5
當前位置：安捷倫科技（中國）有限公司>>技術文章>>【育種創(chuàng)新加速器】安捷倫代謝組學方案解鎖育種核心場景
【育種創(chuàng)新加速器】安捷倫代謝組學方案解鎖育種核心場景
在“2035 年遠景目標綱要"聚焦生物育種的政策東風下，育種技術正朝著高精度、高通量、多組學融合的方向加速升級。安捷倫整合代謝組學、元素分析、細胞成像、核酸分析等核心技術，打造覆蓋生物育種核心流程的多組學解決方案。
圖 1. 安捷倫多組學綜合解決方案
代謝組學作為多組學融合的關鍵紐帶，已滲透育種全鏈條，從基因-代謝-表型關聯(lián)到品種鑒定，發(fā)揮不可替代的作用。
安捷倫核心儀器：液質聯(lián)用系統(tǒng)、氣質聯(lián)用系統(tǒng)、PIDESI 質譜成像系統(tǒng)
安捷倫核心技術：靶向/非靶向/擬靶向代謝組學、脂質組學、代謝流分析、AI 輔助未知物解析、空間代謝組學
安捷倫核心優(yōu)勢：全流程代謝組學解決方案，整合液質和氣質聯(lián)用系統(tǒng)，分析不同極性和結構的代謝物；基于深度學習算法的質譜注釋工具 SIRIUS，可以有效對未知物進行結構分析；PIDESI 質譜成像實現(xiàn)極性/非極性化合物同步可視化，信號強度提升兩個量級以上
代謝組學關鍵應用場景與案例
圖 2. 代謝組學在生物育種中的應用場景
一、代謝與表型關聯(lián)——找到性狀差異的“代謝根源"
通過代謝組學對比不同表型作物的代謝差異，能直接鎖定影響性狀的關鍵物質，為品質改良、抗逆育種提供明確方向。
如在一項針對小麥耐低溫的代謝標記物篩選研究中[1]，對比耐低溫與冷敏感品種，明確了兩類特征標記物，即滲透調節(jié)物質（敏感品種特有）和高不飽和脂質（耐低溫品種特有），這些標記可作為耐低溫 / 抗凍性表型標記。文章中采用液質（分析氨基酸、脂質組、植物激素等）和氣質（糖、有機酸等）來實現(xiàn)代謝組靶向分析。
圖 3. 冷脅迫下小麥旗葉初級代謝物 Log? 變化熱圖[1]
在另一項對早期小麥籽粒產(chǎn)量研究中[2]，多組織多時間點代謝分析發(fā)現(xiàn)，小麥早期籽粒代謝譜由受精后天數(shù)主導，且旗葉和穎殼代謝功能存在差異。另外，夜間高溫導致蔗糖、脯氨酸含量下降，最終降低籽粒重量，為抗高溫小麥育種提供代謝干預方向。其中，相關代謝物由氣質檢測來實現(xiàn)代謝組非靶向分析。
圖 4. 小麥 4 種組織代謝組的主成分分析圖[2]
二、基因與代謝/表型關聯(lián)——鎖定調控性狀的“關鍵基因"
將代謝組數(shù)據(jù)與基因組數(shù)據(jù)關聯(lián)（如 mGWAS/mQTL），能精準定位調控關鍵代謝物的基因位點，為分子標記育種提供“精準靶點"。
在一項鑒定影響蘋果營養(yǎng)品質的代謝物數(shù)量性狀位點（mQTL）研究中[3]，通過對 124 個蘋果基因型進行 mGWAS 分析，鑒定出 200+ 個 mQTL，其中 17 號染色體上的 mQTL 可顯著調控綠原酸含量，結合轉錄組驗證該基因直接影響蘋果營養(yǎng)品質。其中液質主導代謝物檢測與 mQTL 鑒定，為基于代謝物的蘋果改良育種提供策略。
圖 5. 綠原酸的 mGWAS 曼哈頓圖（LC-MS 正負離子模式）[3]
另一項揭示水稻香味的遺傳調控位點研究中[4]，通過對 204 份水稻群體籽粒進行揮發(fā)組學分析、香味評分和分子對接等技術手段，發(fā)現(xiàn) 2-乙?；?1-吡咯啉（2-AP）和脂肪酸衍生的揮發(fā)性代謝物對稻米香味的貢獻極顯著，其中揮發(fā)組學檢測使用了氣質技術。同一團隊在 24 年建立了新一代廣泛靶向植物揮發(fā)組學方法[5]，也使用安捷倫氣質平臺進行分析。
圖 6. 水稻香氣關鍵貢獻者的鑒定[4]
三、遺傳改造品種表征——給“定制作物"做精準“體檢"
通過轉基因、基因編輯、過表達等技術改造的品種，需要確保其代謝層面已經(jīng)達到育種目標，為品種落地提供可靠數(shù)據(jù)支撐。為解決菊花受棉蚜侵害的問題，一項研究將除蟲菊中合成除蟲菊酯的關鍵酶基因（TcCHS）導入菊花并過表達[6]。通過 GC-QTOF 檢測到揮發(fā)性代謝物“菊花醇"，該物質可有效驅避蚜蟲；利用 LC-QTOF 結合 NMR 技術，鑒定出非揮發(fā)性成分“菊花醇糖苷"，能抑制蚜蟲取食。雙重代謝物調控構建了高效抗蚜系統(tǒng)，安捷倫雙平臺檢測為基因功能驗證與代謝機制解析提供了關鍵數(shù)據(jù)。
圖 7. （左圖）菊花揮發(fā)性代謝物的 GC-MS 分析；（右圖）菊花非揮發(fā)性代謝物的 LC-MS 分[6]
四、品種鑒別與評價——用代謝指紋“鎖定"優(yōu)良品種
品種的品質差異、產(chǎn)地溯源、真?zhèn)舞b別，都藏在代謝物的“指紋圖譜"中。代謝組學技術能精準捕捉品種間的代謝差異，為品種評價與質量控制提供客觀標準。在一項不同產(chǎn)地黑茶風味差異的研究中[7]，通過 HS-SPME（頂空固相微萃取）結合氣質檢測技術，分析 5 種不同產(chǎn)地黑茶的揮發(fā)性成分，篩選出 18 種關鍵香氣化合物（如苯乙醇、香葉醇），這些化合物可作為產(chǎn)地分類的潛在指標。通過化學計量學分析建立了黑茶產(chǎn)地判別模型，為黑茶產(chǎn)地溯源、品質評價及造假檢測提供了數(shù)據(jù)支持和技術方法。
圖 8. 不同產(chǎn)地黑茶揮發(fā)物的分類與含量分析 [7]
五、空間代謝組學——讓代謝物在組織中 “可視化"
空間代謝組學是整合質譜成像和代謝組學 (Metabolomics) 技術，對動/植物組織中代謝物的種類、含量和空間分布進行精準測定的技術。安捷倫與維科托聯(lián)合開發(fā)的 PIDESI-QTOF 質譜成像平臺即可開展空間代謝組學研究。一項對植物葉片代謝物空間分布的研究中得知[8]，與傳統(tǒng) DESI 技術相比，PIDESI 成功檢測到 80 余種額外代謝物，包括萜類（如鼠尾草中的迷迭香酸）、黃酮類（銀杏葉中的槲皮素苷）、脂質（茶葉中的磷脂酰膽堿）。在負離子模式下，多數(shù)代謝物信號強度提升 1 個數(shù)量級，例如茶葉中茶多酚在葉肉細胞的分布濃度，通過成像可清晰區(qū)分葉脈與葉肉的含量差異。
圖 9. PIDESI 檢測鼠尾草、銀杏、茶葉的葉片代謝物 [7]
在生物育種邁向精準化、高通量、多組學融合的浪潮中，安捷倫代謝組學方案以全鏈條技術覆蓋，成為育種創(chuàng)新的核心引擎。依托液質、氣質聯(lián)用系統(tǒng)的協(xié)同優(yōu)勢，結合 AI 輔助未知物解析與 PIDESI 空間代謝組學可視化技術，方案實現(xiàn)了不同極性代謝物的全面捕獲與精準分析。未來，安捷倫將持續(xù)深耕多組學整合創(chuàng)新，以更高效、智能的解決方案，助力科研人員加速優(yōu)良品種培育，為生物育種產(chǎn)業(yè)高質量發(fā)展注入強勁動力。
參考文獻
[1] https://doi.org/10.1007/s11306-019-1606-2
[2] https://doi.org/10.1186/s12870-024-05190-6
[3] https://doi.org/10.1111/nph.17693
[4] https://doi.org/10.1016/j.molp.2024.11.002
[5] https://doi.org/10.1016/j.molp.2024.04.012
[6] https://doi.org/10.1111/pbi.12885
[7] https://doi.org/10.1016/j.foodres.2024.114928
[8] https://doi.org/10.1021/acs.analchem.2c03329