PARTE 2 Relación regulatoria entre la variación de la calidad y el medio ambiente de la Cistanche Deserticola en tres ecotipos con base en el análisis del microbioma del suelo

HAGA CLIC AQUÍ PARA LA PARTE 1

Para obtener más información, póngase en contacto:Joanna.jia@wecistanche.com

correlaciones entre la abundancia de la comunidad microbiana clave, el contenido de PhG y los factores ecológicos.El análisis redundante del núcleo, la abundancia de microbiomas de biomarcadores, el contenido de PhG y los factores ecológicos se realizó a nivel de orden, y el nuevo análisis se realizó sobre la base de los efectos. La interpretación ajustada de la varianza fue del 82,70 por ciento (Tabla S7). Los Sphingomonadales explicaron el 45,7 por ciento del contenido de PhGs (p=0,002). Los Pseudonocardiales explicaron el 22.4 por ciento del contenido de PhGs (p=0.01). El 2′-acetilacteosido se correlacionó significativamente de manera positiva con Pseudonocardiales y Oceanospirillales y negativamente con Sphingomonadales (Fig. 5a). El echinacósido fue significativamente positivo con Sphingomonadales.

Cistancheextracto puede preveniralzheimerenfermedad

Se realizó un análisis de correlación para la abundancia de biomarcadores,PhGcontenidos (Fig. S3 y Tabla S5) y factores ecológicos (Tabla S6). Los resultados de las redes de correlación (Fig. 5b) revelaron que el 2′-acetylacteosid se correlacionó significativamente de forma positiva con Oceanospirillales, Rhizobiales y Thiotrichales, mientras que se correlacionó negativamente con Pseudonocardiales y Nitrosomonadales en todas las muestras de suelo. El mapa de calor (Fig. 5c-e) reveló que A junto a la mesa se correlacionó negativamente con la presión de vapor de agua anual promedio en solución salina-alcalina.correlaciones entre la abundancia de la comunidad microbiana clave, el contenido de PhG y los factores ecológicos.El análisis redundante del núcleo, la abundancia de microbiomas biomarcadores,PhGel contenido y los factores ecológicos se realizó a nivel de orden, y el reanálisis se realizó sobre la base de los efectos. La interpretación ajustada de la varianza fue del 82,70 por ciento (Tabla S7). Los Sphingomonadales explicaron el 45,7 por ciento del contenido de PhGs (p=0,002). Los Pseudonocardiales explicaron el 22.4 por ciento del contenido de PhGs (p=0.01). El 2′-acetilacteosido se correlacionó significativamente de manera positiva con Pseudonocardiales y Oceanospirillales y negativamente con Sphingomonadales (Fig. 5a). El echinacósido fue significativamente positivo con Sphingomonadales.

Se realizó un análisis de correlación para el biomarcador abun I land. Mientras tanto, el cistanosido A se correlacionó significativamente de forma positiva con Micrococcales y negativamente con Rhizobiales en suelo salino-alcalino (Fig. 5c). En los pastizales, el 2′-acetilacteosido se correlacionó negativamente con la temperatura media anual (Fig. 5d). En terrenos arenosos, el tubulosido A se correlacionó negativamente con Nitrosomonadales (Fig. 5e).

la función predictiva del microbioma bacteriano en los tres ecotipos de C. deserticola.Los perfiles funcionales del microbioma bacteriano se predijeron en función del número de copias del gen 16S rRNA de taxones bacterianos descifrados utilizando Tax4Fun según los grupos KEGG Ortholog (KO). Los resultados de la predicción funcional (Fig. 6) demostraron que los metabolismos funcionales de los microbiomas del suelo en los tres ecotipos de C. deserticola eran idénticos. Entre los metabolismos, abundaban los de hidratos de carbono, aminoácidos, cofactores, vitaminas y energía. El transporte de membrana y la transducción de señales también fueron abundantes en el procesamiento de información ambiental.

Cistancheel extracto tieneantiinflamatoriopropiedades

Discusión

Nuestro trabajo anterior demostró que la secuencia psbA-turn y el 2′-acetilacteosido pueden usarse como marcadores moleculares y químicos para distinguirC. desérticade Xinjiang y Mongolia Interior27. Con investigaciones de campo, encontramos que C. desertica habita principalmente en tres tipos de hábitats, incluida la tierra salina y alcalina junto a EbinurLake, la tierra arenosa alrededor de Alexa League y las praderas desérticas intermedias. Los perfiles metabólicos de tres ecotipos de C. desertica también mostraron que el 2′-acetilacteosido puede usarse como marcador químico para distinguir los tres ecotipos1. Discutimos la variación de la calidad de C. deserticola y su mecanismo de formación a partir de las dimensiones de la herencia, el metabolismo y los factores climáticos. Por lo tanto, desde una perspectiva micro, el análisis de redes de correlación

de la abundancia de microbiomas,PhGcontenidos y factores ecológicos se llevaron a cabo para dilucidar la característica de la comunidad microbiana del suelo de los tres ecotipos deC. deserticolay su relación con la variación de calidad.

agua. Además, Bacillalescan produce ricos productos metabólicos para sintetizar una variedad de ácidos orgánicos, enzimas, actividades fisiológicas y otras sustancias, así como una variedad de otros nutrientes que pueden utilizarse fácilmente33. Las características ambientales comunes de los tres ecotipos de C. deserticolason la sequía y la desertificación del suelo. El suelo alrededor del lago Ebinur también está acompañado de estrés salino-alcalino. Esta puede ser la razón por la que las comunidades microbianas del núcleo del suelo de tres ecotipos tienen ciertas características de sequía, tolerancia a la sal, resistencia a los álcalis y resistencia al estrés.

Cistancheextracto puede resistirradiación

Factores microbianos que afectan la variación de PhGs en tres ecotipos de C. deserticola.La Fig. S3 muestra un diagrama de caja del contenido de PhG de los tres ecotipos de C. deserticola. La figura revela que el contenido de 2′-acetilacteosido es mayor en suelo salino-alcalino que en pastizales y suelos arenosos, lo que es consistente con los resultados anteriores1. Los resultados de la red de análisis y asociación redundantes muestran que Oceanospirillales está significativamente correlacionado positivamente con 2′-acetylacteosid. Los océanospirillales, el biomarcador más alto en términos de puntuación LDA en suelo salino-alcalino, están específicamente enriquecidos. Estas bacterias son metabólica y morfológicamente diversas, algunas de las cuales pueden crecer en presencia de oxígeno mientras que otras requieren un ambiente anaeróbico34. Los océanospirillales son un orden de proteobacterias que comprende dos familias. El spirillum marino es a menudo un endosimbionte de gusanos comedores de huesos (Osedax)35. La mayoría de los Oceanospirillales prefieren o requieren altas concentraciones de sal para crecer. A pesar de su crecimiento en diversos nichos, los océanospirillales obtienen energía de la descomposición de varios productos orgánicos. Por lo tanto, la alta salinidad y alcalinidad son las principales razones del enriquecimiento de Oceanospirillales en suelo salino-alcalino. Este resultado sugiere fuertemente que el mayor contenido de 2′-acetilacteosid en salino-álcali está relacionado con el enriquecimiento de Oceanospirillales. Sin embargo, la relación regulatoria entre Oceanospirillales y 2′-acetylacteosid aún está en blanco y se necesita más investigación.

Los contenidos generales de los siete PhG son los más altos en los pastizales, entre los cuales el echinacósido es el PhG dominante. El echinacósido está significativamente correlacionado positivamente con Sphingomonadales, que es una secuencia dentro del alfa-proteus y constituye la familia de Erythrobacteraceae y Sphingomonadaceae. Ambas familias son comunes en la naturaleza, especialmente en suelos, océanos y agua dulce36. Sphingomonadales tiene una amplia gama de capacidad metabólica para compuestos aromáticos, y algunas cepas pueden sintetizar valiosos biopolímeros extracelulares37. Todos los miembros previamente conocidos de la clase Sphingomonas son aeróbicos y químicamente orgánicos. La única excepción es el fermentador de etanol anaeróbico facultativo, que se utiliza para producir pulpa de bebida fermentada. Ciertas especies del género Rhodobacter, porfirina y Staphylococcus aureus, así como ciertas especies del género Sphingomonas, tienen clorofila a y, por lo tanto, son fotoorganótrofos opcionales (energía generada a través de la fotosíntesis)38. La mejor calidad de C. deserticola en pastizales puede deberse a la rica diversidad de la comunidad microbiana y las funciones relacionadas con el metabolismo del biomarcador (Sphingomonadales). Este hallazgo proporciona una nueva visión del estudio sobre la variación de la calidad de C. deserticola en diferentes ecotipos.

Predicción de perfiles de función metabólica de microbiomas del suelo de los tres ecotipos C. deserticola.Los perfiles de función metabólica (Fig. 6 y Archivo S1) de los microbiomas del suelo de C. deserticola en los tres ecotipos se demostraron por primera vez en este estudio. En cuanto al metabolismo, el metabolismo de los carbohidratos (metabolismo del almidón y la sacarosa, ko00500; metabolismo del azúcar amino y del azúcar de nucleótido, ko00520) y el metabolismo de los aminoácidos (metabolismo de la arginina y la prolina, ko00330; metabolismo de la glicina, la serina y la treonina, ko00260) están muy enriquecidos en microbiomas. El metabolismo de los carbohidratos es responsable de la formación, descomposición y conversión de los carbohidratos en el cuerpo. Los carbohidratos son la base de muchas vías metabólicas importantes39. Los carbohidratos como la glucosa son parte de múltiples vías metabólicas entre especies. Los carbohidratos son sintetizados por las plantas de la atmósfera a través de la fotosíntesis y pueden ser utilizados como sustratos para la respiración celular40. Las plantas y los microorganismos absorben amoníaco, sal de amonio, nitrito, nitrato y otro nitrógeno inorgánico del medio ambiente para sintetizar proteínas y sustancias que contienen nitrógeno. Algunos microbios pueden convertir el N2 del aire en nitrógeno amoniacal para sintetizar aminoácidos41. La función metabólica de los microbiomas del suelo se enriqueció en el metabolismo primario. Este enriquecimiento sugiere que los microbiomas pueden proporcionar nutrición a las plantas y promover su crecimiento en condiciones de sequía y otros estreses.

Los perfiles de función metabólica también mostraron que en el procesamiento de información ambiental, el transporte de membrana (transportadores ABC, ko02010) y la transducción de señales (sistema de dos componentes, ko02020) están altamente enriquecidos en microbiomas. El transporte de membrana es un conjunto de mecanismos que regulan el paso de solutos, como iones y moléculas pequeñas, a través de una biopelícula, que es una bicapa de lípidos incrustados en proteínas. La regulación del cruce de membranas se atribuye a la permeabilidad de las membranas selectivas, una característica de los biofilms que permite la separación de sustancias con diferentes propiedades químicas. En otras palabras, estas membranas pueden ser permeables a algunas sustancias pero no a otras42. Entre estas membranas, la vía del transportador ABC estaba muy enriquecida en microbiomas del suelo. Los transportadores de caja de unión de ATP (ABC) existen universalmente en microorganismos como las bacterias y son una de las familias de proteínas más grandes conocidas en la actualidad. Estos transportadores se unen a la hidrólisis de ATP para participar en el transporte activo de diversos sustratos, como iones, péptidos, lípidos, fármacos, azúcares, proteínas y esteroles. La estructura de los transportadores ABC en procariotas suele comprender tres partes. Generalmente, dos proteínas de membrana intactas tienen cada una seis fragmentos transmembrana: dos proteínas periféricas que se unen e hidrolizan ATP, y un sustrato periférico (o lipoproteína) de una proteína de unión. Como se observa en los genomas de muchas bacterias y arqueas, muchos genes de estos tres componentes forman operones43. La sequía, la salinidad y el estrés alcalino promovieron la función de transporte de la membrana, especialmente la mejora de la función de transporte activo de los microbiomas del suelo.

La transducción de señales es un proceso en el que una señal química o física se transmite a través de una célula como una serie de eventos moleculares. La más común es la fosforilación de proteínas catalizada por proteína quinasa. El sistema de dos componentes es una vía de señalización que regula muchas características bacterianas, como toxicidad, patogenicidad, simbiosis, motilidad, absorción de nutrientes, producción de metabolitos secundarios, regulación metabólica y división celular. Estos sistemas regulan procesos fisiológicos basados ​​en parámetros ambientales o celulares, permitiéndoles adaptarse a condiciones cambiantes44. La transducción de señales de los microbiomas del suelo fue promovida por la sequía o el estrés salino-alcalino.

CistancheLata de extractoantioxidante

conclusión

Este estudio es el primero en presentar los microbiomas del suelo de los tres ecotipos de C. deserticola. Se obtienen las siguientes conclusiones: (1) la comunidad microbiana del suelo en pastizales es la más abundante entre los tres hábitats. (2) También se determinaron los biomarcadores de los tres ecotipos: Oceanospirillales (tierra salino-alcalina), Sphingomonadales (pradera) y Propionibacteriales (tierra arenosa). (3) El análisis del microbioma central demostró que las comunidades microbianas del suelo de C. deserticola en su mayoría tenían sequía, tolerancia a la sal, resistencia a los álcalis y resistencia al estrés, como Micrococcales y Bacillales. (4) El análisis de correlación demostró que el 2′-acetilacteoside está correlacionado positivamente con Oceanospirillales y el echinacoside está significativamente correlacionado positivamente con Sphingomonadales. (5) Tax4Fun predice que los perfiles de función metabólica de tres ecotipos del microbioma del suelo se enriquecen en el metabolismo y el procesamiento de información ambiental.

Referencias

1. Zheng, S., Jiang, X., Wu, L., Wang, Z. y Huang, L. Discriminación química y genética de cistanches herba basada en UPLC-QTOF/MS y código de barras de ADN. Plus One 9, e98061 (2014).

2. Li, Z. et al. Modelado ecológico de Cistanche deserticola YC Ma en Alxa, China. Informes científicos 9, 13134, https://doi.org/10.1038/ s41598-019-48397-6 (2019).

3. José, E. et al. Estructura, variación y ensamblaje de los microbiomas asociados a la raíz del arroz. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 112, E911 (2015).

4. Jansson, JK & Hofmockel, KS Microbioma del suelo y cambio climático. Reseñas de la naturaleza. Microbiología, https://doi.org/10.1038/ s41579-019-0265-7 (2019).

5. Wang, X. et al. Comparación de los perfiles químicos y las actividades antioxidantes de diferentes partes de Cistanche deserticola cultivada mediante cromatografía líquida de ultra rendimiento, espectrometría de masas de tiempo de vuelo cuadrupolar y un ensayo basado en 1,1-difenil-2-picrilhidrazilo. Moléculas 22, 2011 (2017).

6. Yang, L. et al. Efectos beneficiosos de la fracción de glucósido feniletanoide total aislada de Cistanche deserticola sobre la microestructura ósea en ratas ovariectomizadas. Medicina oxidativa y longevidad celular 2019, 2370862, https://doi. org/10.1155/2019/2370862 (2019).

7. Liu, W. et al. Desde una estrategia de metabolómica dirigida basada en LC-MS no dirigida basada en (1)H RMN para comparaciones profundas de manzanilla entre cuatro especies de Cistanche. Revista de análisis farmacéutico y biomédico 162, 16–27, https://doi.org/10.1016/j. jpba.2018.09.013 (2019).

8. Chen, H. et al. Microbioma central de la semilla de la planta medicinal Salvia miltiorrhiza: ¿una rica reserva de microbios beneficiosos para el metabolismo secundario? Revista Internacional de Ciencias Moleculares 19, 672 (2018).

9. Sonnenburg, JL & Backhed, F. Interacciones dieta-microbiota como moderadores del metabolismo humano. Naturaleza 535, 56–64, https://doi. org/10.1038/nature18846 (2016).

10. Ju, F. & Zhang, T. Minería de datos de secuenciación de alto rendimiento del gen 16S rRNA de diversidad e interacciones microbianas. Microbiología aplicada y biotecnología 99, 4119–4129 (2015).

11. Cui, J.-L., Vijayakumar, V. & Zhang, G. Partición de ensamblajes de endófitos fúngicos en la planta parasitaria de raíces Cynomorium songaricum y su huésped Nitraria tangutorum. Fronteras en microbiología 9, 666 (2018).

12. Fan, P., Liu, P., Song, P., Chen, X. & Ma, X. La restricción moderada de proteínas en la dieta altera la composición de la microbiota intestinal y mejora la función de barrera ileal en un modelo de cerdo adulto. Informes científicos 7, 43412 (2017).

13. Munyaka, PM et al. El tratamiento con antibióticos prenatales Mo1774 aumenta la susceptibilidad de los hijos a la colitis experimental: un papel de la microbiota intestinal. Plus One 10, e0142536 (2015).

14. Zhao, Y. et al. El efecto de la intensidad de mezcla en el rendimiento y la dinámica microbiana de un solo reactor vertical que integra fases acidogénicas y metanogénicas en la digestión de biomasa lignocelulósica. Tecnología de biorecursos 238, 542–551 (2017).

15. Cole, JR y col. El proyecto de base de datos ribosomal: alineaciones mejoradas y nuevas herramientas para el análisis de rRNA. (2009).

16. Edgar, RC UPARSE: secuencias OTU de alta precisión a partir de lecturas de amplicón microbiano. Métodos de la naturaleza 10, 996 (2013).

17. Yu, W. et al. Comparación de los niveles de diversidad bacteriana en agua dulce, humedales intermareales y sedimentos marinos mediante el uso de millones de etiquetas Illumina. Microbiología aplicada y ambiental 78, 8264 (2012).

18. Jiang, XT et al. La secuenciación de Illumina de la etiqueta 16S rRNA reveló variaciones espaciales de las comunidades bacterianas en un humedal de manglar. Ecología Microbiana 66, 96–104 (2013).

19. Sanner, MF Python: un lenguaje de programación para la integración y el desarrollo de software. Revista de gráficos y modelado molecular

17, 57–61 (1999).

20. Caporaso, JG et al. QIIME permite el análisis de datos de secuenciación comunitaria de alto rendimiento. Métodos nacionales 7, 335–336, https://doi. org/10.1038/nmeth.f.303 (2010).

21. Chong, J., Liu, P., Zhou, G. y Xia, J. Uso de MicrobiomeAnalyst para un metanálisis estadístico, funcional y completo de los datos del microbioma. Protocolos de la naturaleza, 1–23 (2020).

22. Dhariwal, A. et al. MicrobiomeAnalyst: una herramienta basada en la web para un metanálisis estadístico, visual y completo de los datos del microbioma. Investigación de ácidos nucleicos 45, W180–W188 (2017).

23. Šmilauer, P. & Lepš, J. Análisis multivariante de datos ecológicos usando CANOCO 5. (Cambridge university press (2014).

24. Shannon, P. et al. Cytoscape: un entorno de software para modelos integrados de redes de interacción biomolecular. Investigación del genoma 13, 2498–2504 (2003).

25. Asshauer, KP, Wemheuer, B., Daniel, R. y Meinicke, P. Tax4Fun: predicción de perfiles funcionales a partir de datos metagenómicos de ARNr 16S. Bioinformatics (Oxford, Inglaterra) 31, 2882–2884, https://doi.org/10.1093/bioinformatics/btv287 (2015).

26. Koo, H. et al. Comparación de dos herramientas bioinformáticas utilizadas para caracterizar la diversidad microbiana y los atributos funcionales predictivos de las esteras microbianas del lago Obersee, Antártida. Revista de métodos microbiológicos 140, 15–22 (2017).

27. Huang, L., Zheng, S., Wu, L., Jiang, X. y Chen, S. Ecotipos de Cistanche deserticola basados ​​en la composición química y los rasgos moleculares. Scientia Sínica Vitae 44, 318–328 (2014).

28. Gabriele, B. & Kornelia, S. Las especies de plantas y el tipo de suelo dan forma cooperativa a la estructura y función de las comunidades microbianas en la rizosfera. Fems Microbiology Ecology 68, 1–13 (2010).

29. Parte, AC LPSN–Lista de nombres procarióticos con posición en la nomenclatura. Investigación de ácidos nucleicos 42, 613–616 (2014).

30. Pirog, T., Grinberg, T. y Malashenko, YR Funciones protectoras de los exopolisacáridos producidos por un Acinetobacter sp. Microbiología (Nueva York, NY) 66, 279–283 (1997).

31. Liu, Y.-H. et al. Diversidad, distribución comunitaria y actividades de promoción del crecimiento de endófitos asociados con la halófita Lycium ruthenicum Murr. 3 Biotecnología 9, 144 (2019).

32. Manual de bacteriología sistemática de Staley, Bryant, Pfennig, Holt y JG Bergey - volumen 4. Manual de bacteriología sistemática de Bergey 38, 89–100 (1989).

33. Pasqua, RD et al. Influencia de diferentes fuentes de lignocelulosa en la expresión génica de endo-1,4- -glucanasa y actividad enzimática de Bacillus amyloliquefaciens B31C. Biorecursos 9 (2014).

34. Pot, B. y Gillis, M. Oceanospirillum. (2015).

35. Euzeby, JP Lista de nombres bacterianos con posición en la nomenclatura: una carpeta disponible en Internet. Revista internacional de bacteriología sistemática 47, 590–592, https://doi.org/10.1099/00207713-47-2-590 (1997).

36. Balkwill, DL, Fredrickson, JK y Romine, MF Sphingomonas y géneros relacionados. Prokaryotes 7, 605–629 (2003).

37. Takeuchi, M., Hamana, K. & Hiraishi, A. Propuesta del género Sphingomonas sensu stricto y tres nuevos géneros, Sphingobium, Novosphingobium y Sphingopyxis, sobre la base de análisis filogenéticos y quimiotaxonómicos. Revista internacional de microbiología sistemática y evolutiva 51, 1405–1417 (2001).

38. Saori, S. y Akira, H. Novosphingobium naphthalenivorans sp. nov., una bacteria que degrada la naftalina aislada de ambientes contaminados con dioxinas policloradas. Revista de Microbiología General y Aplicada 53, 221–228 (2007).

39. Alánt, O., Pulay, I., Esztergályos, J. & Bodnár, A. Efecto de la cirugía en el metabolismo de los carbohidratos. Acta Chirurgica Academiae Scientiarum Hungaricae 16, 307 (1975).

40. Gray, digestión y absorción de carbohidratos transgénicos. Enciclopedia de Gastroenterología 58, 275–278 (2004).

41. Coon, MJ y Robinson, WG Metabolismo de aminoácidos. (2003).

42. Purves, WK, Orians, G., Heller, C. & Sadava, D. Vida, LaCiencia de la Biología. 8ª edición. Panamericana (2009).

43. Schneider, E. & Hunke, S. Sistemas de transporte de cassette de unión a ATP (ABC): Aspectos funcionales y estructurales de las subunidades/dominios hidrolizantes de ATP. Fems Microbiology Reviews 22, 1–20 (1998).

44. Kleerebezem, M., Quadri, LE, Kuipers, OP & Vos, WM De. Detección de quórum por feromonas peptídicas y sistemas de transducción de señales de dos componentes en bacterias Gram-positivas. Microbiología Molecular 24, 895–904 (2010).