人工智能集成的代谢学绘制了在田间种植的玉米中微生物联盟的功能分歧

科学领域:

• 农业科学 农业科学
• 植物新陈代谢 植物新陈代谢
• 微生物生态学 微生物生态学

背景情况:

• 微生物生物刺激剂提供可持续农业解决方案,但它们在作物中的确切机制尚不清楚.
• 了解各种微生物联盟的差异性影响对于优化它们的应用至关重要.
• 本研究调查了不同微生物生物刺激剂在田间条件下对玉米的代谢影响.

研究的目的:

• 为了阐明由三种不同的微生物生物刺激剂引起的玉米植物的代谢变化.
• 确定这些生物刺激剂在各种生长阶段所影响的关键代谢物和途径.
• 建立一个描述微生物联盟和设计先进生物配方的框架.

主要方法:

• 三种微生物生物刺激剂对玉米植物的野外应用.
• 使用甲醇从玉米叶中提取代谢物.
• 通过液体染色学-并联质谱法 (LC-MS/MS) 进行分析.
• 计算代谢学,分子网络和机器学习 (PCA,OPLS-DA) 用于数据解释.

主要成果:

• 机器学习确定了共同的和独特的代谢物,使这三个联盟的效果有所不同.
• 基胺酸 (HCA) 衍生物是关键的歧视性代谢物.
• 生物刺激剂的应用显著改变了初级和二级新陈代谢,包括氨基酸和黄类生物合成途径.
• 重编程的路径与植物防御,原始化和发育有关.

结论:

• 独特的微生物生物刺激剂诱导玉米的特定代谢重编程,影响光保护,生长和应激反应.
• 基胺酸衍生物作为生物标志物用于区分生物刺激剂效应.
• 这些发现为下一代微生物生物刺激剂的合理设计提供了数据驱动的基础,用于有针对性的作物增强.