാഹ്യം മെച്ചപ്പെടുത്താനുള്ള അവയുടെ കഴിവ് സമകാലിക ഡാറ്റ-ഇന്റൻസീവ് സയൻസിൽ നിലവിൽ ലഭ്യമായ കമ്പ്യൂട്ടേഷണൽ രീതികളേക്കാൾ പരിമിതമാണ്. അതിനാൽ, പ്രവചിക്കാൻ കഴിയാത്ത സിദ്ധാന്തങ്ങൾ ലഭ്യമായ ഡാറ്റയുടെ പരിധിക്കപ്പുറമാണ്, അതിനാൽ ഗവേഷണ മേഖലയിലെ പുരോഗതിയുടെ സാങ്കൽപ്പിക ഫോർമുല/ടെസ്റ്റ് സൈക്കിൾ ഇല്ലാതാക്കാൻ കഴിയില്ല (4). ഇവിടെ അവതരിപ്പിച്ച മെറ്റബോളോമിക്സിന്റെ കമ്പ്യൂട്ടേഷണൽ വർക്ക്ഫ്ലോ, മെറ്റബോളിക് വൈവിധ്യത്തിന്റെ സമീപകാല (എങ്ങനെ) അന്തിമ (എന്തുകൊണ്ട്) പ്രശ്നങ്ങളിൽ താൽപ്പര്യം വീണ്ടും ഉണർത്തുമെന്നും, സൈദ്ധാന്തികമായി നയിക്കപ്പെടുന്ന ഡാറ്റാ സയൻസിന്റെ ഒരു പുതിയ യുഗത്തിന് സംഭാവന നൽകുമെന്നും ഞങ്ങൾ മുൻകൂട്ടി കാണുന്നു. മുൻ തലമുറകളെ പ്രചോദിപ്പിച്ച പ്രധാന സിദ്ധാന്തങ്ങളെ ഈ യുഗം പുനഃപരിശോധിച്ചു.
ഒരു റോസ് പൂക്കുന്ന ചെടിയുടെ ഇളം നിറമുള്ള പിച്ചർ ചെടിയുടെ ഇലയിൽ ഒരു രണ്ടാം ഇൻസ്റ്റാർ ലാർവ അല്ലെങ്കിൽ Sl ലാർവയെ വളർത്തി, ഒരു ചെടിയിൽ 10 സസ്യ പകർപ്പുകൾ വീതം വളർത്തിക്കൊണ്ടാണ് സസ്യഭുക്കുകളുടെ നേരിട്ടുള്ള തീറ്റ നടത്തുന്നത്. പ്രാണികളുടെ ലാർവകളെ ക്ലാമ്പുകൾ ഉപയോഗിച്ച് മുറുകെ പിടിച്ചു, അണുബാധയ്ക്ക് 24 മണിക്കൂറും 72 മണിക്കൂറും കഴിഞ്ഞ് ശേഷിക്കുന്ന ഇല കലകൾ ശേഖരിച്ച് വേഗത്തിൽ മരവിപ്പിച്ചു, മെറ്റബോളിറ്റുകൾ വേർതിരിച്ചെടുത്തു.
സസ്യഭുക്കുകളുടെ ചികിത്സ വളരെ സമന്വയിപ്പിച്ച രീതിയിൽ അനുകരിക്കുക. തുണികൊണ്ടുള്ള മാലയുടെ വളർച്ചാ ഘട്ടത്തിൽ, ചെടിയുടെ പൂർണ്ണമായി വികസിച്ച മൂന്ന് ഇലകളുടെ മധ്യസിരയുടെ ഇരുവശത്തും മൂന്ന് നിര മുള്ളുകൾ തുളയ്ക്കുന്നതിന് തുണികൊണ്ടുള്ള പാറ്റേൺ വീലുകൾ ഉപയോഗിക്കുക, തുടർന്ന് 1:5 നേർപ്പിച്ച Ms എന്ന അനുപാതത്തിൽ ഉടൻ പുരട്ടുക. അല്ലെങ്കിൽ പഞ്ചർ മുറിവിലേക്ക് S1 OS തിരുകാൻ ഗ്ലൗസ് ചെയ്ത വിരലുകൾ ഉപയോഗിക്കുക. മുകളിൽ വിവരിച്ചതുപോലെ ഒരു ഇല വിളവെടുത്ത് പ്രോസസ്സ് ചെയ്യുക. പ്രാഥമിക മെറ്റബോളിറ്റുകളും സസ്യ ഹോർമോണുകളും വേർതിരിച്ചെടുക്കുന്നതിന് മുമ്പ് വിവരിച്ച രീതി ഉപയോഗിക്കുക (54).
ബാഹ്യമായ JA പ്രയോഗങ്ങൾക്ക്, ഓരോ ഇനത്തിലെയും ആറ് പൂക്കുന്ന റോസ് സസ്യങ്ങളുടെ മൂന്ന് ഇലഞെട്ടിന് ഇലകൾ 150μg MeJA (Lan + MeJA) അടങ്ങിയ 20μl ലാനോലിൻ പേസ്റ്റും, 20μl ലാനോലിൻ പ്ലസ് മുറിവ് ചികിത്സയും (Lan + W) ഉപയോഗിച്ച് പരിചരിക്കുന്നു, അല്ലെങ്കിൽ നിയന്ത്രണത്തിനായി 20μl ശുദ്ധമായ ലാനോലിൻ ഉപയോഗിക്കുന്നു. ചികിത്സയ്ക്ക് 72 മണിക്കൂർ കഴിഞ്ഞ് ഇലകൾ വിളവെടുക്കുകയും ദ്രാവക നൈട്രജനിൽ സ്നാപ്പ്-ഫ്രോസൺ ചെയ്യുകയും ഉപയോഗം വരെ -80°C ൽ സൂക്ഷിക്കുകയും ചെയ്യുന്നു.
ഞങ്ങളുടെ ഗവേഷണ ഗ്രൂപ്പിൽ irAOC (36), irCOI1 (55), irACO, sETR1 (48) എന്നീ നാല് JA, ET ട്രാൻസ്ജെനിക് ലൈനുകൾ തിരിച്ചറിഞ്ഞിട്ടുണ്ട്. irAOC JA, JA-Ile ലെവലുകളിൽ ശക്തമായ കുറവ് കാണിച്ചു, അതേസമയം irCOI1 JA-കളോട് സംവേദനക്ഷമതയുള്ളതല്ല. EV-യുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, JA-Ile ശേഖരണം വർദ്ധിച്ചു. അതുപോലെ, irACO ET യുടെ ഉത്പാദനം കുറയ്ക്കും, EV-യുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, ET-യോട് സംവേദനക്ഷമതയില്ലാത്ത sETR1, ET യുടെ ഉത്പാദനം വർദ്ധിപ്പിക്കും.
ET അളക്കൽ ആക്രമണാത്മകമല്ലാത്ത രീതിയിൽ നടത്താൻ ഒരു ഫോട്ടോഅക്കോസ്റ്റിക് ലേസർ സ്പെക്ട്രോമീറ്റർ (സെൻസർ സെൻസ് ETD-300 റിയൽ-ടൈം ET സെൻസർ) ഉപയോഗിക്കുന്നു. ചികിത്സയ്ക്ക് തൊട്ടുപിന്നാലെ, ഇലകളുടെ പകുതി മുറിച്ച് 4-മില്ലി സീൽ ചെയ്ത ഗ്ലാസ് വിയലിലേക്ക് മാറ്റി, ഹെഡ്‌സ്‌പേസ് 5 മണിക്കൂറിനുള്ളിൽ അടിഞ്ഞുകൂടാൻ അനുവദിച്ചു. അളവെടുപ്പിനിടെ, ഓരോ വിയലും 8 മിനിറ്റ് നേരത്തേക്ക് 2 ലിറ്റർ/മണിക്കൂർ ശുദ്ധവായു ഉപയോഗിച്ച് ഫ്ലഷ് ചെയ്തു, ഇത് മുമ്പ് CO2 ഉം വെള്ളവും നീക്കം ചെയ്യുന്നതിനായി സെൻസർ സെൻസ് നൽകിയ ഒരു ഉൽപ്രേരകത്തിലൂടെ കടന്നുപോയിരുന്നു.
മൈക്രോഅറേ ഡാറ്റ ആദ്യം (35)-ൽ പ്രസിദ്ധീകരിച്ചു, നാഷണൽ സെന്റർ ഫോർ ബയോടെക്നോളജി ഇൻഫർമേഷൻ (NCBI) ജീൻ എക്സ്പ്രഷൻ കോംപ്രിഹെൻസീവ് ഡാറ്റാബേസിൽ (ആക്സഷൻ നമ്പർ GSE30287) സംരക്ഷിച്ചു. W + OSMs ചികിത്സയും കേടുപാടുകൾ കൂടാതെയുള്ള നിയന്ത്രണവും മൂലമുണ്ടാകുന്ന ഇലകളുമായി ബന്ധപ്പെട്ട ഡാറ്റ ഈ പഠനത്തിനായി വേർതിരിച്ചെടുത്തു. അസംസ്കൃത തീവ്രത log2 ആണ്. സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനത്തിന് മുമ്പ്, R സോഫ്റ്റ്‌വെയർ പാക്കേജ് ഉപയോഗിച്ച് അടിസ്ഥാനരേഖ പരിവർത്തനം ചെയ്ത് അതിന്റെ 75-ാം ശതമാനത്തിലേക്ക് സാധാരണവൽക്കരിച്ചു.
നിക്കോട്ടിയാന സ്പീഷീസുകളുടെ ഒറിജിനൽ ആർ‌എൻ‌എ സീക്വൻസിംഗ് (ആർ‌എൻ‌എ-സെക്) ഡാറ്റ എൻ‌സി‌ബി‌ഐ ഷോർട്ട് റീഡിംഗ് ആർക്കൈവ്‌സിൽ (എസ്‌ആർ‌എ) നിന്ന് വീണ്ടെടുത്തു, പ്രോജക്റ്റ് നമ്പർ PRJNA301787 ആണ്, ഇത് ഷൗ തുടങ്ങിയവർ റിപ്പോർട്ട് ചെയ്തു. (39) കൂടാതെ (56) ൽ വിവരിച്ചിരിക്കുന്നതുപോലെ തുടരുക. നിക്കോട്ടിയാന സ്പീഷീസുകളുമായി ബന്ധപ്പെട്ട W + W, W + OSM, W + OSS1 എന്നിവയാൽ പ്രോസസ്സ് ചെയ്ത അസംസ്കൃത ഡാറ്റ ഈ പഠനത്തിൽ വിശകലനത്തിനായി തിരഞ്ഞെടുത്തു, ഇനിപ്പറയുന്ന രീതിയിൽ പ്രോസസ്സ് ചെയ്തു: ആദ്യം, അസംസ്കൃത ആർ‌എൻ‌എ-സെക് റീഡിംഗുകൾ FASTQ ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്തു. HISAT2 FASTQ നെ SAM ആക്കി മാറ്റുന്നു, കൂടാതെ SAMtools SAM ഫയലുകളെ അടുക്കിയ BAM ഫയലുകളാക്കി മാറ്റുന്നു. ജീൻ എക്സ്പ്രഷൻ കണക്കാക്കാൻ StringTie ഉപയോഗിക്കുന്നു, കൂടാതെ അതിന്റെ എക്സ്പ്രഷൻ രീതി ഒരു ദശലക്ഷം സീക്വൻസ്ഡ് ട്രാൻസ്ക്രിപ്ഷൻ ഫ്രാഗ്മെന്റുകൾക്ക് ആയിരം ബേസ് ഫ്രാഗ്മെന്റുകൾക്ക് ഫ്രാഗ്മെന്റുകൾ ഉണ്ട് എന്നതാണ്.
വിശകലനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന അക്ലെയിം ക്രോമാറ്റോഗ്രാഫിക് കോളവും (150 mm x 2.1 mm; കണികാ വലിപ്പം 2.2μm) 4 mm x 4 mm ഗാർഡ് കോളവും ഒരേ മെറ്റീരിയൽ കൊണ്ടാണ് നിർമ്മിച്ചിരിക്കുന്നത്. ഡയോനെക്സ് അൾട്ടിമേറ്റ് 3000 അൾട്രാ ഹൈ പെർഫോമൻസ് ലിക്വിഡ് ക്രോമാറ്റോഗ്രാഫി (UHPLC) സിസ്റ്റത്തിൽ ഇനിപ്പറയുന്ന ബൈനറി ഗ്രേഡിയന്റ് ഉപയോഗിക്കുന്നു: 0 മുതൽ 0.5 മിനിറ്റ് വരെ, ഐസോക്രാറ്റിക് 90% A [ഡീയോണൈസ്ഡ് വാട്ടർ, 0.1% (v/v) അസെറ്റോണിട്രൈലും 0.05% ഫോർമിക് ആസിഡും], 10% B (അസെറ്റോണിട്രൈലും 0.05% ഫോർമിക് ആസിഡും); 0.5 മുതൽ 23.5 മിനിറ്റ് വരെ, ഗ്രേഡിയന്റ് ഘട്ടം യഥാക്രമം 10% A ഉം 90% B ഉം ആണ്; 23.5 മുതൽ 25 മിനിറ്റ് വരെ, ഐസോക്രാറ്റിക് 10% A ഉം 90% B ഉം ആണ്. ഫ്ലോ റേറ്റ് 400μl/min ആണ്. എല്ലാ MS വിശകലനങ്ങൾക്കും, പോസിറ്റീവ് അയോണൈസേഷൻ മോഡിൽ പ്രവർത്തിക്കുന്ന ഒരു ഇലക്ട്രോസ്പ്രേ സ്രോതസ്സ് ഘടിപ്പിച്ച ഒരു ക്വാഡ്രുപോൾ ആൻഡ് ടൈം-ഓഫ്-ഫ്ലൈറ്റ് (qTOF) അനലൈസറിലേക്ക് കോളം എല്യൂയന്റ് കുത്തിവയ്ക്കുക (കാപ്പിലറി വോൾട്ടേജ്, 4500 V; കാപ്പിലറി ഔട്ട്‌ലെറ്റ് 130 V; ഉണക്കൽ താപനില 200°C; ഉണക്കൽ വായുപ്രവാഹം 10 ലിറ്റർ/മിനിറ്റ്).
മൊത്തത്തിലുള്ള കണ്ടെത്താവുന്ന മെറ്റബോളിക് പ്രൊഫൈലിനെക്കുറിച്ചുള്ള ഘടനാപരമായ വിവരങ്ങൾ ലഭിക്കുന്നതിന് ഡാറ്റയിൽ നിന്ന് അപ്രസക്തമോ വേർതിരിച്ചറിയാൻ കഴിയാത്തതോ ആയ MS / MS ഫ്രാഗ്മെന്റ് വിശകലനം (ഇനി മുതൽ MS / MS എന്ന് വിളിക്കുന്നു) നടത്തുക. വിവേചനരഹിതമായ MS/MS രീതിയുടെ ആശയം ക്വാഡ്രുപോളിന് വളരെ വലിയ മാസ് ഐസൊലേഷൻ വിൻഡോ ഉണ്ടെന്ന വസ്തുതയെ ആശ്രയിച്ചിരിക്കുന്നു [അതിനാൽ, എല്ലാ മാസ്-ടു-ചാർജ് അനുപാതം (m/z) സിഗ്നലുകളും ഫ്രാഗ്മെന്റുകളായി പരിഗണിക്കുക]. ഇക്കാരണത്താൽ, ഇംപാക്റ്റ് II ഉപകരണത്തിന് ഒരു CE ടിൽറ്റ് സൃഷ്ടിക്കാൻ കഴിയാത്തതിനാൽ, വർദ്ധിച്ച കൊളീഷൻ-ഇൻഡ്യൂസ്ഡ് ഡിസോസിയേഷൻ കൊളീഷൻ എനർജി (CE) മൂല്യങ്ങൾ ഉപയോഗിച്ച് നിരവധി സ്വതന്ത്ര വിശകലനങ്ങൾ നടത്തി. ചുരുക്കത്തിൽ, ആദ്യം സിംഗിൾ മാസ് സ്പെക്ട്രോമെട്രി മോഡ് (ഇൻ-സോഴ്‌സ് ഫ്രാഗ്മെന്റേഷൻ വഴി സൃഷ്ടിക്കപ്പെട്ട കുറഞ്ഞ ഫ്രാഗ്മെന്റേഷൻ അവസ്ഥകൾ) ഉപയോഗിച്ച് UHPLC-ഇലക്ട്രോസ്പ്രേ അയോണൈസേഷൻ/qTOF-MS ഉപയോഗിച്ച് സാമ്പിൾ വിശകലനം ചെയ്യുക, 5 Hz ആവർത്തന ആവൃത്തിയിൽ m/z 50 മുതൽ 1500 വരെ സ്കാൻ ചെയ്യുക. MS/MS വിശകലനത്തിനായി കൊളീഷൻ വാതകമായി നൈട്രജൻ ഉപയോഗിക്കുക, കൂടാതെ ഇനിപ്പറയുന്ന നാല് വ്യത്യസ്ത കൊളീഷൻ-ഇൻഡ്യൂസ്ഡ് ഡിസോസിയേഷൻ വോൾട്ടേജുകളിൽ സ്വതന്ത്ര അളവുകൾ നടത്തുക: 20, 30, 40, 50 eV. അളക്കൽ പ്രക്രിയയിലുടനീളം, ക്വാഡ്രുപോളിന് ഏറ്റവും വലിയ മാസ് ഐസൊലേഷൻ വിൻഡോ ഉണ്ട്, m/z 50 മുതൽ 1500 വരെ. ഫ്രണ്ട് ബോഡി m/z ഉം ഐസൊലേഷൻ വീതി പരീക്ഷണവും 200 ആയി സജ്ജമാക്കുമ്പോൾ, ഉപകരണത്തിന്റെ ഓപ്പറേറ്റിംഗ് സോഫ്റ്റ്‌വെയർ മാസ് ശ്രേണി യാന്ത്രികമായി സജീവമാക്കുകയും 0 Da. സിംഗിൾ മാസ് മോഡിലെന്നപോലെ മാസ് ഫ്രാഗ്‌മെന്റുകൾക്കായി സ്കാൻ ചെയ്യുകയും ചെയ്യുക. മാസ് കാലിബ്രേഷനായി സോഡിയം ഫോർമാറ്റ് (50 മില്ലി ഐസോപ്രോപനോൾ, 200 μl ഫോർമിക് ആസിഡ്, 1 മില്ലി 1M NaOH ജലീയ ലായനി) ഉപയോഗിക്കുക. ബ്രൂക്കറുടെ ഉയർന്ന കൃത്യതയുള്ള കാലിബ്രേഷൻ അൽഗോരിതം ഉപയോഗിച്ച്, ഒരു നിശ്ചിത കാലയളവിൽ ശരാശരി സ്പെക്ട്രം പ്രവർത്തിപ്പിച്ചതിന് ശേഷം ഡാറ്റ ഫയൽ കാലിബ്രേറ്റ് ചെയ്യുന്നു. റോ ഡാറ്റ ഫയലുകൾ NetCDF ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിന് ഡാറ്റ അനാലിസിസ് v4.0 സോഫ്റ്റ്‌വെയറിന്റെ (ബ്രൂക്ക് ഡാൽട്ടൺ, ബ്രെമെൻ, ജർമ്മനി) എക്‌സ്‌പോർട്ട് ഫംഗ്ഷൻ ഉപയോഗിക്കുക. MS/MS ഡാറ്റാ സെറ്റ് ഓപ്പൺ മെറ്റബോളോമിക്സ് ഡാറ്റാബേസായ മെറ്റാബോലൈറ്റ്സിൽ (www.ebi.ac.uk) ആക്‌സഷൻ നമ്പർ ഉപയോഗിച്ച് സേവ് ചെയ്‌തിരിക്കുന്നു. MTBLS1471.
കുറഞ്ഞതും ഉയർന്നതുമായ കൂട്ടിയിടി ഊർജ്ജത്തിനും പുതുതായി നടപ്പിലാക്കിയ നിയമങ്ങൾക്കുമായി MS1, MS/MS ഗുണനിലവാര സിഗ്നലുകൾ തമ്മിലുള്ള പരസ്പരബന്ധ വിശകലനത്തിലൂടെ MS/MS അസംബ്ലി യാഥാർത്ഥ്യമാക്കാൻ കഴിയും. ഉൽപ്പന്നത്തിന്റെ മുൻഗാമിയുടെ വിതരണത്തിന്റെ പരസ്പരബന്ധ വിശകലനം സാക്ഷാത്കരിക്കാൻ R സ്ക്രിപ്റ്റും നിയമങ്ങൾ നടപ്പിലാക്കാൻ C# സ്ക്രിപ്റ്റും (https://github.com/MPI-DL/indiscriminant-MS-MS-assembly-pipeline) ഉപയോഗിക്കുന്നു.
പശ്ചാത്തല ശബ്‌ദം മൂലമുണ്ടാകുന്ന തെറ്റായ പോസിറ്റീവ് പിശകുകളും ചില സാമ്പിളുകളിൽ മാത്രം ചില m/z സവിശേഷതകൾ കണ്ടെത്തുന്നതിലൂടെ ഉണ്ടാകുന്ന തെറ്റായ പരസ്പര ബന്ധവും കുറയ്ക്കുന്നതിന്, ഞങ്ങൾ R പാക്കേജിന്റെ "പൂരിപ്പിച്ച പീക്ക്" ഫംഗ്ഷൻ ഉപയോഗിക്കുന്നു XCMS (പശ്ചാത്തല ശബ്‌ദ തിരുത്തലിനായി) "NA" (കണ്ടെത്താത്ത പീക്ക്) തീവ്രത മാറ്റിസ്ഥാപിക്കാൻ ഉപയോഗിക്കണം. ഫിൽ പീക്ക് ഫംഗ്ഷൻ ഉപയോഗിക്കുമ്പോൾ, പരസ്പര ബന്ധ കണക്കുകൂട്ടലിനെ ബാധിക്കുന്ന നിരവധി "0" തീവ്രത മൂല്യങ്ങൾ ഡാറ്റാ സെറ്റിൽ ഇപ്പോഴും ഉണ്ട്. തുടർന്ന്, പൂരിപ്പിച്ച പീക്ക് ഫംഗ്ഷൻ ഉപയോഗിക്കുമ്പോഴും പൂരിപ്പിച്ച പീക്ക് ഫംഗ്ഷൻ ഉപയോഗിക്കാത്തപ്പോഴും ലഭിച്ച ഡാറ്റ പ്രോസസ്സിംഗ് ഫലങ്ങൾ ഞങ്ങൾ താരതമ്യം ചെയ്യുകയും, ശരാശരി ശരിയാക്കിയ കണക്കാക്കിയ മൂല്യത്തെ അടിസ്ഥാനമാക്കി പശ്ചാത്തല ശബ്ദ മൂല്യം കണക്കാക്കുകയും, തുടർന്ന് ഈ 0 തീവ്രത മൂല്യങ്ങൾ കണക്കാക്കിയ പശ്ചാത്തല മൂല്യം ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുകയും ചെയ്യുന്നു. പശ്ചാത്തല മൂല്യത്തിന്റെ മൂന്നിരട്ടി കവിയുന്ന തീവ്രതയുള്ള സവിശേഷതകളെ മാത്രമേ ഞങ്ങൾ പരിഗണിച്ചിട്ടുള്ളൂ, അവയെ "യഥാർത്ഥ കൊടുമുടികൾ" ആയി കണക്കാക്കുകയും ചെയ്യുന്നു. PCC കണക്കുകൂട്ടലുകൾക്കായി, സാമ്പിൾ പ്രീകവറിന്റെ (MS1) m/z സിഗ്നലുകളും കുറഞ്ഞത് എട്ട് യഥാർത്ഥ കൊടുമുടികളുള്ള ഫ്രാഗ്മെന്റ് ഡാറ്റ സെറ്റുകളും മാത്രമേ പരിഗണിക്കൂ.
മുഴുവൻ സാമ്പിളിലെയും പ്രികർസർ ഗുണനിലവാര സവിശേഷതയുടെ തീവ്രത, താഴ്ന്നതോ ഉയർന്നതോ ആയ കൂട്ടിയിടി ഊർജ്ജത്തിന് വിധേയമാകുന്ന അതേ ഗുണനിലവാര സവിശേഷതയുടെ കുറഞ്ഞ തീവ്രതയുമായി ഗണ്യമായി ബന്ധപ്പെട്ടിരിക്കുകയും, ക്യാമറ ആ സവിശേഷതയെ ഒരു ഐസോടോപ്പ് പീക്ക് ആയി ലേബൽ ചെയ്തിട്ടില്ലെങ്കിൽ, അത് കൂടുതൽ നിർവചിക്കാൻ കഴിയും. തുടർന്ന്, സാധ്യമായ എല്ലാ പ്രികർസർ-പ്രൊഡക്റ്റ് ജോഡികളെയും 3 സെക്കൻഡിനുള്ളിൽ കണക്കാക്കി (പീക്ക് നിലനിർത്തലിനുള്ള കണക്കാക്കിയ നിലനിർത്തൽ സമയ വിൻഡോ), പരസ്പരബന്ധന വിശകലനം നടത്തുന്നു. m/z മൂല്യം പ്രികർസർ മൂല്യത്തേക്കാൾ കുറവായിരിക്കുകയും അത് ഉരുത്തിരിഞ്ഞ ഡാറ്റാ സെറ്റിൽ പ്രികർസറിന്റെ അതേ സാമ്പിൾ സ്ഥാനത്ത് MS/MS ഫ്രാഗ്മെന്റേഷൻ സംഭവിക്കുകയും ചെയ്യുമ്പോൾ മാത്രമേ അത് ഒരു ഫ്രാഗ്മെന്റായി കണക്കാക്കൂ.
ഈ രണ്ട് ലളിതമായ നിയമങ്ങളെ അടിസ്ഥാനമാക്കി, തിരിച്ചറിഞ്ഞ മുൻഗാമിയുടെ m/z-നേക്കാൾ വലിയ m/z മൂല്യങ്ങളുള്ള നിർദ്ദിഷ്ട ശകലങ്ങളെ ഞങ്ങൾ ഒഴിവാക്കുന്നു, കൂടാതെ മുൻഗാമി ദൃശ്യമാകുന്ന സാമ്പിൾ സ്ഥാനത്തെയും നിർദ്ദിഷ്ട ശകലത്തെയും അടിസ്ഥാനമാക്കി. MS1 മോഡിൽ ജനറേറ്റ് ചെയ്ത നിരവധി ഇൻ-സോഴ്‌സ് ശകലങ്ങൾ സൃഷ്ടിച്ച ഗുണനിലവാര സവിശേഷതകൾ കാൻഡിഡേറ്റ് മുൻഗാമികളായി തിരഞ്ഞെടുക്കാനും അതുവഴി അനാവശ്യ MS/MS സംയുക്തങ്ങൾ സൃഷ്ടിക്കാനും കഴിയും. ഈ ഡാറ്റ ആവർത്തനം കുറയ്ക്കുന്നതിന്, സ്പെക്ട്രയുടെ NDP സമാനത 0.6 കവിയുകയും അവ CAMERA വ്യാഖ്യാനിച്ച ക്രോമാറ്റോഗ്രാം "pcgroup"-ൽ ഉൾപ്പെടുകയും ചെയ്യുന്നുവെങ്കിൽ, ഞങ്ങൾ അവയെ ലയിപ്പിക്കും. അവസാനമായി, വ്യത്യസ്ത കൂട്ടിയിടി ഊർജ്ജങ്ങളിൽ ഒരേ m/z മൂല്യമുള്ള എല്ലാ കാൻഡിഡേറ്റ് കൊടുമുടികളിലും ഏറ്റവും ഉയർന്ന തീവ്രതയുള്ള കൊടുമുടി തിരഞ്ഞെടുത്ത്, മുൻഗാമിയും ശകലങ്ങളുമായി ബന്ധപ്പെട്ട നാല് CE ഫലങ്ങളും അന്തിമ ഡീകൺവോള്യൂട്ടഡ് കോമ്പോസിറ്റ് സ്പെക്ട്രത്തിലേക്ക് ലയിപ്പിക്കുന്നു. തുടർന്നുള്ള പ്രോസസ്സിംഗ് ഘട്ടങ്ങൾ സംയോജിത സ്പെക്ട്രത്തിന്റെ ആശയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, കൂടാതെ വിഘടനത്തിന്റെ സാധ്യത പരമാവധിയാക്കാൻ ആവശ്യമായ വ്യത്യസ്ത CE വ്യവസ്ഥകൾ കണക്കിലെടുക്കുകയും ചെയ്യുന്നു, കാരണം ചില ശകലങ്ങൾ ഒരു പ്രത്യേക കൂട്ടിയിടി ഊർജ്ജത്തിൽ മാത്രമേ കണ്ടെത്താനാകൂ.
മെറ്റബോളിക് പ്രൊഫൈലിന്റെ ഇൻഡക്സിബിലിറ്റി കണക്കാക്കാൻ RDPI (30) ഉപയോഗിച്ചു. മാർട്ടിനെസ് തുടങ്ങിയവർ വിവരിച്ച ഇനിപ്പറയുന്ന സമവാക്യം ഉപയോഗിച്ച് MS/MS ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷന്റെ ഷാനൺ എൻട്രോപ്പി ഉപയോഗിച്ച് MS/MS മുൻഗാമികളുടെ സമൃദ്ധിയിൽ നിന്നാണ് മെറ്റബോളിക് സ്പെക്ട്രം വൈവിധ്യം (Hj സൂചിക) ഉരുത്തിരിഞ്ഞത്. (8). Hj = −∑i = 1mPijlog2(Pij) ഇവിടെ Pij എന്നത് j-th സാമ്പിളിലെ i-th MS/MS ന്റെ ആപേക്ഷിക ഫ്രീക്വൻസിയുമായി യോജിക്കുന്നു (j = 1, 2,…, m) (i = 1, 2, …, m) t).
പരിഗണിക്കപ്പെടുന്ന സാമ്പിളുകൾക്കിടയിലുള്ള ആവൃത്തിയുമായി ബന്ധപ്പെട്ട് നൽകിയിരിക്കുന്ന MS/MS ന്റെ എക്സ്പ്രഷൻ ഐഡന്റിറ്റിയാണ് മെറ്റബോളിക് സ്പെസിഫിസിറ്റി (Si സൂചിക) എന്ന് നിർവചിച്ചിരിക്കുന്നത്. MS/MS സ്പെസിഫിസിറ്റി Si = 1t (∑j = 1tPijPilog2PijPi) ആയി കണക്കാക്കുന്നു.
ഓരോ j സാമ്പിളിന്റെയും മെറ്റബോളോം-നിർദ്ദിഷ്ട δj സൂചികയും MS/MS സ്പെസിഫിസിറ്റിയുടെ ശരാശരിയും അളക്കാൻ ഇനിപ്പറയുന്ന ഫോർമുല ഉപയോഗിക്കുക δj = ∑i = 1mPijSi
MS/MS സ്പെക്ട്രകളെ ജോഡികളായി വിന്യസിച്ചിരിക്കുന്നു, രണ്ട് സ്കോറുകളെ അടിസ്ഥാനമാക്കിയാണ് സാമ്യം കണക്കാക്കുന്നത്. ആദ്യം, സ്റ്റാൻഡേർഡ് NDP (കോസൈൻ കോറിലേഷൻ രീതി എന്നും അറിയപ്പെടുന്നു) ഉപയോഗിച്ച്, സ്പെക്ട്ര NDP = (∑iS1 & S2WS1, iWS2, i) 2∑iWS1, i2∑iWS2, i2 എന്നിവ തമ്മിലുള്ള സെഗ്‌മെന്റ് സാമ്യം സ്കോർ ചെയ്യുന്നതിന് ഇനിപ്പറയുന്ന സമവാക്യം ഉപയോഗിക്കുക. ഇവിടെ S1 ഉം S2 ഉം യഥാക്രമം, സ്പെക്ട്രം 1 നും സ്പെക്ട്രം 2 നും, WS1, i, WS2 എന്നിവയ്ക്കും, i എന്നത് പീക്ക് തീവ്രതയെ അടിസ്ഥാനമാക്കിയുള്ള ഭാരത്തെ പ്രതിനിധീകരിക്കുന്നു, രണ്ട് സ്പെക്ട്രകൾക്കിടയിലുള്ള i-th പൊതു കൊടുമുടിയുടെ വ്യത്യാസം 0.01 Da-ൽ താഴെയാണ്. ഭാരം ഇനിപ്പറയുന്ന രീതിയിൽ കണക്കാക്കുന്നു: W = [പീക്ക് തീവ്രത] m [ഗുണനിലവാരം] n, m = 0.5, n = 2, മാസ്ബാങ്ക് നിർദ്ദേശിച്ചതുപോലെ.
രണ്ടാമത്തെ സ്കോറിംഗ് രീതി നടപ്പിലാക്കി, അതിൽ MS/MS തമ്മിലുള്ള പങ്കിട്ട NL വിശകലനം ഉൾപ്പെടുന്നു. ഇതിനായി, MS ഫ്രാഗ്മെന്റേഷൻ പ്രക്രിയയിൽ പതിവായി കണ്ടുമുട്ടിയ 52 NL ലിസ്റ്റുകളും, ദുർബലമായ നെപെന്തസ് സ്പീഷീസുകളുടെ ദ്വിതീയ മെറ്റബോളൈറ്റുകളുടെ MS/MS സ്പെക്ട്രത്തിനായി മുമ്പ് വ്യാഖ്യാനിച്ച കൂടുതൽ നിർദ്ദിഷ്ട NL (ഡാറ്റ ഫയൽ S1) ഉം ഞങ്ങൾ ഉപയോഗിച്ചു (9, 26). ഓരോ MS/MS-നും 1 ഉം 0 ഉം ഉള്ള ഒരു ബൈനറി വെക്റ്റർ സൃഷ്ടിക്കുക, ഇത് യഥാക്രമം ചില NL-കളുടെ നിലവിലുള്ളതും നിലവിലില്ലാത്തതും അനുസരിച്ചാണ്. യൂക്ലിഡിയൻ ദൂര സമാനതയെ അടിസ്ഥാനമാക്കി, ഓരോ ജോഡി ബൈനറി NL വെക്റ്ററുകൾക്കും NL സമാനത സ്കോർ കണക്കാക്കുന്നു.
ഡ്യുവൽ ക്ലസ്റ്ററിംഗ് നടത്താൻ, വെയ്റ്റഡ് ജീൻ കോ-എക്സ്പ്രഷൻ അനാലിസിസ് (WGCNA) യുടെ ഒരു എക്സ്റ്റൻഷനെ അടിസ്ഥാനമാക്കിയുള്ള R പാക്കേജ് DiffCoEx ഞങ്ങൾ ഉപയോഗിച്ചു. MS/MS സ്പെക്ട്രയുടെ NDP, NL സ്കോറിംഗ് മാട്രിക്സുകൾ ഉപയോഗിച്ച്, താരതമ്യ പരസ്പര ബന്ധ മാട്രിക്സ് കണക്കാക്കാൻ ഞങ്ങൾ DiffCoEx ഉപയോഗിച്ചു. “cutreeDynamic” പാരാമീറ്റർ method = “hybrid”, cutHeight = 0.9999, deepSplit = T, minClusterSize = 10 എന്നിവയിലേക്ക് സജ്ജീകരിച്ചാണ് ബൈനറി ക്ലസ്റ്ററിംഗ് നടത്തുന്നത്. DiffCoEx ന്റെ R സോഴ്‌സ് കോഡ് അധിക ഫയൽ 1 ൽ നിന്ന് ടെസ്സൺ തുടങ്ങിയവർ ഡൗൺലോഡ് ചെയ്‌തു (57); ആവശ്യമായ R WGCNA സോഫ്റ്റ്‌വെയർ പാക്കേജ് https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA ൽ കാണാം.
MS/MS മോളിക്യുലാർ നെറ്റ്‌വർക്ക് വിശകലനം നടത്തുന്നതിനായി, NDP, NL സമാനതകളെ അടിസ്ഥാനമാക്കി ജോടിയാക്കിയ സ്പെക്ട്രൽ കണക്റ്റിവിറ്റി ഞങ്ങൾ കണക്കാക്കി, CyFilescape yFiles ലേഔട്ട് അൽഗോരിതം എക്സ്റ്റൻഷൻ ആപ്ലിക്കേഷനിൽ ഓർഗാനിക് ലേഔട്ട് ഉപയോഗിച്ച് നെറ്റ്‌വർക്ക് ടോപ്പോളജി ദൃശ്യവൽക്കരിക്കാൻ Cytoscape സോഫ്റ്റ്‌വെയർ ഉപയോഗിച്ചു.
ഡാറ്റയിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനം നടത്താൻ R പതിപ്പ് 3.0.1 ഉപയോഗിക്കുക. ടു-വേ അനാലിസിസ് ഓഫ് വേരിയൻസ് (ANOVA) ഉപയോഗിച്ച് സ്റ്റാറ്റിസ്റ്റിക്കൽ സിഗ്നിഫിക്കൻസ് വിലയിരുത്തി, തുടർന്ന് ടുക്കിയുടെ സത്യസന്ധമായി സിഗ്നിഫിക്കന്റ് ഡിഫറൻസ് (HSD) പോസ്റ്റ്-ഹോക് ടെസ്റ്റ് നടത്തി. സസ്യഭുക്കുകളുടെ ചികിത്സയും നിയന്ത്രണവും തമ്മിലുള്ള വ്യത്യാസം വിശകലനം ചെയ്യുന്നതിനായി, ഒരേ വേരിയൻസുള്ള രണ്ട് ഗ്രൂപ്പുകളുടെ സാമ്പിളുകളുടെ ടു-ടെയിൽഡ് ഡിസ്ട്രിബ്യൂഷൻ സ്റ്റുഡന്റ്സ് ടി ടെസ്റ്റ് ഉപയോഗിച്ച് വിശകലനം ചെയ്തു.
ഈ ലേഖനത്തിനായുള്ള അനുബന്ധ വസ്തുക്കൾക്ക്, ദയവായി http://advances.sciencemag.org/cgi/content/full/6/24/eaaz0381/DC1 കാണുക.
ക്രിയേറ്റീവ് കോമൺസ് ആട്രിബ്യൂഷൻ-നോൺ-കൊമേഴ്‌സ്യൽ ലൈസൻസിന്റെ നിബന്ധനകൾക്ക് കീഴിൽ വിതരണം ചെയ്യുന്ന ഒരു ഓപ്പൺ ആക്‌സസ് ലേഖനമാണിത്, അന്തിമ ഉപയോഗം വാണിജ്യ നേട്ടത്തിനായിട്ടല്ലാത്തിടത്തോളം, യഥാർത്ഥ കൃതി ശരിയാണെന്നാണ് അടിസ്ഥാനം എങ്കിൽ, ഏത് മാധ്യമത്തിലും ഉപയോഗിക്കാനും വിതരണം ചെയ്യാനും പുനർനിർമ്മിക്കാനും ഇത് അനുവദിക്കുന്നു. റഫറൻസ്.
കുറിപ്പ്: നിങ്ങൾ പേജിലേക്ക് ശുപാർശ ചെയ്യുന്ന വ്യക്തിക്ക് ഇമെയിൽ കാണണമെന്ന് നിങ്ങൾ ആഗ്രഹിക്കുന്നുണ്ടെന്നും അത് സ്പാം അല്ലെന്നും അറിയാൻ വേണ്ടി മാത്രമേ നിങ്ങളുടെ ഇമെയിൽ വിലാസം നൽകാൻ ഞങ്ങൾ ആവശ്യപ്പെടുകയുള്ളൂ. ഞങ്ങൾ ഒരു ഇമെയിൽ വിലാസവും പിടിച്ചെടുക്കില്ല.
നിങ്ങൾ ഒരു സന്ദർശകനാണോ എന്ന് പരിശോധിക്കുന്നതിനും സ്വയമേവയുള്ള സ്പാം സമർപ്പിക്കൽ തടയുന്നതിനും ഈ ചോദ്യം ഉപയോഗിക്കുന്നു.
പ്രത്യേക മെറ്റബോളോമുകളുടെ താരതമ്യത്തിനും പരീക്ഷണ പ്രതിരോധ സിദ്ധാന്തങ്ങളുടെ പ്രവചനത്തിനും വിവര സിദ്ധാന്തം ഒരു സാർവത്രിക നാണയം നൽകുന്നു.
പ്രത്യേക മെറ്റബോളോമുകളുടെ താരതമ്യത്തിനും പരീക്ഷണ പ്രതിരോധ സിദ്ധാന്തങ്ങളുടെ പ്രവചനത്തിനും വിവര സിദ്ധാന്തം ഒരു സാർവത്രിക നാണയം നൽകുന്നു.
©2021 അമേരിക്കൻ അസോസിയേഷൻ ഫോർ ദി അഡ്വാൻസ്‌മെൻ്റ് ഓഫ് സയൻസ്. എല്ലാ അവകാശങ്ങളും നിക്ഷിപ്തം. HINARI, AGORA, OARE, CHORUS, CLOCKSS, CrossRef, COUNTER എന്നിവയുടെ പങ്കാളിയാണ് AAAS. സയൻസ് അഡ്വാൻസസ് ISSN 2375-2548.