La función de la diversidad química de Cistanche y la predicción de áreas potenciales de cultivo de hierbas Cistanche

Por favor contactaroscar.xiao@wecistanche.compara más

Ya quela 72ª Asamblea Mundial de la Salud, la medicina tradicional ha sido incluida en la Clasificación Internacional de Enfermedades (versión 11), que data principalmente de la medicina tradicional china y también es ampliamente aceptada en países del sudeste asiático como Japón, Corea e India. La conferencia indicó que la medicina tradicional juega un papel importante en la regulación sanitaria. Las hierbas medicinales son la base material de la medicina tradicional además de la acupuntura y la manipulación. El uso preciso y la combinación de diferentes hierbas determinan la máxima eficacia de la medicina tradicional1–3. Además, el contenido y tipo de componentes activos en las hierbas fluctúan con sus orígenes botánicos y ambientes de crecimiento. Por lo tanto, los orígenes botánicos adecuados y los entornos de crecimiento adecuados son vitales para la seguridad y la eficacia clínica. Las plantas de cistanche se utilizan como tónico precioso y hierbas comestibles para el cuidado de los hombres en China, Japón y algunos países del sudeste asiático4,5. Cuatro especies del género son conocidas por su valor medicinal potencial en China, a saber, C. deserticola, C.tubulosa, C. salsa y C. sinensis. Los tallos suculentos secos de las dos primeras especies están registrados en la Farmacopea China (edición de 2015), denominada Cistanches Herba. Estas especies son beneficiosas para los riñones y el tracto intestinal. Las otras dos especies se consumen en algunos lugares o se utilizan como adulterantes de Cistanches Herba. C. salsa se registró en los estándares herbales locales en las provincias de Gansu (edición de 1992) y Xinjiang (edición de 1987). C. sinensis es una especie única en China. Los estudios químicos y farmacológicos modernos han demostrado que los componentes químicos de estas hierbas tienen varios efectos, como la mejora de la función cerebral, efectos afrodisíacos y efectos de estimulación inmunológica6. Los estudios publicados indican el contenido y la diferencia de tipos de constituyentes químicos entre diferentes plantas de Cistanche, en las que betaína, intermedios del ciclo de Krebs,glucósidos de feniletanoide, y los iridoides se consideraron cuatro marcadores químicos responsables del análisis de discriminación entre C. deserticola y C. tubulosa7,8. Un estudio detallado indicó que los isómeros de campneósido II,cistanósidoC, y el cistanósido A eran tres potenciales 1 Instituto de Desarrollo de Plantas Medicinales, Academia China de Ciencias Médicas, Facultad de Medicina de la Unión de Pekín, Centro de Investigación de Ingeniería de Recursos de Medicina China, Ministerio de Educación, Laboratorio de Investigación Clave de Protección de Recursos de Medicina Tradicional China, Administración de Medicina Tradicional China, Administración Nacional de Medicina Tradicional China, Beijing, 100193, China. 2 Facultad de Ciencias, Universidad Agrícola de Sichuan, Ya'an, 625000, China. 3 Facultad de Farmacia, Universidad de Medicina Tradicional China de Chengdu, Chengdu, 611137, China. *Correo electrónico: peixjin@163.com; lfuang@implad.ac.cn

marcadores químicos para distinguir las dos especies mencionadas anteriormente 9. Investigaciones posteriores mostraron que ochofeniletanoidelos glucósidos podrían elegirse como marcadores químicos para discriminar las especies de Cistanche, que incluyen principalmente C. deserticola, C. tubulosa y C. sinensis10. Además, el contenido de componentes químicos varía según el origen geográfico. Zhou y sus coautores indicaron que el contenido total de siete componentes del índice (casinside A, echinacoside,isoactósido, 2′-actylacteoside, castanoside C y tableside B) de C. tubulosa del sur de Xinjiang fueron aproximadamente seis veces mayores que los de Kuitun y Hami en China11. Entre estos componentes químicos,acetónidoy el echinacósido se consideran componentes índice para el control de calidad demedicina herbaria. Se ha informado que los dos componentes mejoran la función cerebral, y la acetónida contribuye principalmente al efecto afrodisíaco6. Los modelos de distribución de especies (SDM) son modelos estadísticos establecidos con variables ambientales existentes para inferir los requisitos ecológicos de las especies. Dichos modelos pueden mapear las distribuciones potenciales de una especie objetivo sobre la base de los datos de distribución observados12. Hasta la fecha, los SDM se han aplicado con éxito a la predicción de la tendencia de distribución de plantas ecológicas y en peligro de extinción durante el cambio climático13,14. Entre estos modelos, el modelo MaxEnt se usa comúnmente como un medio simple para predecir la distribución de idoneidad del hábitat con datos de solo presencia y funciona bien con datos incompletos, tamaños de muestra pequeños y brechas14. Combinado con algún software (como ArcGIS), la investigación puede extraer variables ambientales y climáticas de los sitios de recolección de muestras. Además, una ubicación potencialmente adecuada se puede dividir en tres o cuatro niveles15–17. Sin embargo, ningún estudio ha informado estrategias combinadas que incorporen ubicaciones potencialmente adecuadas después de la división y el contenido de los componentes químicos para el control de calidad de la medicina herbaria. En el presente estudio, se recolectaron cuatro plantas de Cistanche en peligro de extinción para evaluar la calidad con cromatografía líquida de alta resolución (HPLC), y se usaron siete componentes químicos como índices. Además, se utilizó un modelo MaxEnt equipado con 26 variables ambientales para predecir áreas potencialmente adecuadas para investigar especies óptimas para un uso posterior. Finalmente, se analizó sistemáticamente la combinación de los contenidos de los componentes del índice y las áreas adecuadas para un mejor desarrollo y utilización de estas plantas Cistanche en peligro de extinción en China y otros países.

Por favor haga clic aquí para saber más

Resultados en análisis cromatográficos.

Los contenidos de los siete componentes químicos se calcularon sobre la base de sus curvas de calibración. Las siete ecuaciones de las curvas de calibración fueron Y{{0}}.54{{10}}0X más 0.1616 (2′-acetil lacteósido , R=0.9992), Y=18.5640X más 0.3724 (actósido, R=0.9821), Y {{14 }}.6350X más 0.0090 (isoactósido, R=0.9999), Y=12.7460X más 0,0103 (tubulósido A, R=0,9999), Y=10,638X más 0,1615 (cistanosido A, R=0,9997), Y=21,533X−0,0006 ( citanósido F, R=1) e Y=13,0740X más 1,1381 (echinacósido, R=0,9821); la concentración (X) es el eje horizontal y el área del pico (Y) es el eje vertical. R es el coeficiente de correlación e indica una excelente correlación lineal entre estas curvas de calibración. Un experimento de precisión (seis inyecciones secuenciales de los mismos extractos de muestra) mostró que la precisión era buena y que la desviación estándar relativa (RSD) del área del pico estaba entre el 0,3 % y el 0,8 %. De manera similar, las pruebas de repetibilidad (seis inyecciones secuenciales de los mismos extractos de muestra) y de estabilidad (seis inyecciones de los mismos extractos de muestra después de 0, 2, 4, 8, 12 y 24 h) arrojaron RSD de 0,56–1,46 por ciento y 1,06–3,60 por ciento, respectivamente. Los análisis de contenido adicionales de los siete componentes del índice se mostraron en cuadros horizontales agrupados que contenían los resultados de la comparación visual y las diferencias significativas en minúsculas. Los resultados de las pruebas de recuperación de los siete constituyentes variaron de 99,25 por ciento a 104,10 por ciento con RSD entre 0,69 por ciento y 3,45 por ciento. Por lo tanto, el método era exacto. El contenido de los siete componentes del índice en las cuatro especies y los orígenes geográficos de la misma especie se muestran en cuadros horizontales agrupados. Los contenidos de algunos componentes químicos estaban por debajo del límite de detección. Así, solo una parte de las figuras contenía cuatro especies de Cistanche. El componente químico 2'-acetylacteoside se detectó solo en C. deserticola, mientras que no se detectó en las otras especies mediante el presente método. Sin embargo, se observó una diferencia de contenido entre los diversos orígenes geográficos centrados en el 2′-acetilacteoside. Los contenidos del componente de Alashanzuoqi en Mongolia Interior fueron significativamente más altos que los de las otras tres provincias, mientras que los contenidos en la especie de Tingtuhu de Minqinin, provincia de Gansu, fueron significativamente más bajos que los de los otros lugares (Fig. 1A). Se detectó tubulósido A en C. deserticola y C. tubulosa. No se observaron diferencias notables entre las dos especies e incluso entre plantas de la misma especie de diferentes orígenes geográficos (Fig. 1B). Las cuatro especies contenían el mismo componente químico (acetónido). El contenido de acetónido en C. salsa recolectada de Jianga'erhan de Tacheng en Xinjiang fue significativamente más alto que el de las otras especies y la misma especie de diferentes áreas de cultivo. Por el contrario, el contenido de acetónido no difirió significativamente entre los diversos orígenes de C. deserticola (este hallazgo fue el mismo que para el lado de la mesa A; Fig. 1C). Se detectó cistanósido A en C. deserticola y C. salsa. El contenido de las muestras de C. salsa de Jianga'erhan de Tacheng en Xinjiang fue significativamente mayor que el de las muestras de C. deserticola de otros lugares. Además, la variación en la ubicación no afectó el contenido del componente. Esta condición fue la misma que para el lado de la mesa A y acetónido (Fig. 1D). Para el cistanósido A, el contenido del componente índice no fluctuó con las variaciones en especies y orígenes geográficos (Fig. 1E). El contenido de echinacósido de las muestras de C. salsa de Hejiaoke de Tuoli en Xinjiang fue significativamente mayor que el contenido de las muestras de Jianga'erhan de Tacheng en Xinjiang. El contenido de componentes de las muestras de C. deserticola y C. tubulosa, independientemente de dónde se recolectaron, fue significativamente más bajo que en otros lugares (Jianga'erhan de Tacheng en Xinjiang). Además, la composición química no pudo detectarse en C. Sinensis (Fig. 1F). Se detectó isoactósido en todas las especies de Cistanche excepto en C. salsa; el contenido de isoactósido en C. tubulosa fue significativamente más alto que en las otras dos especies, independientemente de las provincias de origen en China (Fig. 1G). Aquí, todas las diferencias signifcativas fueron menores que P<0.5. the="" total="" contents="" of="" these="" chemical="" components="" are="" stacked="" in="" fig.="" 2="" for="" improved="" comparison="" of="" the="" seven="" styrene="" glycosides.="" herein,="" we="" hypothesized="" that="" geographical="" origins="" exerted="" a="" small="" influence="" on="">

acumulación de estos componentes químicos en comparación con las diferencias entre especies. Se detectaron siete tipos de glucósidos de estireno en las muestras de C. deserticola. Sin embargo, el contenido total fue menor que el de C. tubeless y C. salsa. Los resultados indicaron que C. salsa tenía el contenido más alto de glucósidos de estireno, aunque solo se detectaron echinacósido, castanósido A y acetónido por cromatografía líquida. C. sinensis contenía solo isoactósido y acetónido y, por lo tanto, tenía el contenido más bajo de glucósidos de estireno totales. De acuerdo con el estándar registrado en la Farmacopea China, los contenidos de equinacósido y acetónido en C. deserticola deben ser superiores a 3 mg/g, y los de C. tubulosa deben ser superiores a 15 mg/g. Los resultados de la detección indicaron que la mayoría de las muestras de C. deserticola cumplían con los estándares excepto las muestras de Changcheng, Liangzhou en la provincia de Gansu (el contenido de acetónido fue de 1,51 mg/g) y la región del lago Aibi, Tacheng en la provincia de Xinjiang (el contenido de acetónido fue de 2,18 mg/g). /g), cuyos contenidos eran inferiores a los estándares. Además, el contenido de nucleósidos en C. tubulosa (8,1225 mg/g) fue inferior al estándar, mientras que el contenido de equinacósido fue superior al estándar (28,38 mg/g).

Áreas potencialmente adecuadas en el mundo y en China

Con los cálculos combinados de MaxEnt y ArcGIS, se calcularon las áreas potencialmente adecuadas para las cuatro especies de hierbas Cistanche. Los resultados se muestran en la Tabla 1. De manera similar a las categorías de las secciones anteriores, las áreas potencialmente adecuadas se dividieron en cuatro clases. Con respecto a la clase de idoneidad de hábitat alta, tres especies tenían aproximadamente 30 km2 de áreas adecuadas más grandes en todo el mundo (C. deserticola: 29,2210 km2, C. sinensis: 31,3034 km2, C. salsa: 30,8633 km2) en comparación con C. tubulosa (10,6866 km2). Como se muestra en la comparación de la clase de idoneidad de hábitat alta, C. deserticola tenía la superficie más grande (38,9267 km2) en términos de la clase de idoneidad moderada (C. tubulosa: 12,4069 km2, C. sinensis: 32,1292 km2, C. salsa: 38,5764 km2 ), mientras que el área de C. tubulosa seguía siendo la más pequeña. En términos de las áreas potenciales consideradas como una distribución potencial de lugares de cultivo adecuados, las clases de idoneidad alta para el hábitat y las clases moderadamente idóneas se analizan a continuación. La mayoría de las áreas adecuadas (aproximadamente el 90 por ciento) para C. deserticola se distribuyeron principalmente en el norte y noroeste de China. Además, se identificaron algunas áreas con condiciones potenciales de cultivo en el sur de los Estados Unidos, el suroeste de Irán, el este de Turquía, el sur de Mongolia y el este de Kazajstán (Fig. 3). A diferencia de las especies mencionadas anteriormente, C. tubulosa parecía estar bien distribuida en todo el mundo, cubriendo el oeste de China, el noroeste de América del Sur, el norte de África y algunos países entre China y África. Sin embargo, aunque C. tubulosa tenía una distribución potencial amplia, el área total de la especie fue la más pequeña en comparación con las otras tres especies, para las cuales el área total de las clases de idoneidad de hábitat alta y moderada fue de 23,0935 km2. Con respecto a las dos clases, solo se encontraron unas pocas áreas potenciales adecuadas para el crecimiento de la especie en el norte de Egipto, en la región occidental del Reino de Arabia Saudita, el sur de Yemen, el norte de los Emiratos Árabes Unidos, el sur de Irán y Pakistán. Las áreas más grandes todavía estaban en China, donde las áreas de predicción totales se ubicaron en el oeste del país (Fig. 4). Similar a C. deserticola, C. salsa se distribuyó principalmente en el noroeste y norte de China, donde el espécimen tiene registros. Después de la predicción del modelo MaxEnt, hubo una pequeña área de predicción que puede ser un entorno de crecimiento adecuado en los Estados Unidos y el este de Kazajstán y Kirguistán (Fig. 5). La mayoría de las ubicaciones previstas de C. Sinensis se distribuyeron en el norte y el oeste de China. Además, se identificaron algunas áreas en la parte media de Marruecos, el sureste de Argelia y el noroeste de Chad e Irán (Fig. 6). Las áreas potencialmente adecuadas calculadas por MaxEnt se muestran en la esquina inferior derecha de las Figs. 3–6 para mostrar la distribución de predicción de las cuatro especies en China. En este documento, las unidades más pequeñas de mapeo de distribución de predicción se basaron en las provincias de China. Similar al análisis para el mundo, el análisis en esta sección se basó en una idoneidad de hábitat alta y clases moderadas. Las áreas de predicción indicaron que C. deserticola se distribuía principalmente en las provincias de Xinjiang, Mongolia Interior, Ningxia, Gansu y Qinghai. Aunque se encontraron algunas áreas de distribución en otras provincias, pertenecían a la Clase 2. Por lo tanto, estas regiones eran poco aptas y, por lo tanto, no recomendadas para el cultivo de la especie. Para C. tubulosa, todas las regiones potencialmente adecuadas de la especie se predijeron en la provincia de Xinjiang en China. Curiosamente, C. salsa tenía una amplia gama de distribuciones potenciales en China, incluidas las provincias de Xinjiang, Mongolia Interior, Ningxia, Gansu, Qinghai, Shanxi, Shaanxi y Hebei. Además, toda la provincia de Ningxia parecía ser una posible área de cultivo para la especie. Al igual que C. salsa, C. sinensis también tenía amplias regiones de distribución potencial, excluyendo la provincia de Xinjiang (pero tenía un área de predicción en la provincia de Xizang).

Contribución de las variables ambientales.

Con la ayuda de dos índices (porcentaje de contribución e importancia de permutación en el archivo .html), estas variables bioclimáticas se clasificaron según su importancia para el modelo MaxEnt. Treinta y nueve variables importantes contribuyeron al modelo de C. deserticola, de las cuales srad08, tmax12, pre01 y tmax02 fueron las variables más importantes; es decir, sus porcentajes de contribución superaban el 10 por ciento (Cuadro S1). Para C. tubulosa, veintinueve variables contribuyeron al modelo, y pre09, srad05, pre08 y vapr08 fueron los factores ambientales vitales (Tabla S2). Treinta variables fueron variables contribuyentes para el modelo de C. salsa, y tmax02, srad08, bio19 y pre01 fueron factores vitales, con porcentajes de contribución superiores al 10 por ciento (Tabla S3). El modelo de C. Sinensis tuvo un 35 por ciento de variables de contribución, entre las cuales tmax02, bio19 y pre12 fueron las más importantes (Tabla S4).

Además, se realizó una prueba de navaja para seleccionar las variables bioclimáticas vitales, que pueden diferir de las variables antes mencionadas. En general, se usaron tres gráficos para mostrar la importancia de las variables, a saber, ganancia de tren regularizada, ganancia de prueba y AUC de los datos de prueba. Los resultados de la prueba jackknife para el modelo C. deserticola se muestran en la Fig. S1. Aquí, srad07, bio09 y wind10 proporcionaron una ganancia muy alta cuando se usaron de forma independiente o se omitieron, lo que indica que srad07 contenía más información útil por sí misma que las otras variables. Por el contrario, bio09 y wind10, que no estaban presentes en las otras variables, parecían tener la mayor cantidad de información. A diferencia de las especies, srad05, pre10 y tmax07 fueron las variables vitales para C. tubulosa y proporcionaron grandes ganancias para el modelo. Las otras variables que proporcionan el valor de ganancia se muestran en la Fig. S2. Los resultados de ganancia del modelo de C. salsa se muestran en la Fig. S3. Estos gráficos indican que cuatro variables proporcionaron mayores ganancias para el modelo, a saber, srad11, srad06, bio09 y pre02. Con respecto al modelo MaxEnt y la distribución potencial de C. Sinensis, se consideraron variables importantes cuatro variables bioclimáticas, srad11, srad12, win08 y tmax11; contenían más información útil por sí mismos que las otras variables (Fig. S4). Por lo tanto, las variables antes mencionadas contenían la información más importante que contribuía a la ganancia del modelo. Curiosamente, se identificaron algunas diferencias entre los resultados de la prueba de la navaja y la importancia de la permutación (o importancia porcentual). Las variables del árbol (srad07, srad11 y tmax07) fueron variables importantes con ganancias altas en los resultados de la prueba jackknife en comparación con los otros dos métodos.

Evaluación de cada modelo específico.

El rendimiento del modelo se dividió en cinco categorías: fracaso, pobre, regular, bueno y excelente (0.9

(bio09), con un rango óptimo de -12.6159–2.8479 grado. La cuarta variable fue la precipitación en septiembre (pre09), con un rango adecuado de 8,3762–32,4312 mm (Fig. S7). El modelo MaxEnt de C. Sinensis tuvo tres variables importantes que contribuyeron en su mayoría a la distribución potencial de la especie. El rango adecuado de radiación solar en diciembre (srad12) fue 6138,3161–9488,8316kJ·m−2·día−1, y el de temperatura máxima en noviembre (tmax11) fue -1,9115–9,6048 grados. Además, el rango adecuado de velocidad del viento en agosto (viento08) fue de 2,1005 a 3,3054 m·s−1 (Fig. S8). Las otras variables importantes que contribuyen a la distribución potencial de las cuatro especies se resumen en las Figs. S5–S8.

Discusión

La medicina herbaria es una mezcla compleja de muchos componentes químicos que contribuyen a la focalización sistemática de la enfermedad. Además, se puede recolectar un tipo de material herbario de diferentes especies botánicas que tengan características similares o componentes efectivos. Por ejemplo, Coptidis Rhizoma es un medicamento a base de hierbas con uso de alta frecuencia; se obtiene de tres plantas congenéricas (Coptis chinensis, C. deltoidea y C. teeth) y se utiliza para curar la diarrea inducida por retención de humedad con la ayuda de diversas berberinas18. Además, Polygonatum Rhizoma se utiliza comúnmente como alimento funcional en la vida diaria en China para la inmunorregulación; los materiales crudos son rizomas de Polygonatum kingianum, P. sibiricum y P. cyrtonema19. El presente estudio incluyó cuatro especies, dos de las cuales están registradas oficialmente en la Farmacopea China (C. deserticola y C. tubulosa en la versión de 2015). Los resultados en cuanto a los componentes químicos indicaron la existencia de diferencias en el tipo y contenido entre las cuatro especies. En particular, el equinacósido, el carotenoide A, el 2′-acetil verbascósido, la antocianina y el carotenoide F se pueden detectar en C. sinensis y, por lo tanto, se pueden considerar como un índice para determinar

si el polvo de la especie oficial ha sido adulterado con fitoterapia no oficial. 2′-Acetyl ver bascoside solo se detectó en C. deserticola, que parece ser el componente de índice óptimo que indica que los materiales herbales conocidos pertenecen a una de las cuatro especies mencionadas en nuestro estudio. Estos hallazgos son los mismos que los de nuestro estudio anterior, en el que el componente se consideró un marcador potencial para discriminar muestras de C. deserticola de Xinjiang y Mongolia Interior20. Además, la antocianina A y el carotenoide F eran componentes comunes en las dos especies oficiales pero no se encontraron en las otras dos especies. Por lo tanto, estos componentes químicos pueden utilizarse como marcadores químicos para las especies oficiales y no oficiales para mejorar el control de calidad de los materiales medicinales crudos en el mercado de hierbas. El modelo MaxEnt estableció una relación de correlación entre las variables ambientales y la distribución potencial a nivel mundial para las especies objetivo21,22. El modelo tiene la capacidad de predecir la distribución actual y las regiones potencialmente adecuadas, que pueden considerarse como una referencia para el cultivo de especies, especialmente en peligro de extinción. En general, la conservación ex situ es un medio eficaz para proteger especies en peligro de extinción23. Las estrategias de protección pueden garantizar un uso normal en las clínicas. En nuestro estudio, había regiones de distribución potencial en la provincia de Qinghai en China, el sur de Estados Unidos, el suroeste de Irán, el este de Turquía, el sur de Mongolia y el este de Kazajstán, que eran diferentes de los registros de Flora Reipublicae Popularis Sinicae (http://frps. iplant.cn/ fps/ Cistanche percent 20deserticola) para C. deserticola. Las regiones pronosticadas de C. tubulosa son extremadamente similares a las de los registros de Flora Reipublicae Popularis Sinicae (http://frps.iplant.cn/frps/Cistanche percent 20tubulosa), que menciona que las especies se distribuyen en el sur de la provincia de Xinjiang en China, norte de África, Península Arábiga y Asia central. Aquí, solo unas pocas áreas pueden ser aptas para el cultivo de C. tubulosa en el suroeste de América del Sur. Las regiones de crecimiento limitado fueron confirmadas por nuestra investigación actual de que el cultivo de la especie requiere suficiente agua. El sur de la provincia de Xinjiang tiene suficiente agua adecuada para la amplia distribución de la especie. Las regiones potencialmente adecuadas de C. salsa eran diferentes de las de los registros, y las regiones predichas eran más grandes que la distribución registrada según http://frps.iplant.cn/frps/Cistanche percent 20salsa. De manera similar, la ubicación prevista de C. sinensis difería ligeramente de la de los registros en http://frps.iplant.cn/frps/Cistanche percent 20sinensis, especialmente en la parte media de Marruecos, el sureste de Argelia y el noroeste de Chad e Irán. los cuales fueron identificados por los resultados del modelo de predicción como adecuados para el crecimiento de la especie. Las amplias áreas de las dos últimas especies implicaron que los productores de hierbas pueden plantar las dos especies para satisfacer la demanda de los mercados locales de hierbas, que dependen principalmente de los recursos silvestres. Nuestro estudio de campo encontró que la recolección de muestras silvestres de las dos especies se está volviendo cada vez más difícil. Existían aproximadamente 2 o 3 muestras silvestres en 10 cuadrantes que medían 2 × 2 m en 2012, pero las mismas muestras necesitaban 30 de los mismos cuadrantes en 2019. Estos resultados implican que los recursos silvestres se están reduciendo en cantidad. Las regiones adecuadas son cada vez más limitadas debido al desarrollo industrial y la construcción de carreteras. Por lo tanto, en función de la distribución potencialmente adecuada predicha por el modelo MaxEnt, los investigadores deberían tratar de cultivar las dos especies para mejorar la protección de las muestras silvestres. No encontramos literatura que utilice la temperatura mínima 12-mes, la temperatura máxima, la temperatura media, la precipitación, la radiación solar, la velocidad del viento y la presión del vapor de agua como variables bioclimáticas para establecer modelos MaxEnt. Aquí, las seis variables (durante 12 meses), combinadas con 19 factores bioclimáticos, se utilizaron sistemáticamente para establecer los modelos MaxEnt de las cuatro especies estudiadas. Los resultados indicaron que la predicción de la región potencialmente idónea de cada especie dependía de diferentes variables ambientales. En general, la radiación solar (srad05, srad06, srad12) fue la principal variable influyente entre las cuatro especies. Mayo y junio se interpretaron como los períodos de floración y fructificación, respectivamente. Por lo tanto, la radiación solar puede ser el principal factor de influencia inicial que determina la distribución de las cuatro especies de Cistanche. Se utilizó una combinación de cromatografía líquida de alta resolución y el modelo MaxEnt para investigar sistemáticamente las fluctuaciones de contenido en siete componentes químicos. Los resultados indicaron variaciones en el tipo y contenido de constituyentes entre las cuatro especies de Cistanche y entre plantas de la misma especie de diferentes orígenes geográficos. Además, el 2′-acetilacteoside se puede utilizar como un marcador químico potencial para discriminar C. deserticola de las otras tres plantas Cistanche. La antocianina A y el carotenoide F eran los constituyentes comunes de las dos especies oficiales y, por lo tanto, pueden considerarse como un marcador químico para distinguir entre especies oficiales y no oficiales. El contenido de equinacósido de C. deserticola varió significativamente entre dos distribuciones potenciales adecuadas; los contenidos de las muestras de Mongolia Interior fueron significativamente más altos que los de la ciudad de Minqin en la provincia de Gansu. Nuestros resultados pueden proporcionar una referencia para mejorar el desarrollo y la utilización de cuatro especies de Cistanche en peligro de extinción en China y los países vecinos.

Fuente de datos y variables bioclimáticas.

Se recopilaron ciento cuarenta y seis registros de ocurrencia de cuatro plantas de Cistanche en el mundo de bases de datos, incluidos datos de encuestas de campo entre 2017 y 2019, el Fondo de Información de Biodiversidad Global (http://www.gbif.org ), la Infraestructura Nacional de Información de Especímenes (HTTP://www.nsii.org.cn/) y el Herbario Virtual Chino (http://www.cvh.org.cn/). Aquí, 49 registros pertenecen a C. deserticola, y C. tubulosa tiene 26 registros de ocurrencia en el mundo. C. salsa tiene 45 puntos de datos y C. Sinensis tiene 26 sitios, todos distribuidos en China. Las distribuciones de ubicación detalladas de las cuatro especies se muestran en el mapa mundial y se mapean en la Fig. 10. En los casos con puntos de datos replicados, solo se usó una muestra para reducir el sesgo de muestreo con respecto a las condiciones ambientales. Cada punto de datos se convirtió en coordenadas geográficas del Sistema Geodésico Mundial de 1984 por ArcGIS (versión 10.0, Environmental Systems Research Institute, Inc. EE. UU.)24.

Establecimiento del modelo MaxEnt

El método MaxEnt tiene como objetivo establecer un modelo de predicción con una entropía máxima basada en registros de ocurrencia existentes26,27. La teoría de la máxima entropía proporciona una excelente explicación para aproximar una distribución de probabilidad desconocida28. El principio fundamental del modelo es el cálculo de la entropía máxima de la distribución de probabilidad en la región objetivo bajo la condición de restricción especial. A la luz de los resultados del cálculo, el modelo produce una distribución de probabilidad de las especies objetivo en las áreas de investigación. Generalmente, las variables ambientales y los registros de ocurrencia son condiciones restrictivas. El modelo se superpone continuamente a los datos de muestra conocidos para los que la distribución de probabilidad de la región objetivo aumenta hasta que su entropía máxima aumenta hasta el umbral de convergencia. El software basado en Java (versión 3.4.1) se descargó gratuitamente de http://www.cs.princeton.edu/schapire/max ent para la simulación de idoneidad del hábitat. Antes del establecimiento del modelo, cada variable se convirtió del formato de archivo de imagen etiquetada al formato de comunicación de script de acción (ASC) para formar las capas ambientales. Seleccionamos "Características automáticas" (incluidas las características lineales, cuadráticas, de producto y de bisagra) como características de nuestro modelo. Se realizó una prueba de jackknife para medir la importancia de las variables ambientales. El porcentaje de prueba aleatoria se fijó en 30; es decir, el 70 por ciento de los puntos de datos se seleccionaron al azar como datos de entrenamiento y el 30 por ciento restante de los registros de ocurrencia fueron los datos de prueba. Se utilizó la validación cruzada como tipo de ejecución replicada. Las opciones predeterminadas fueron seleccionadas para las otras configuraciones. Después de usar el software MaxEnt, pudimos obtener un archivo (en formato ASC) que reflejaba la distribución de la idoneidad del hábitat. El archivo también mostraba la distribución aleatoria de puntos de datos, que cubría los conjuntos de entrenamiento y prueba con dos colores. El archivo se transformó aún más en datos de trama para mejorar la interpretación y el cálculo de la ubicación adecuada. Además, el archivo ráster se reclasificó en cuatro clases compuestas por una clase adecuada muy baja o una clase no adecuada (4,<0.2), low="" suitable="" class="" (3,="" threshold="" between="" [0.2,="" 0.4]),="" moderately="" suitable="" class="" (2,="" [0.4,="" 0.6])="" and="" high="" habitat="" suitability="" class="" (1,="" [0.6,="" 1])29–31.="" the="" number="" indicates="" the="" class="" number="" in="" the="" final="" figure.="" a="" commonly="" used="" threshold="" of="" 0.4="" was="" used="" for="" the="" class="" division30.="" te="" format="" transformation="" and="" calculation="" of="" suitable="" areas="" were="" completed="" by="" arctoolbox="" in="" arcgis="" software.="" the="" receiver="" operating="" characteristic="" (roc)="" curve="" and="" area="" under="" the="" curve="" (auc)="" was="" used="" to="" analyze="" the="" fitting="" capability="" and="" to="" comprehensively="" evaluate="" the="" performance="" of="" the="" well-established="" model.="" in="" general,="" the="" closer="" the="" top="" left="" corner="" the="" roc="" curve="" is="" to="" 1,="" the="" more="" robust="" the="" model.="" a="" high="" auc="" value="" implies="" a="" superior="" model="" performance,="" which="" is="" not="" affected="" by="" the="" choice="" of="" the="" threshold32.="" the="" normal="" value="" of="" the="" latter="" parameter="" is="" between="" 0.5="" and="" 1.="" in="" accordance="" with="" the="" range="" of="" parameters,="" the="" maxent="" model="" performance="" was="" categorized="" into="" six="" standards="" comprising="" a="" pure="" guess="" (auc="0.5)," fail="">

Este artículo proviene de Scientific Reports|(2019) 9:19737|https://doi.org/10.1038/s41598-019-56379-x