在“2035 年遠景目標綱要”聚焦生物育種的政策東風(fēng)下，育種技術(shù)正朝著高精度、高通量、多組學(xué)融合的方向加速升級。安捷倫整合代謝組學(xué)、元素分析、細胞成像、核酸分析等核心技術(shù)，打造覆蓋生物育種核心流程的多組學(xué)解決方案。

圖 1. 安捷倫多組學(xué)綜合解決方案

代謝組學(xué)作為多組學(xué)融合的關(guān)鍵紐帶，已滲透育種全鏈條，從基因-代謝-表型關(guān)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(zhì)聯(lián)用系統(tǒng)、氣質(zhì)聯(lián)用系統(tǒng)、PIDESI 質(zhì)譜成像系統(tǒng)

安捷倫核心技術(shù)：靶向/非靶向/擬靶向代謝組學(xué)、脂質(zhì)組學(xué)、代謝流分析、AI 輔助未知物解析、空間代謝組學(xué)

安捷倫核心優(yōu)勢：全流程代謝組學(xué)解決方案，整合液質(zhì)和氣質(zhì)聯(lián)用系統(tǒng)，分析不同極性和結(jié)構(gòu)的代謝物；基于深度學(xué)習(xí)算法的質(zhì)譜注釋工具 SIRIUS，可以有效對未知物進行結(jié)構(gòu)分析；PIDESI 質(zhì)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(xué)關(guān)鍵應(yīng)用場景與案例

圖 2. 代謝組學(xué)在生物育種中的應(yīng)用場景

一、代謝與表型關(guān)聯(lián)——找到性狀差異的“代謝根源”

通過代謝組學(xué)對比不同表型作物的代謝差異，能直接鎖定影響性狀的關(guān)鍵物質(zhì)，為品質(zhì)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(diào)節(jié)物質(zhì)（敏感品種特有）和高不飽和脂質(zhì)（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(zhì)（分析氨基酸、脂質(zhì)組、植物激素等）和氣質(zhì)（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(dǎo)，且旗葉和穎殼代謝功能存在差異。另外，夜間高溫導(dǎo)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(yù)方向。其中，相關(guān)代謝物由氣質(zhì)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(guān)聯(lián)——鎖定調(diào)控性狀的“關(guān)鍵基因”

將代謝組數(shù)據(jù)與基因組數(shù)據(jù)關(guān)聯(lián)（如 mGWAS/mQTL），能精準定位調(diào)控關(guān)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(zhì)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(diào)控綠原酸含量，結(jié)合轉(zhuǎn)錄組驗證該基因直接影響蘋果營養(yǎng)品質(zhì)。其中液質(zhì)主導(dǎo)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(diào)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(xué)分析、香味評分和分子對接等技術(shù)手段，發(fā)現(xiàn) 2-乙酰基-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(xué)檢測使用了氣質(zhì)技術(shù)。同一團隊在 24 年建立了新一代廣泛靶向植物揮發(fā)組學(xué)方法^[5]，也使用安捷倫氣質(zhì)平臺進行分析。

圖 6. 水稻香氣關(guān)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(zhuǎn)基因、基因編輯、過表達等技術(shù)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(guān)鍵酶基因（TcCHS）導(dǎo)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(zhì)可有效驅(qū)避蚜蟲；利用 LC-QTOF 結(jié)合 NMR 技術(shù)，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(diào)控構(gòu)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(guān)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(zhì)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(xué)技術(shù)能精準捕捉品種間的代謝差異，為品種評價與質(zhì)量控制提供客觀標準。在一項不同產(chǎn)地黑茶風(fēng)味差異的研究中[7]，通過 HS-SPME（頂空固相微萃取）結(jié)合氣質(zhì)檢測技術(shù)，分析 5 種不同產(chǎn)地黑茶的揮發(fā)性成分，篩選出 18 種關(guān)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(xué)計量學(xué)分析建立了黑茶產(chǎn)地判別模型，為黑茶產(chǎn)地溯源、品質(zhì)評價及造假檢測提供了數(shù)據(jù)支持和技術(shù)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(xué)——讓代謝物在組織中 “可視化”

空間代謝組學(xué)是整合質(zhì)譜成像和代謝組學(xué) (Metabolomics) 技術(shù)，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(shù)。安捷倫與維科托聯(lián)合開發(fā)的 PIDESI-QTOF 質(zhì)譜成像平臺即可開展空間代謝組學(xué)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(shù)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(zhì)（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]

結(jié)語

在生物育種邁向精準化、高通量、多組學(xué)融合的浪潮中，安捷倫代謝組學(xué)方案以全鏈條技術(shù)覆蓋，成為育種創(chuàng)新的核心引擎。依托液質(zhì)、氣質(zhì)聯(lián)用系統(tǒng)的協(xié)同優(yōu)勢，結(jié)合 AI 輔助未知物解析與 PIDESI 空間代謝組學(xué)可視化技術(shù)，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(xué)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(zhì)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

標簽：安捷倫