Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Cơ chế và dự đoán sự tích lũy và suy giảm carbohydrate phi cấu trúc sau khi bị tổn thương cơ học ở cây thông slash (Pinus elliottii) sử dụng quang phổ phản xạ gần hồng ngoại
Tóm tắt
Việc phân bổ carbohydrate phi cấu trúc (NSC) đóng vai trò quan trọng trong sinh lý và chuyển hóa của sự tăng trưởng và phòng ngừa sống còn của cây. Tuy nhiên, ít thông tin được biết đến về việc phân bổ NSC sau khi cây thông bị tổn thương cơ học liên tục do khai thác nhựa trong quá trình phát triển. Trong nghiên cứu này, chúng tôi xem xét sự phân bổ NSC trong các mô thực vật sau ba năm khai thác nhựa kéo dài, đồng thời kiểm tra việc sử dụng quang phổ phản xạ gần hồng ngoại (NIR) để định lượng nồng độ NSC, tinh bột và đường tự do (chẳng hạn như sucrose, glucose và fructose) trong các mô thực vật khác nhau của cây thông slash. Các phép đo quang phổ trên lá thông, cành, mạch phloem của thân và rễ đã được thực hiện trước khi nồng độ tinh bột và đường tự do được đo trong phòng thí nghiệm. Sự biến đổi của NSC, tinh bột và đường tự do trong các mô thực vật khác nhau sau khi khai thác nhựa đã được phân tích. Phương pháp hồi quy bình phương tối thiểu từng phần đã được áp dụng để hiệu chỉnh các mô hình dự đoán, và các mô hình đã được mô phỏng 100 lần để đánh giá hiệu suất và sai số mô hình. Nhiều NSC, tinh bột và đường tự do được tích trữ vào mùa đông hơn mùa hè ở cả cây đã được khai thác và cây đối chứng. Vị trí khai thác nhựa đã ảnh hưởng đáng kể đến việc phân bổ NSC trong các mô thực vật: nhiều NSC đã được chuyển hóa thành đường tự do để tổng hợp nhựa phòng thủ gần vết thương khai thác thay vì kích thích phản ứng hệ thống xa. Các mô hình dự đoán NSC và đường tự do của các mô thực vật cho thấy kết quả đầy hứa hẹn cho toàn bộ cây đối với fructose (R2CV = 0.72), glucose (R2CV = 0.67), NSC (R2CV = 0.66) và tinh bột (R2CV = 0.58) dựa trên mô hình NIR. Các mô hình cho từng mô thực vật cũng cho thấy khả năng dự đoán hợp lý: mô hình tốt nhất cho dự đoán NSC và tinh bột được tìm thấy ở rễ. Thuật toán đa biến quan hệ có ý nghĩa cho việc lựa chọn biến số đã giảm đáng kể số lượng biến số. Các biến số quan trọng đã được xác định, bao gồm các đặc trưng tại 1021–1290 nm, 1480, 1748, 1941, 2020, 2123 và 2355 nm, có mối liên quan cao đến NSC, tinh bột, fructose, glucose và sucrose. Quang phổ NIR đã cung cấp một phương pháp nhanh chóng và tiết kiệm chi phí để theo dõi nồng độ NSC, tinh bột và đường tự do sau khi khai thác nhựa liên tục. Nó có thể được sử dụng để nghiên cứu sự cân nhắc giữa sự tăng trưởng và sản xuất các chuyển hóa phòng thủ.
Từ khóa
#carbohydrate phi cấu trúc #cây thông slash #quang phổ phản xạ gần hồng ngoại #tinh bột #đường tự doTài liệu tham khảo
Hartmann H, Adams HD, Hammond WM, Hoch G, Landhäusser SM, Wiley E, Zaehle S. Identifying differences in carbohydrate dynamics of seedlings and mature trees to improve carbon allocation in models for trees and forests. Environ Exp Bot. 2018;152:7–18.
Gessler A, Grossiord C. Coordinating supply and demand: plant carbon allocation strategy ensuring survival in the long run. New Phytol. 2019;222:5–7.
Bu WS, Chen FS, Wang FC, Fang XM, Mao R, Wang H. The speciesspecific responses of nutrient resorption and carbohydrate accumulation in leaves and roots to nitrogen addition in a subtropical mixed plantation. Can J For Res. 2019;49:826–35.
Kozlowski TT, Kramer PJ, Pallardy SG. The physiological ecology of woody plants. New York: Academic press; 2012.
Deslauriers A, Garcia L, Charrier G, Buttò V, Pichette A, Paré M. Cold acclimation and deacclimation in wild blueberry: direct and indirect influence of environmental factors and nonstructural carbohydrates. Agric For Meteorol. 2021. https://doi.org/10.1016/jagrformet2021108349.
Sørensen ST, Campbell ML, Duke E, ManleyHarris M. A standard, analytical protocol for the quantitation of nonstructural carbohydrates in seagrasses that permits interlaboratory comparison. Aquat Bot. 2018;151:71–9. https://doi.org/10.1016/jaquabot201808006.
Gibon Y, Pyl ET, Sulpice R, Lunn JE, Hoehne M, Guenther M, Stitt M. Adjustment of growth, starch turnover, protein content and central metabolism to a decrease of the carbon supply when Arabidopsis is grown in very short photoperiods. Plant Cell Environ. 2009;32:859–74.
Rissanen K, Hölttä T, Bäck J, Rigling A, Wermelinger B, Gessler A. Drought effects on carbon allocation to resin defences and on resin dynamics in old-grown Scots pine. Environ Exp Bot. 2021;185: 104410.
Hartmann H, Trumbore S. Understanding the roles of nonstructural carbohydrates in forest trees–from what we can measure to what we want to know. New Phytol. 2016;211:386–403.
Lombardero M, Ayres MP Jr, Ruel JJ. Environmental effects on constitutive and inducible resin defences of Pinus taeda. Ecol Lett. 2000;3:329–39.
LópezVillamor A, Carreño S, LópezGoldar X, SuárezVidal E, Sampedro L, Nordlander G, Björklund N, Zas R. Risk of damage by the pine weevil Hylobius abietis in southern Europe: effects of silvicultural and landscape factors. For Ecol Manag. 2019;444:290–8.
de Oliveira Junkes CF, Duz JVV, Kerber MR, Wieczorek J, Galvan JL, Fett JP, Fett-Neto AG. Resinosis of young slash pine (Pinus elliottii Engelm.) as a tool for resin stimulant paste development and high yield individual selection. Ind Crops Prod. 2019;135:179–87.
Zhang S, Jiang J, Luan Q. Genetic and correlation analysis of oleoresin chemical components in slash pine. Genet Mol Res. 2016. https://doi.org/10.4238/gmr.15038982.
Neis FA, de Costa F, Füller TN, de Lima JC, da Silva Rodrigues-Corrêa KC, Fett JP, Fett-Neto AG. Biomass yield of resin in adult Pinus elliottii Engelm. trees is differentially regulated by environmental factors and biochemical effectors. Ind Crops Prod. 2018. https://doi.org/10.1016/j.indcrop.2018.03.027.
Zeng X, Sun S, Wang Y, Chang Y, Tao X, Hou M, Wang W, Liu X, Zhang L. Does resin tapping affect the tree-ring growth and climate sensitivity of the Chinese pine (Pinus tabuliformis) in the Loess Plateau, China? Dendrochronologia. 2021;65: 125800.
Reta Z, Adgo Y, Girum T, Mekonnen N. Assessment of contribution of non-timber forest products in the socio-economic status of peoples in Eastern Ethiopia. Open Access J Biogener Sci Res. 2020. https://doi.org/10.46718/JBGSR.2020.04.000101.
Meinhold K, Darr D. The processing of non-timber forest products through small and medium enterprises—a review of enabling and constraining factors. Forests. 2019;10(11):1026.
Rijkers T, Ogbazghi W, Wessel M, Bongers F. The effect of tapping for frankincense on sexual reproduction in Boswellia papyrifera. J Appl Ecol. 2006;43:1188–95.
Oliva J, Stenlid J, Martínez-Vilalta J. The effect of fungal pathogens on the water and carbon economy of trees: implications for drought-induced mortality. New Phytol. 2014;203:1028–35.
Mengistu T, Sterck FJ, Fetene M, Bongers F. Frankincense tapping reduces the carbohydrate storage of Boswellia trees. Tree Physiol. 2013;33:601–8.
Türker-Kaya S, Huck CW. A review of mid-infrared and near-infrared imaging: principles, concepts and applications in plant tissue analysis. Molecules. 2017;22(1):168.
Rosado LR, Takarada LM, Araújo ACCD, Souza K, Gonalves F. Near infrared spectroscopy: rapid and accurate analytical tool for prediction of nonstructural carbohydrates in wood. Cerne. 2019;25:84–92.
Petisco C, GarciaCriado B, Mediavilla S, De Aldana BV, Zabalgogeazcoa I. Nearinfrared reflectance spectroscopy as a fast and nondestructive tool to predict foliar organic constituents of several woody species. Anal Bioanal Chem. 2006;386:1823–33.
Decruyenaere V, Clément C, Agneessens R, Losseau C, Stilmant D. Development of near-infrared spectroscopy calibrations to quantify starch and soluble sugar content in the roots of Rumex obtusifolius. Weed Res. 2012;52:15.
RuizAquino F, GonzálezPeña MM, ValdezHernández JI, Revilla US, RomeroManzanares A. Chemical characterization and fuel properties of wood and bark of two oaks from Oaxaca, Mexico. Ind Crops Prod. 2015;65:90–5.
Ramirez JA, Posada JM, Handa IT, Hoch G, Vohland M, Messier C, Reu B. Near-infrared spectroscopy (NIRS) predicts non-structural carbohydrate concentrations in different tissue types of a broad range of tree species. Methods Ecol Evol. 2015;6:1018–25.
Aw WC, Ballard JWO. Near-infrared spectroscopy for metabolite quantification and species identification. Ecol Evol. 2019;9(3):1336–43.
Sytar O, Bruckova K, Hunkova E, Zivcak M, Konate K, Brestic M. The application of multiplex fluorimetric sensor for the analysis of flavonoids content in the medicinal herbs family Asteraceae, Lamiaceae, Rosaceae. Biol Res. 2015;48(1):5.
Sytar O, Zivcak M, Neugart S, Brestic M. Assessment of hyperspectral indicators related to the content of phenolic compounds and multispectral fluorescence records in chicory leaves exposed to various light environments. Plant Physiol Biochem. 2020;154:429–38.
RodríguezGarcía A, Martín JA, López R, Mutke S, Pinillos F, Gil L. Influence of climate variables on resin yield and secretory structures in tapped Pinus pinaster Ait in central Spain. Agric For Meteorol. 2015;202:83–93.
Couture JJ, Singh A, RubertNason KF, Serbin SP, Lindroth RL, Townsend PA. Spectroscopic determination of ecologically relevant plant secondary metabolites. Methods Ecol Evol. 2016;7:1402–12. https://doi.org/10.1111/2041210X12596.
Tümen İ, Reunanen M. A comparative study on turpentine oils of oleoresins of Pinus sylvestris L from three districts of Denizli. Rec Nat Prod. 2010;4:224–9.
Hoch G, Richter A, Körner C. Non‐structural carbon compounds in temperate forest trees. Plant Cell Environ. 2003;26(7):1067–81.
Mehmood T, Liland KH, Snipen L, Sæbø S. A review of variable selection methods in partial least squares regression. Chemometr Intell Lab Syst. 2012;118:62–9. https://doi.org/10.1016/jchemolab201207010.
Tran TN, Afanador NL, Buydens LM, Blanchet L. Interpretation of variable importance in partial least squares with significance multivariate correlation (sMC). Chemometr Intell Lab Syst. 2014;138:153–60. https://doi.org/10.1016/jchemolab201408005.
R Core Team R: a language and environment for statistical computing, Vienna, Austria, 2017.
Mevik B, Wehrens R, Hovde L. partial least squares and principal component regression. R package version 260 2015.
Stevens A, Ramirez–Lopez L. An introduction to the prospectr package. R package version 013 2014.
Wickham H. ggplot2: Elegant Graphics for Data Analysis. SpringerVerlag New York 2009.
Butler D, Cullis B, Gilmour A, Gogel B, Thompson R. ASReml-R Reference Manual Version 4.1. 0.130. In.: VSN International Ltd, https://asreml.kb.vsni.co.uk; 2020.
Schoonmaker A, Hillabrand R, Lieffers V, Chow P, Landhäusser S. Seasonal dynamics of non-structural carbon pools and their relationship to growth in two boreal conifer tree species. Tree Physiol. 2021. https://doi.org/10.1093/treephys/tpab013.
Celedon JM, Bohlmann J. Oleoresin defenses in conifers: chemical diversity, terpene synthases and limitations of oleoresin defense under climate change. New Phytol. 2019;224(4):1444–63.
Mageroy MH, Parent G, Germanos G, Giguère I, Delvas N, Maaroufi H, Bauc É, Bohlmann J, Mackay JJ. Expression of the β-glucosidase gene Pgβglu-1 underpins natural resistance of white spruce against spruce budworm. Plant J. 2015;81:68–80.
Körner C. Carbon limitation in trees. J Ecol. 2003;91:4–17.
Carbone MS, Trumbore SE. Contribution of new photosynthetic assimilates to respiration by perennial grasses and shrubs: residence times and allocation patterns. New Phytol. 2007;176:124–35.
Kuptz D, Fleischmann F, Matyssek R, Grams TEE. Seasonal patterns of carbon allocation to respiratory pools in 60-yr-old deciduous (Fagus sylvatica) and evergreen (Picea abies) trees assessed via whole-tree stable carbon isotope labeling. New Phytol. 2011;191:160–72.
Richardson AD, Carbone MS, Keenan TF, Czimczik CI, Hollinger DY, Murakami P, Schaberg PG, Xu X. Seasonal dynamics and age of stemwood nonstructural carbohydrates in temperate forest trees. New Phytol. 2013;197:850–61.
Krokene P, Nagy NE. Anatomical aspects of resin based defences in pine. Pine Resin Biol Chem Appl. 2012; 67–86.
Ansari AH, Jakarni FM, Muniandy R, Hassim S, Elahi Z. Natural rubber as a renewable and sustainable bio-modifier for pavement applications: a review. J Clean Prod. 2020. https://doi.org/10.1016/j.jclepro.2020.125727.
Cortés V, Blasco J, Aleixos N, Cubero S, Talens P. Monitoring strategies for quality control of agricultural products using visible and near-infrared spectroscopy: a review. Trends Food Sci Technol. 2019;85:138–48.
Chen SF, Danao MGC, Singh V, Brown PJ. Determining sucrose and glucose levels in dual-purpose sorghum stalks by Fourier transform near infrared (FT-NIR) spectroscopy. J Sci Food Agric. 2014;94:2569–76.
Workman J Jr, Weyer L. Practical guide and spectral atlas for interpretive nearinfrared spectroscopy. Boca Raton Florida, USA: CRC Press; 2012.
Li Y, Altaner C. Predicting extractives content of Eucalyptus bosistoana F Muell Heartwood from stem cores by near infrared spectroscopy. Spectrochim Acta A Mol Biomol Spectrosc. 2018;198:78–87. https://doi.org/10.1016/jsaa201802068.
Quentin AG, Rodemann T, Doutreleau MF, Moreau M, Davies NW, Millard P. Application of nearinfrared spectroscopy for estimation of nonstructural carbohydrates in foliar samples of Eucalyptus globulus Labilladière. Tree Physiol. 2017;37:131–41.
Li Z, Li C, Gao Y, Ma W, Zheng Y, Niu Y, Guan Y, Hu J. Identification of oil, sugar and crude fiber during tobacco (Nicotiana tabacum L) seed development based on near infrared spectroscopy. Biomass Bioenergy. 2018;111:39–45.
Schwanninger M, Rodrigues JC, Fackler K. A review of band assignments in near infrared spectra of wood and wood components. J Near Infrared Spectrosc. 2011;19:287–308.