【多组学】Nature Plants：玉米疯起来居然连自己都吃！

玉米，作为一种深受广大人民群众喜爱的食物，出现在了全国大部地区的餐桌上，主食亦可、做菜亦可、零食亦可……简直就是居家旅行，必备食物。人们饿了吃玉米，玉米饿了吃什么呢？它真的会吃自己……

这不是个玩笑，在缺氮条件下，玉米会利用自噬来完成细胞质的回收再利用……近期发表于植物学顶级期刊《Nature Plants》（IF=11.471）的研究，利用多组学联合的方式，在多个维度上分析了玉米自噬与缺氮胁迫的联系。

和真菌、动物一样，玉米的自噬操作也是由一系列 ATG 相关蛋白来共同参与完成的。而这次的研究，需要谈论的是 ATG8 介导的自噬通路。ATG8 是一个泛素样蛋白，在 ATG12-ATG5-ATG16 这个 E3 样酶的辅助下，与磷脂酰乙chun胺（PE）结合形成 ATG8-PE 复合体。ATG8-PE 定位于自噬膜上，在自噬膜形成及与液泡的融合过程都扮演着十分重要的角色。

 

实验材料

为了探讨自噬如何通过 ATG8 相关途径来影响玉米的细胞生理进程，研究者选用了自噬受损的 atg12 突变体 atg12-1（无效等位基因）、atg12-2（基因敲减）与野生型（W22）作为实验材料，在富氮、缺氮条件下进行培养。由于固氮效率和源-库系统有着紧密联系，研究团队选择了玉米幼苗的第二片叶和第四片叶分别作为取样对象。因此，这个研究从转录组、蛋白组、代谢组和离子组等多个层面对比分析野生型和 atg12 突变体在（+/- N）条件下的差异，从而探讨自噬对于细胞稳态的影响。
 

多组学研究中，往往会因为各个层面的结果较多，而在联合分析上出现困难，那么我们来看看这篇文章是如何来处理这些数据的吧~

1. 缺氮胁迫与自噬缺失带来的影响——材料的表型分析

在突变体材料获得以后，首先要做的事情，当然是讨论材料的表型差异，来证明自己选择的材料具有代表性啦~

首先，研究人员在富氮条件下培养了 2 周后，在缺氮条件下培养了 1 周，让玉米幼苗们经历了吃饱又挨饿的过程（呃……它们真的还是孩子啊……）。玉米幼苗在经历了大起大落以后，此时已处在了缺氮胁迫当中。此时，野生型玉米幼苗生长受到了明显的抑制，而且已经出现了黄萎病的前兆。蛋白组和转录组的 GO 分析结果显示，在缺氮条件下，氮代谢及其他响应缺氮胁迫的通路转录上调，而叶绿体组分的表达和积累被抑制。
 

 

那么突变体的表现如何呢？

首先，这两种 atg12 突变体不能或不能很好地积累 ATG8-PE，并表现出自噬缺失表型，如阻碍自噬体形成、对缺氮高度敏感、从源到库的固氮能力较差等等。

果然，在没有缺氮的情况下，atg12-1 和 atg12-2 植株的第二叶 ATG8 蛋白水平在没有氮胁迫的情况下显著升高。这说明 atg12 突变对于 ATG8 蛋白的周转产生了影响，也说明实验材料选择得很有针对性。而没有了自噬的约束，突变体的蛋白总量积累增加，这也说明了自噬对蛋白总量维持在正常水平具有十分重要的作用。
 

在经过富氮-缺氮的历程以后，它们和野生型的表型上出现了明显的差异：与野生型相比，atg12-2 和 atg12-1 的幼苗，随着自噬缺失程度的增加，叶片黄变更明显，叶片伸长更慢，叶绿素积累越少，叶片衰老越快。
 

 

2. 自噬对于代谢有哪些影响？——非靶向代谢组学分析

既然表型出现了明显的变化，那么代谢水平是否发生改变，以及发生了哪种改变就很值得好好研究一下了。毕竟，代谢组是表型的灵魂画师嘛~~此时，研究团队对 atg 突变体和野生型进行了两种处理。+N：在富氮条件下培养三周，-N：在富氮条件下培养了 2 周后，在缺氮条件下培养了 1 周，然后再分别取第二片叶和第四片叶。此后，他们利用 LC-MS 进行的非靶向代谢组学分析，比对六组处理的叶片代谢水平。结果显示，第二和第四叶片中分别有 218 种和 204 种代谢产物的水平发生了显著的变化，而这两组差异代谢物有较高的重叠（约 75%）。
 

 

让研究团队没有想到的是，这些代谢变化在富氮条件下的植株中表现得更为强烈，这表明自噬即使在正常生长条件下也会对玉米代谢产生重大影响。而 PCA 分析结果也呈现了同样的趋势，缺氮胁迫和自噬突变对于叶片的代谢有着不同的影响。这也说明了缺氮胁迫激活了自噬之外的其他分解代谢途径，以帮助应对这一营养挑战。
 

那么自噬对哪些代谢物影响最大呢？代谢网络聚类分析显示了 atg12 背景下影响最显著的化合物集中于脂类和次生代谢物。虽然碳水化合物和氨基酸代谢没有发生广泛的变化，但芳香族氨基酸呈现出了显著差异。
 

 

3. 代谢变化背后的分子机制——转录组分析

研究团队预测，atg12 突变体的代谢物变化是由基因表达和蛋白质组成的改变所支撑的，所以先对转录组进行了分析。atg12-1、atg12-2 与野生型相比，分别有 3082 个和 2426 个转录本显著变化，而这些差异呈现出了较高的相关性。与代谢组学数据类似，缺氮和 atg12 突变产生了明显的影响，atg12-1 受到的影响较 atg12-2 更大。

研究人员将在三种或是四种处理中均有差异的转录本，作为核心转录本进行功能分析（图 c 白色数字标识）。结果表明，自噬突变体中蛋白酶和脂质代谢转录上调。
 

 
 

4. 代谢变化背后的分子机制——蛋白组分析

由于转录组只代表可能的机制，为了进一步进行功能分子水平的确认，研究者进一步进行了 Label free 蛋白质组分析。此次在第二片叶和第四片叶中分别鉴定到了 3327 和 3801 个蛋白。PCA 分析显示，不同氮素利用率和基因型的影响似乎不相关，氮胁迫和自噬对蛋白质组均有明显的影响，而自噬对于蛋白组的影响大于氮胁迫。
 

 

分析整体趋势以后，研究人员进一步分析了基因型带来的蛋白差异：在突变体与野生型之间，自噬的缺失使得大部分蛋白的丰度增加，GO 结合差异分析显示，许多细胞成分和生物过程的表达出现显著差异，如光合作用、过氧化物酶体、ER 等。而在缺氮条件下，线粒体、过氧化物酶体、ER 等相关蛋白也表现出了显著差异，但差异程度要小于自噬的影响。 
 

 

5. 缺氮胁迫下自噬及转录不同的影响——蛋白组 + 转录组对比与联合
 

通过观察突变体在富氮与缺氮条件下的蛋白变化，可以帮助我们获得三方面信息：自噬缺失带来的差异，转录翻译（合成）带来的差异，以及两者共同带来的差异。研究团队基于这个目的，进行了蛋白组学数据和转录组数据进行了联合分析。2729 个蛋白和转录本被关联，其中有 52% 在 mRNA 和/或蛋白水平差异显著。相关性分析显示，大多数仅在蛋白丰度上发生了显著的变化，这说明 atg12-1 突变体中大多数蛋白的升高与转录翻译无关。
 

 

GO 联合分析结果显示，苯基 bing 酮和氨基酸代谢过程在转录和蛋白水平上都呈现了显著上调，这与代谢组获得的结果一致。atg12-1 叶片中蛋白质水平的升高可能是由抑制自噬清除导致。值得注意的是，这些丰度增加的蛋白主要是过氧化物酶体，高尔基体、细胞溶胶、内质网、蛋白酶体及脂肪酸和蛋白质分解代谢等相关蛋白，其中一些是自噬的作用对象。在 atg12-1 叶片中，有两类蛋白酶仅 mRNA 含量升高，而类囊体和液泡相关蛋白则在蛋白水平有差异，而 mRNA 水平并无显著变化。类囊体的富集和叶绿体加速分解的现象共同说明在自噬缺失的情况下，有可能激活了其他驱动分解代谢途径。

而通过结合蛋白和转录的结果，研究人员进一步发现在苯丙代谢和谷胱甘肽转移酶活性相关的蛋白质和 mRNA 呈正相关，这着这些通路及其相关代谢物（至少部分）由合成驱动，可能是植株对胁迫的响应。而过氧化物酶体脂肪酸分解代谢和蛋白酶体相关蛋白的丰度变化则更多地受到自噬的影响，这与其他团队的研究结果一致。同时，突变体中参与脂肪酸 β 氧化的过氧化物酶增加，并没有导致脂肪酸水平下降，反而存在脂肪酸和脂质分解产物的大量积累的现象，这种不一致的很有可能是由于自噬受损导致的。

在讨论组学结果时，必不可少的就是验证。研究团队分别使用 RT-qPCR 和免疫印迹在转录和蛋白水平上了进行数据验证。结果显示，在缺氮胁迫条件下，自噬的周转会加速。而对于 ATG 相关转录本的检测结果显示，自噬受到抑制时，会在转录层面上激活相关通路。而对应蛋白的丰度主要受自噬周转的影响。

6. 自噬调控代谢通路的系统画像——结果总结

在做完各个组学的分析以后，研究团队将代谢物、蛋白质和/或转录本丰度的变化叠加到代谢途径图上，对自噬调控代谢进行系统的描绘，重点关注了脂类代谢、脂肪酸 β 氧化以及部分次生代谢途径。（这种简化的通路画像往往可以给文章锦上添花~~~知识点哦，朋友们！）
 

最终的结论是，自噬在富氮生长条件下也能显著改变玉米蛋白质组，并强烈改变叶片代谢，尤其是在膜周转率和随后的脂质分解以及次生产物积累方面。多组学分析有助于系统识别自噬与植物代谢之间的联系，今后可以在实际农业生产中，用于调节作物中脂类、油脂、抗氧化剂、次生代谢产物和蛋白质的含量。

小编心得

这篇文章使用同样的样本对玉米代谢组、转录组、离子组和蛋白质组进行深入的、非靶向的分析，并结合核心自噬调控因子（ATG12）的突变体，来探讨自噬是如何更广泛地影响植物代谢的。在这个研究中，小编 get 到了以下几点：

1. 使用相同的样本，有助于寻找多组学数据集之间的可靠联系。

2. 各个组学数据，各司其职，有机整合：代谢组数据描述表型变化；转录和蛋白数据联合分析探讨机制（本文的结果再次表明，两者不一致性非常高），重点关注发生变化的相关代谢通路所涉及的基因和蛋白，作为代谢组数据的有效支撑。

3. 多组学联合分析的方法与角度：（1）趋势分析：PCA 从整体上直观反映出多个组学层面的趋势异同；相关性分析对转录 + 蛋白的差异数据进行有效分类，分门别类地探讨各种趋势数据所携带信息。（2）机制调控分析：代谢通路图将代谢物、蛋白质和/或转录本丰度的变化叠加在一起，以直观明了的形式凸显了此次研究的重点。

4. 对于涉及到交叉对比的数据分析，往往需要明确差异所代表的信息，才能够更好地解读海量数据背后的信息。还是那句话，数据分析的灵魂来自于有趣的研究思路~~~