အပင်ကာကွယ်ရေးသီအိုရီအမျိုးမျိုးသည် အပင်အထူးပြုဇီဝြဖစ်ပျက်မှုပုံစံများကိုရှင်းပြရန်အတွက် အရေးကြီးသောသီအိုရီဆိုင်ရာလမ်းညွှန်မှုကိုပေးစွမ်းသော်လည်း ၎င်းတို့၏အဓိကခန့်မှန်းချက်များကို စမ်းသပ်ရန်ကျန်ရှိနေသေးသည်။ ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် တစ်ဦးချင်းအပင်များမှ လူဦးရေနှင့် အနီးကပ်ဆက်စပ်မျိုးစိတ်များအထိ ဆေးရွက်ကြီးအားပျော့သွားသောမျိုးကွဲများ၏ဇီဝဖြစ်စဉ်ကို စနစ်တကျစူးစမ်းလေ့လာရန် tandem mass spectrometry (MS/MS) ခွဲခြမ်းစိတ်ဖြာမှုကို အသုံးပြုခဲ့ပြီး အချက်အလက်များတွင် compound spectra များအပေါ်အခြေခံ၍ mass spectrometric feature သီအိုရီအများအပြားကို စီမံဆောင်ရွက်ခဲ့သည်။ အကောင်းဆုံးကာကွယ်ရေး (OD) နှင့် ရွေ့လျားပစ်မှတ် (MT) သီအိုရီများ၏ အဓိကခန့်မှန်းချက်များကို စမ်းသပ်ရန် မူဘောင်။ အပင်ဇီဝဖြစ်စဉ်ဆိုင်ရာသတင်းအချက်အလက်အစိတ်အပိုင်းသည် OD သီအိုရီနှင့်ကိုက်ညီသော်လည်း အပင်စားသတ္တဝါများကြောင့်ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်ဆိုင်ရာဒိုင်းနမစ်ဆိုင်ရာ MT သီအိုရီ၏ အဓိကခန့်မှန်းချက်နှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ micro မှ macro evolutionary scale အထိ၊ jasmonate signal ကို OD ၏အဓိကအဆုံးအဖြတ်အဖြစ်သတ်မှတ်ခဲ့ပြီး ethylene signal သည် MS/MS မော်လီကျူးကွန်ရက်မှ မှတ်ချက်ပြုထားသော အပင်စားသတ္တဝါ-သီးသန့်တုံ့ပြန်မှုကို အသေးစိတ်ချိန်ညှိပေးခဲ့သည်။
ဖွဲ့စည်းပုံအမျိုးမျိုးရှိသော အထူးဇီဝဖြစ်စဉ်များသည် အထူးသဖြင့် ရန်သူများကိုကာကွယ်ရာတွင် အပင်၏ပတ်ဝန်းကျင်နှင့် လိုက်လျောညီထွေဖြစ်အောင်ပြုလုပ်ရာတွင် အဓိကပါဝင်သူများဖြစ်သည် (1)။ အပင်များတွင်တွေ့ရှိရသော အထူးဇီဝဖြစ်စဉ်၏ အံ့သြဖွယ်ကောင်းသော ကွဲပြားမှုသည် ၎င်း၏ဂေဟဗေဒဆိုင်ရာလုပ်ဆောင်ချက်များစွာအပေါ် ဆယ်စုနှစ်များစွာ နက်ရှိုင်းသောသုတေသနကို လှုံ့ဆော်ပေးခဲ့ပြီး အပင်-အင်းဆက်ပိုးမွှား အပြန်အလှန်ဆက်သွယ်မှု၏ ဆင့်ကဲဖြစ်စဉ်နှင့် ဂေဟဗေဒဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှုဖြစ်သည့် အပင်ကာကွယ်ရေးသီအိုရီများစွာကို ဖွဲ့စည်းခဲ့သည်။ အတွေ့အကြုံဆိုင်ရာသုတေသနသည် အရေးကြီးသောလမ်းညွှန်မှုကို ပေးသည် (2)။ သို့သော်၊ ဤအပင်ကာကွယ်ရေးသီအိုရီများသည် အဓိကခန့်မှန်းချက်များသည် တူညီသောခွဲခြမ်းစိတ်ဖြာမှုအဆင့်တွင်ရှိပြီး (3) သီအိုရီဖွံ့ဖြိုးတိုးတက်မှု၏ နောက်စက်ဝန်းကို မြှင့်တင်ရန် စမ်းသပ်မှုဖြင့် စမ်းသပ်ခဲ့သည့် ယူဆချက်ဆိုင်ရာ ထုတ်ယူဆင်ခြင်ခြင်းဆိုင်ရာ ကျိုးကြောင်းဆင်ခြင်ခြင်း၏ စံသတ်မှတ်ချက်လမ်းကြောင်းကို မလိုက်နာခဲ့ပါ (4)။ နည်းပညာဆိုင်ရာကန့်သတ်ချက်များသည် အချက်အလက်စုဆောင်းမှုကို သတ်မှတ်ထားသော ဇီဝဖြစ်စဉ်အမျိုးအစားများသို့ ကန့်သတ်ထားပြီး အထူးဇီဝဖြစ်စဉ်များ၏ ပြည့်စုံသောခွဲခြမ်းစိတ်ဖြာမှုကို ချန်လှပ်ထားသဖြင့် သီအိုရီဖွံ့ဖြိုးတိုးတက်မှုအတွက် မရှိမဖြစ်လိုအပ်သော အမျိုးအစားအကြား နှိုင်းယှဉ်မှုများကို တားဆီးပေးသည် (5)။ ပြည့်စုံသော ဇီဝဖြစ်စဉ်ဆိုင်ရာဒေတာနှင့် မတူညီသောအပင်အုပ်စုများအကြား ဇီဝဖြစ်စဉ်နေရာ၏ လုပ်ငန်းစဉ်လုပ်ငန်းစဉ်ကို နှိုင်းယှဉ်ရန် ဘုံငွေကြေးမရှိခြင်းသည် နယ်ပယ်၏ သိပ္ပံနည်းကျရင့်ကျက်မှုကို အဟန့်အတားဖြစ်စေသည်။
tandem mass spectrometry (MS/MS) metabolomics နယ်ပယ်ရှိ နောက်ဆုံးပေါ် ဖွံ့ဖြိုးတိုးတက်မှုများသည် ပေးထားသော စနစ် clade ၏ မျိုးစိတ်များအတွင်းနှင့် အကြား ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများကို ပြည့်စုံစွာ ဖော်ပြနိုင်ပြီး ဤရှုပ်ထွေးသော ရောစပ်မှုများအကြား ဖွဲ့စည်းပုံဆိုင်ရာ ဆင်တူမှုကို တွက်ချက်ရန် တွက်ချက်မှုနည်းလမ်းများနှင့် ပေါင်းစပ်နိုင်သည်။ ဓာတုဗေဒဆိုင်ရာ ကြိုတင်ဗဟုသုတ (5)။ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ကွန်ပျူတာတွင် အဆင့်မြင့်နည်းပညာများ ပေါင်းစပ်ခြင်းသည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှု၏ ဂေဟဗေဒနှင့် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ သီအိုရီများမှ ပြုလုပ်ထားသော ခန့်မှန်းချက်များစွာကို ရေရှည်စမ်းသပ်ရန်အတွက် လိုအပ်သော မူဘောင်တစ်ခုကို ပံ့ပိုးပေးသည်။ Shannon (6) သည် ၁၉၄၈ ခုနှစ်တွင် ၎င်း၏ ထင်ရှားသော ဆောင်းပါးတွင် သတင်းအချက်အလက်သီအိုရီကို ပထမဆုံးအကြိမ် မိတ်ဆက်ခဲ့ပြီး၊ ၎င်း၏ မူလအသုံးချမှုမှလွဲ၍ အခြားနယ်ပယ်များစွာတွင် အသုံးပြုခဲ့သည့် သတင်းအချက်အလက်၏ သင်္ချာဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အုတ်မြစ်ချခဲ့သည်။ Genomics တွင်၊ သတင်းအချက်အလက်သီအိုရီကို sequence conservative information ကို ပမာဏသတ်မှတ်ရန် အောင်မြင်စွာ အသုံးချခဲ့သည် (7)။ transcriptomics သုတေသနတွင်၊ သတင်းအချက်အလက်သီအိုရီသည် transcriptome ရှိ အလုံးစုံပြောင်းလဲမှုများကို ခွဲခြမ်းစိတ်ဖြာသည် (8)။ ယခင်သုတေသနတွင်၊ အပင်များတွင် တစ်ရှူးအဆင့်၏ ဇီဝဖြစ်စဉ်ကျွမ်းကျင်မှုကို ဖော်ပြရန် သတင်းအချက်အလက်သီအိုရီ၏ စာရင်းအင်းမူဘောင်ကို metabolomics သို့ ကျွန်ုပ်တို့ အသုံးပြုခဲ့သည် (9)။ ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် MS/MS-အခြေပြု workflow ကို ဘုံငွေကြေးရှိ ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုဖြင့် သွင်ပြင်လက္ခဏာရှိသော သတင်းအချက်အလက်သီအိုရီ၏ စာရင်းအင်းဘောင်နှင့် ပေါင်းစပ်ထားပြီး၊ အပင်စားသတ္တဝါများမှ လှုံ့ဆော်ပေးသော metabolome ၏ အပင်ကာကွယ်ရေးသီအိုရီ၏ အဓိကခန့်မှန်းချက်များကို နှိုင်းယှဉ်ပါသည်။
အပင်ကာကွယ်ရေး၏ သီအိုရီဆိုင်ရာ မူဘောင်များသည် များသောအားဖြင့် အပြန်အလှန်ပါဝင်လေ့ရှိပြီး အမျိုးအစားနှစ်မျိုးခွဲခြားနိုင်သည်- အကောင်းဆုံးကာကွယ်ရေး (OD) (10)၊ ရွေ့လျားပစ်မှတ် (MT) (11) ) နှင့် အသွင်အပြင် (12) သီအိုရီကဲ့သို့သော ကာကွယ်ရေးလုပ်ဆောင်ချက်များအပေါ် အခြေခံ၍ အပင်ဆိုင်ရာ ဇီဝဖြစ်စဉ်ပစ္စည်းများ ဖြန့်ဖြူးမှုကို ရှင်းပြရန်ကြိုးစားသည့် အဖွဲ့အစည်းများဖြစ်ပြီး၊ အချို့မှာ အရင်းအမြစ်ရရှိနိုင်မှုပြောင်းလဲမှုများသည် အပင်ကြီးထွားမှုနှင့် ကာဗွန်-အာဟာရချိန်ခွင်လျှာဆိုင်ရာ ယူဆချက် (13)၊ ကြီးထွားမှုနှုန်းဆိုင်ရာ ယူဆချက် (14) နှင့် ကြီးထွားမှုနှင့် ကွဲပြားမှုမျှခြေဆိုင်ရာ ယူဆချက် (15) ကဲ့သို့သော အထူးဇီဝဖြစ်စဉ်ပစ္စည်းများ စုဆောင်းမှုကို မည်သို့အကျိုးသက်ရောက်သည်ဆိုသည့် စက်ပိုင်းဆိုင်ရာရှင်းလင်းချက်များကို ရှာဖွေကြသည်။ သီအိုရီအစုံနှစ်စုံသည် ခွဲခြမ်းစိတ်ဖြာမှုအဆင့်အမျိုးမျိုးတွင် ရှိသည် (4)။ သို့သော်၊ လုပ်ဆောင်ချက်အဆင့်တွင် ကာကွယ်ရေးလုပ်ဆောင်ချက်များပါဝင်သည့် သီအိုရီနှစ်ခုသည် အပင်ဖွဲ့စည်းတည်ဆောက်ပုံနှင့် လှုံ့ဆော်နိုင်သော ကာကွယ်ရေးများအကြောင်း ဆွေးနွေးမှုကို လွှမ်းမိုးထားသည်- OD သီအိုရီ၊ အပင်များသည် လိုအပ်သည့်အခါတွင်သာ ၎င်းတို့၏စျေးကြီးသော ဓာတုကာကွယ်ရေးများတွင် ရင်းနှီးမြှုပ်နှံသည်ဟု ယူဆသည်၊ ဥပမာအားဖြင့် ၎င်းတို့ကို မျိုချမိသည့်အခါ။ ထို့ကြောင့် မြက်တိရစ္ဆာန်တစ်ကောင် တိုက်ခိုက်သောအခါ၊ အနာဂတ်တိုက်ခိုက်မှုဖြစ်နိုင်ခြေအရ ကာကွယ်ရေးလုပ်ဆောင်ချက်ပါရှိသော ဒြပ်ပေါင်းကို သတ်မှတ်ပေးသည် (10)။ MT ယူဆချက်က ဦးတည်ချက်ဆိုင်ရာ ဇီဝဖြစ်စဉ်ပြောင်းလဲမှု၏ ဝင်ရိုးမရှိသော်လည်း ဇီဝဖြစ်စဉ်သည် ကျပန်းပြောင်းလဲသွားသောကြောင့် အပင်စားသတ္တဝါများကို တိုက်ခိုက်ခြင်း၏ ဇီဝဖြစ်စဉ် “ရွေ့လျားမှုပစ်မှတ်” ကို တားဆီးနိုင်ခြေကို ဖန်တီးပေးသည်။ တစ်နည်းအားဖြင့်ဆိုရသော် ဤသီအိုရီနှစ်ခုသည် အပင်စားသတ္တဝါများ၏ တိုက်ခိုက်မှုပြီးနောက် ဖြစ်ပေါ်သော ဇီဝဖြစ်စဉ်ပြန်လည်ပြုပြင်မွမ်းမံခြင်းနှင့် ပတ်သက်၍ ဆန့်ကျင်ဘက်ခန့်မှန်းချက်များကို ပြုလုပ်သည်- ကာကွယ်ရေးလုပ်ဆောင်ချက် (OD) ရှိသော ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ (MT) ၏ တစ်ဖက်သတ်စုဆောင်းမှုနှင့် ဦးတည်ချက်မရှိသော ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ (MT) အကြား ဆက်နွယ်မှု (11)။
OD နှင့် MT ယူဆချက်များသည် ဇီဝဖြစ်စဉ်တွင် ဖြစ်ပေါ်လာသော ပြောင်းလဲမှုများကိုသာမက ဤဇီဝဖြစ်စဉ်ပစ္စည်းများ စုပုံလာခြင်း၏ ဂေဟဗေဒနှင့် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အကျိုးဆက်များ၊ ဥပမာအားဖြင့် သတ်မှတ်ထားသော ဂေဟဗေဒပတ်ဝန်းကျင်တွင် ဤဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ၏ လိုက်လျောညီထွေဖြစ်သော ကုန်ကျစရိတ်များနှင့် အကျိုးကျေးဇူးများ (16) ပါဝင်သည်။ ယူဆချက်နှစ်ခုစလုံးသည် စျေးကြီးသည်ဖြစ်စေ မများသည်ဖြစ်စေ အထူးပြုဇီဝဖြစ်စဉ်ပစ္စည်းများ၏ ကာကွယ်ရေးလုပ်ဆောင်ချက်ကို အသိအမှတ်ပြုသော်လည်း၊ OD နှင့် MT ယူဆချက်များကို ခွဲခြားသတ်မှတ်သည့် အဓိကခန့်မှန်းချက်မှာ ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ၏ ဦးတည်ချက်တွင် တည်ရှိသည်။ OD သီအိုရီ၏ ခန့်မှန်းချက်သည် ယခုအချိန်အထိ အများဆုံးစမ်းသပ်အာရုံစိုက်မှုကို ရရှိခဲ့သည်။ ဤစမ်းသပ်မှုများတွင် ဖန်လုံအိမ်များနှင့် သဘာဝအခြေအနေများရှိ သီးခြားဒြပ်ပေါင်းများ၏ တစ်ရှူးများ၏ တိုက်ရိုက် သို့မဟုတ် သွယ်ဝိုက်ကာကွယ်ရေးလုပ်ဆောင်ချက်များကို လေ့လာခြင်းအပြင် အပင်ဖွံ့ဖြိုးမှုအဆင့်တွင် ပြောင်းလဲမှုများ ပါဝင်သည် (17-19)။ သို့သော်၊ ယခုအချိန်အထိ၊ မည်သည့်သက်ရှိ၏ ဇီဝဖြစ်စဉ်မျိုးကွဲကိုမဆို ကမ္ဘာလုံးဆိုင်ရာ ပြည့်စုံသော ခွဲခြမ်းစိတ်ဖြာမှုအတွက် လုပ်ငန်းစဉ်နှင့် စာရင်းအင်းဆိုင်ရာ မူဘောင်မရှိခြင်းကြောင့်၊ သီအိုရီနှစ်ခုကြား အဓိကကွာခြားချက်ခန့်မှန်းချက် (ဆိုလိုသည်မှာ ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ၏ ဦးတည်ချက်) ကို စမ်းသပ်ရန် ကျန်ရှိနေသေးသည်။ ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် ထိုကဲ့သို့သော ခွဲခြမ်းစိတ်ဖြာမှုကို ပေးပါသည်။
အပင်တစ်ခုချင်းစီ၏ ဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများ၏ အရေးအကြီးဆုံးဝိသေသလက္ခဏာများထဲမှတစ်ခုမှာ တစ်ခုတည်းသောအပင်များ၊ လူဦးရေမှ အလားတူမျိုးစိတ်များအထိ အဆင့်အားလုံးတွင် ၎င်းတို့၏ အလွန်အမင်းဖွဲ့စည်းပုံဆိုင်ရာ မတူကွဲပြားမှုဖြစ်သည် (20)။ အထူးပြုဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများတွင် ပမာဏဆိုင်ရာပြောင်းလဲမှုများစွာကို လူဦးရေစကေးတွင် တွေ့ရှိနိုင်ပြီး၊ ခိုင်မာသော အရည်အသွေးဆိုင်ရာ ကွဲပြားမှုများကို မျိုးစိတ်အဆင့်တွင် ပုံမှန်ထိန်းသိမ်းထားလေ့ရှိသည် (20)။ ထို့ကြောင့်၊ အပင်ဇီဝဖြစ်စဉ် မတူကွဲပြားမှုသည် လုပ်ဆောင်နိုင်စွမ်း မတူကွဲပြားမှု၏ အဓိကရှုထောင့်ဖြစ်ပြီး၊ မတူညီသော နယ်ပယ်များ၊ အထူးသဖြင့် အထူးအင်းဆက်ပိုးမွှားများနှင့် အပင်စားသတ္တဝါများမှ မတူညီသော ကျူးကျော်မှုဖြစ်နိုင်ခြေရှိသော နယ်ပယ်များ (21) သို့ လိုက်လျောညီထွေဖြစ်အောင် လုပ်ဆောင်နိုင်မှုကို ထင်ဟပ်စေသည်။ အပင်အလိုက် ဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများ ရှိနေရခြင်း၏ အကြောင်းရင်းများအကြောင်း Fraenkel (22) ၏ 획기적인 ဆောင်းပါးကတည်းက၊ အင်းဆက်ပိုးမွှားအမျိုးမျိုးနှင့် အပြန်အလှန် ဆက်သွယ်မှုများကို အရေးကြီးသော ရွေးချယ်မှုဖိအားများအဖြစ် သတ်မှတ်ခဲ့ကြပြီး၊ ဤအပြန်အလှန် ဆက်သွယ်မှုများသည် ဆင့်ကဲဖြစ်စဉ်အတွင်း အပင်များကို ပုံဖော်ခဲ့သည်ဟု ယုံကြည်ရသည်။ ဇီဝဖြစ်စဉ်လမ်းကြောင်း (23)။ အထူးပြုဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများ၏ မတူကွဲပြားမှုတွင် မျိုးစိတ်တစ်ခုနှင့်တစ်ခု ကွဲပြားမှုများသည် အပင်စားဗျူဟာများမှ ဖွဲ့စည်းတည်ဆောက်ပုံနှင့် လှုံ့ဆော်နိုင်သော အပင်ကာကွယ်ရေးနှင့် ဆက်စပ်နေသော ဇီဝကမ္မဗေဒဆိုင်ရာ မျှခြေကိုလည်း ထင်ဟပ်စေနိုင်သည်၊ အဘယ်ကြောင့်ဆိုသော် မျိုးစိတ်နှစ်ခုသည် မကြာခဏ အပြန်အလှန် အပျက်သဘောဆောင်သော ဆက်စပ်မှုရှိလေ့ရှိသည် (24)။ အချိန်တိုင်း ကောင်းမွန်သော ကာကွယ်ရေးကို ထိန်းသိမ်းထားခြင်းက အကျိုးရှိနိုင်သော်လည်း၊ ကာကွယ်ရေးနှင့် ဆက်စပ်နေသော အချိန်ကိုက် ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများသည် အပင်များအား အခြားဇီဝကမ္မဆိုင်ရာ ရင်းနှီးမြှုပ်နှံမှုများ (19၊ 24) သို့ အဖိုးတန်အရင်းအမြစ်များကို ခွဲဝေပေးနိုင်ခြင်းနှင့် သဟဇာတဖြစ်မှု လိုအပ်ချက်ကို ရှောင်ရှားနိုင်စေရာတွင် ရှင်းလင်းသော အကျိုးကျေးဇူးများကို ပေးစွမ်းသည်။ ဘေးထွက်ပျက်စီးမှု (25)။ ထို့အပြင်၊ အင်းဆက်ပိုးမွှားများ ကျက်စားရာမှ ဖြစ်ပေါ်လာသော အထူးပြုဇီဝဖြစ်စဉ်များ၏ ဤပြန်လည်ဖွဲ့စည်းမှုများသည် လူဦးရေတွင် ပျက်စီးစေသော ဖြန့်ဖြူးမှုကို ဖြစ်ပေါ်စေနိုင်ပြီး (26)၊ လူဦးရေတွင် ထိန်းသိမ်းထားနိုင်သည့် jasmonic acid (JA) အချက်ပြမှုတွင် သိသာထင်ရှားသော သဘာဝပြောင်းလဲမှုများကို တိုက်ရိုက်ဖတ်ရှုမှုများကို ထင်ဟပ်စေနိုင်သည်။ JA အချက်ပြမှု မြင့်မားခြင်းနှင့် နိမ့်ကျခြင်းသည် ကျက်စားရာမှ ခုခံကာကွယ်ခြင်းနှင့် သီးခြားမျိုးစိတ်များနှင့် ယှဉ်ပြိုင်ခြင်းအကြား အပေးအယူများဖြစ်သည် (27)။ ထို့အပြင်၊ အထူးပြုဇီဝဖြစ်စဉ် ဇီဝပေါင်းစပ်လမ်းကြောင်းများသည် ဆင့်ကဲဖြစ်စဉ်အတွင်း လျင်မြန်စွာ ဆုံးရှုံးမှုနှင့် အသွင်ပြောင်းခြင်းကို ကြုံတွေ့ရမည်ဖြစ်ပြီး၊ အနီးကပ်ဆက်စပ်မျိုးစိတ်များအကြား ကွဲပြားသော ဇီဝဖြစ်စဉ်ဖြန့်ဖြူးမှုကို ဖြစ်ပေါ်စေသည် (28)။ ဤ polymorphism များကို ကျက်စားရာပုံစံများ ပြောင်းလဲခြင်းအပေါ် တုံ့ပြန်သည့်အနေဖြင့် လျင်မြန်စွာ ထူထောင်နိုင်သည် (29)၊ ဆိုလိုသည်မှာ ကျက်စားရာအသိုင်းအဝိုင်းများ၏ အတက်အကျသည် ဇီဝဖြစ်စဉ် မတူကွဲပြားမှုကို မောင်းနှင်သည့် အဓိကအချက်ဖြစ်သည်။
ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် အောက်ပါပြဿနာများကို အထူးဖြေရှင်းခဲ့ပါသည်။ (I) အပင်စားအင်းဆက်သည် အပင်ဇီဝဖြစ်စဉ်ကို မည်သို့ပြန်လည်ဖွဲ့စည်းသနည်း။ (Ii) ရေရှည်ကာကွယ်ရေးသီအိုရီ၏ ခန့်မှန်းချက်များကို စမ်းသပ်ရန် တိုင်းတာနိုင်သော ဇီဝဖြစ်စဉ်ပြောင်းလဲနိုင်စွမ်း၏ အဓိကအချက်အလက်အစိတ်အပိုင်းများကား အဘယ်နည်း။ (Iii) တိုက်ခိုက်သူအတွက် ထူးခြားသောနည်းလမ်းဖြင့် အပင်ဇီဝဖြစ်စဉ်ကို ပြန်လည်ပရိုဂရမ်ရေးဆွဲရန် ရှိမရှိ၊ ထိုသို့ဆိုလျှင်၊ အပင်ဟော်မုန်းသည် သီးခြားဇီဝဖြစ်စဉ်တုံ့ပြန်မှုကို စိတ်ကြိုက်ပြင်ဆင်ရာတွင် မည်သည့်အခန်းကဏ္ဍမှ ပါဝင်သနည်း၊ မည်သည့်ဇီဝဖြစ်စဉ်များသည် မျိုးစိတ်ကာကွယ်ရေး၏ သီးခြားဖြစ်မှုအတွက် ပံ့ပိုးပေးသနည်း။ (IV) ကာကွယ်ရေးသီအိုရီများစွာမှ ပြုလုပ်ထားသော ခန့်မှန်းချက်များကို ဇီဝဗေဒဆိုင်ရာတစ်ရှူးများ၏ အဆင့်အားလုံးတွင် တိုးချဲ့နိုင်သောကြောင့်၊ အတွင်းပိုင်းနှိုင်းယှဉ်မှုမှ မျိုးစိတ်များနှိုင်းယှဉ်မှုအထိ ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်တုံ့ပြန်မှုသည် မည်မျှတသမတ်တည်းရှိသနည်းဟု ကျွန်ုပ်တို့မေးမြန်းခဲ့ပါသည်။ ဤရည်ရွယ်ချက်အတွက်၊ ကျွန်ုပ်တို့သည် ဆေးရွက်ကြီးနီကိုတင်း၏ အရွက်ဇီဝဖြစ်စဉ်ကို စနစ်တကျလေ့လာခဲ့ပြီး၊ ၎င်းသည် အထူးဇီဝဖြစ်စဉ်ကြွယ်ဝသော ဂေဟဗေဒပုံစံအပင်တစ်မျိုးဖြစ်ပြီး Lepidoptera Datura (Ms) (အလွန်ရန်လိုသည်၊ အဓိကစားသုံးသည်) ၏ လောင်းများကို ထိရောက်စွာနှိမ်နင်းနိုင်သည်။ Solanaceae နှင့် Spodoptera littoralis (Sl) တွင်၊ ဂွမ်းရွက်တီကောင်များသည် Solanaceae ၏ အိမ်ရှင်အပင်များနှင့် အခြားမျိုးစုနှင့် မိသားစုများ၏ အခြားအိမ်ရှင်များနှင့်အတူ “genus” တစ်မျိုးဖြစ်သည်။ OD နှင့် MT သီအိုရီများကို နှိုင်းယှဉ်ရန် MS/MS ဇီဝဖြစ်စဉ်ဆိုင်ရာ spectrum ကို ကျွန်ုပ်တို့ ခွဲခြမ်းစိတ်ဖြာပြီး information theory statistical descriptors များကို ထုတ်ယူခဲ့သည်။ အဓိကဇီဝဖြစ်စဉ်ဆိုင်ရာ ပစ္စည်းများ၏ လက္ခဏာကို ဖော်ပြရန် specificity map များကို ဖန်တီးပါ။ အပင်ဟော်မုန်းအချက်ပြမှုနှင့် OD လှုံ့ဆော်မှုအကြား covariance ကို ပိုမိုခွဲခြမ်းစိတ်ဖြာရန်အတွက် ခွဲခြမ်းစိတ်ဖြာမှုကို N. nasi ၏ မူရင်းလူဦးရေနှင့် အနီးကပ်ဆက်စပ်နေသော ဆေးရွက်ကြီးမျိုးစိတ်များအထိ တိုးချဲ့ခဲ့သည်။
အပင်စားဆေးရွက်ကြီး၏ အရွက်ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှု၏ ပုံသဏ္ဍာန်နှင့် ဖွဲ့စည်းပုံဆိုင်ရာ အလုံးစုံမြေပုံတစ်ခုကို ရယူရန်အတွက်၊ ကျွန်ုပ်တို့သည် ယခင်က တီထွင်ထားသော ခွဲခြမ်းစိတ်ဖြာမှုနှင့် တွက်ချက်မှုလုပ်ငန်းစဉ်ကို အသုံးပြုခဲ့ပြီး အပင်ထုတ်ယူမှုများ (9) မှ မြင့်မားသော ရုပ်ထွက်အရည်အသွေးရှိသော ဒေတာလွတ်လပ်သော MS/MS ရောင်စဉ်များကို ပြည့်စုံစွာ စုဆောင်းပြီး deconvolute လုပ်ခဲ့သည်။ ဤခွဲခြား၍မရသော နည်းလမ်း (MS/MS ဟုခေါ်သည်) သည် non-redundant compound spectra များကို တည်ဆောက်နိုင်ပြီး ၎င်းကို ဤနေရာတွင်ဖော်ပြထားသော ဒြပ်ပေါင်းအဆင့် ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးအတွက် အသုံးပြုနိုင်သည်။ ဤ deconvoluted အပင်ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှုများသည် အမျိုးအစားအမျိုးမျိုးရှိပြီး ရာပေါင်းများစွာမှ ထောင်ပေါင်းများစွာသော metabolites များ (ဤနေရာတွင် 500-1000-s/MS/MS ခန့်) ပါဝင်ပါသည်။ ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် သတင်းအချက်အလက်သီအိုရီ၏ မူဘောင်အတွင်း ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှုကို ထည့်သွင်းစဉ်းစားပြီး ဇီဝဖြစ်စဉ်ကြိမ်နှုန်း ဖြန့်ဖြူးမှု၏ Shannon entropy အပေါ် အခြေခံ၍ ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှုနှင့် ပရော်ဖက်ရှင်နယ်ဆန်မှုကို တွက်ချက်ပါသည်။ ယခင်က အကောင်အထည်ဖော်ထားသော ဖော်မြူလာ (8) ကို အသုံးပြု၍ ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှု (Hj အညွှန်းကိန်း)၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပရိုဖိုင် အထူးပြုမှု (δj အညွှန်းကိန်း) နှင့် တစ်ခုတည်းသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပြောင်းလဲမှု (Si အညွှန်းကိန်း) ၏ ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှုကို တွက်ချက်ရန် အသုံးပြုနိုင်သော အညွှန်းကိန်းအစုံကို ကျွန်ုပ်တို့ တွက်ချက်ခဲ့ပါသည်။ ထို့အပြင်၊ ကျွန်ုပ်တို့သည် အပင်စားသတ္တဝါများ၏ metabolome inducibility ကို ပမာဏသတ်မှတ်ရန် Relative Distance Plasticity Index (RDPI) ကို အသုံးပြုခဲ့သည် (ပုံ 1A) (30)။ ဤစာရင်းအင်းဘောင်အတွင်း၊ ကျွန်ုပ်တို့သည် MS/MS spectrum ကို အခြေခံအချက်အလက်ယူနစ်အဖြစ် သဘောထားပြီး MS/MS ၏ relative abundance ကို frequency distribution map အဖြစ် စီမံဆောင်ရွက်ပြီးနောက် ၎င်းမှ metabolome diversity ကို ခန့်မှန်းရန် Shannon entropy ကို အသုံးပြုသည်။ metabolome specialization ကို MS/MS spectrum တစ်ခုတည်း၏ ပျမ်းမျှ specificity ဖြင့် တိုင်းတာသည်။ ထို့ကြောင့်၊ အပင်စားသတ္တဝါ induction ပြီးနောက် MS/MS အတန်းအစားအချို့၏ ပေါများမှုတိုးလာခြင်းကို spectral inducibility၊ RDPI နှင့် specialization၊ ဆိုလိုသည်မှာ δj index တိုးလာခြင်းဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ပိုမို specialized metabolites များထုတ်လုပ်ပြီး မြင့်မားသော Si index ထုတ်လုပ်သောကြောင့်ဖြစ်သည်။ Hj diversity index လျော့ကျခြင်းသည် ထုတ်လုပ်ထားသော MS/MS အရေအတွက် လျော့ကျသွားခြင်း သို့မဟုတ် profile frequency distribution သည် ಒಟ್ಟಾರೆಯಾಸಿಸದ ... Si အညွှန်းကိန်းတွက်ချက်မှုမှတစ်ဆင့် မည်သည့် MS/MS ကို အချို့သော အပင်စားသတ္တဝါများက လှုံ့ဆော်ပေးသည်ကို မီးမောင်းထိုးပြနိုင်ပြီး၊ ဆန့်ကျင်ဘက်အနေဖြင့် မည်သည့် MS/MS သည် လှုံ့ဆော်မှုကို မတုံ့ပြန်ပါ၊ ၎င်းသည် MT နှင့် OD ခန့်မှန်းချက်ကို ခွဲခြားသတ်မှတ်ရန် အဓိကညွှန်ပြချက်တစ်ခုဖြစ်သည်။
(က) အပင်စားသတ္တဝါ (H1 မှ Hx) MS/MS အချက်အလက်-မဖြစ်ပေါ်စေခြင်း (RDPI)၊ မတူကွဲပြားမှု (Hj အညွှန်းကိန်း)၊ အထူးပြုခြင်း (δj အညွှန်းကိန်း) နှင့် ဇီဝဖြစ်စဉ်တိကျမှု (Si အညွှန်းကိန်း) အတွက် အသုံးပြုသော စာရင်းအင်းဖော်ပြချက်များ။ အထူးပြုခြင်းအဆင့် (δj) တိုးလာခြင်းသည် ပျမ်းမျှအားဖြင့် အပင်စားသတ္တဝါများအတွက် သီးခြားဇီဝဖြစ်စဉ်များ ပိုမိုထုတ်လုပ်လာမည်ဟု ညွှန်ပြပြီး မတူကွဲပြားမှု (Hj) လျော့ကျခြင်းသည် ဇီဝဖြစ်စဉ်များ ထုတ်လုပ်မှု လျော့ကျခြင်း သို့မဟုတ် ဖြန့်ဖြူးမှုမြေပုံတွင် ဇီဝဖြစ်စဉ်များ မညီမျှစွာ ဖြန့်ဖြူးမှုကို ညွှန်ပြသည်။ Si တန်ဖိုးသည် ဇီဝဖြစ်စဉ်သည် ပေးထားသောအခြေအနေ (ဤနေရာတွင်၊ အပင်စားသတ္တဝါ) အတွက် တိကျမှုရှိမရှိ သို့မဟုတ် ပြောင်းပြန်အားဖြင့် တူညီသောအဆင့်တွင် ထိန်းသိမ်းထားသည်ကို အကဲဖြတ်သည်။ (ခ) သတင်းအချက်အလက်သီအိုရီဝင်ရိုးကို အသုံးပြု၍ ကာကွယ်ရေးသီအိုရီခန့်မှန်းချက်၏ အယူအဆပုံကြမ်း။ OD သီအိုရီသည် အပင်စားသတ္တဝါတိုက်ခိုက်မှုသည် ကာကွယ်ရေးဇီဝဖြစ်စဉ်များကို တိုးမြင့်စေပြီး δj ကို တိုးမြင့်စေသည်ဟု ခန့်မှန်းသည်။ တစ်ချိန်တည်းမှာပင်၊ ပရိုဖိုင်ကို ဇီဝဖြစ်စဉ်ဆိုင်ရာ အချက်အလက်၏ မသေချာမှုလျော့နည်းစေရန် ပြန်လည်စီစဉ်ထားသောကြောင့် Hj လျော့ကျသည်။ MT သီအိုရီက အပင်စားသတ္တဝါများ၏ တိုက်ခိုက်မှုသည် ဇီဝဖြစ်စဉ်တွင် ဦးတည်ချက်မရှိသော ပြောင်းလဲမှုများကို ဖြစ်ပေါ်စေပြီး Hj ကို ဇီဝဖြစ်စဉ်ဆိုင်ရာ သတင်းအချက်အလက် မသေချာမှု မြင့်တက်လာခြင်း၏ အညွှန်းကိန်းအဖြစ် တိုးမြင့်စေပြီး Si ၏ ကျပန်းဖြန့်ဖြူးမှုကို ဖြစ်ပေါ်စေသည်ဟု ခန့်မှန်းထားသည်။ ကျွန်ုပ်တို့သည် ရောနှောမော်ဒယ်တစ်ခုဖြစ်သည့် အကောင်းဆုံး MT ကိုလည်း အဆိုပြုထားပြီး၊ ခုခံကာကွယ်မှုတန်ဖိုးများသော ဇီဝဖြစ်စဉ်ပစ္စည်းအချို့သည် အထူးတိုးလာမည် (Si တန်ဖိုးမြင့်မားခြင်း)၊ အချို့မှာ ကျပန်းတုံ့ပြန်မှုများ ပြသမည် (Si တန်ဖိုးနိမ့်ခြင်း)။
သတင်းအချက်အလက်သီအိုရီဖော်ပြချက်များကို အသုံးပြု၍ OD သီအိုရီကို ကျွန်ုပ်တို့ အဓိပ္ပာယ်ဖွင့်ဆိုကာ၊ မြက်စားသတ္တဝါများမှ လှုံ့ဆော်ပေးသော အထူးဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများသည် (i) ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှု (Si အညွှန်းကိန်း) တိုးလာခြင်းနှင့် ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှု (δj အညွှန်းကိန်း) ကို မောင်းနှင်ခြင်း (ကာကွယ်ရေးတန်ဖိုးမြင့်မားသော အထူးဇီဝဖြစ်စဉ်အုပ်စုအချို့ တိုးလာခြင်းနှင့် (ii) ဇီဝဖြစ်စဉ်ကြိမ်နှုန်းဖြန့်ဖြူးမှု ပိုမိုများပြားသော leptin ခန္ဓာကိုယ်ဖြန့်ဖြူးမှုသို့ ပြောင်းလဲခြင်းကြောင့် ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှု (Hj အညွှန်းကိန်း) ကျဆင်းခြင်းတို့ ဖြစ်ပေါ်စေကြောင်း ခန့်မှန်းရန် သတင်းအချက်အလက်သီအိုရီဖော်ပြချက်များကို အသုံးပြု၍ ခန့်မှန်းပါသည်။ တစ်ခုတည်းသော ဇီဝဖြစ်စဉ်အဆင့်တွင်၊ အစီအစဉ်တကျ Si ဖြန့်ဖြူးမှုကို မျှော်လင့်ထားပြီး၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုသည် ၎င်း၏ ကာကွယ်ရေးတန်ဖိုးအရ Si တန်ဖိုးကို တိုးမြှင့်ပေးမည်ဖြစ်သည် (ပုံ 1B)။ ဤလမ်းကြောင်းတစ်လျှောက်တွင်၊ လှုံ့ဆော်မှုသည် (i) ဇီဝဖြစ်စဉ်များတွင် ဦးတည်ချက်မရှိသော ပြောင်းလဲမှုများကို ဖြစ်ပေါ်စေပြီး δj အညွှန်းကိန်း လျော့ကျစေပြီး (ii) ဇီဝဖြစ်စဉ်ဆိုင်ရာ မသေချာမရေရာမှု တိုးလာခြင်းကြောင့် Hj အညွှန်းကိန်း တိုးလာခြင်းကို ခန့်မှန်းရန် MT သီအိုရီကို ကျွန်ုပ်တို့ ရှင်းပြပါသည်။ သို့မဟုတ် ယေဘုယျကွဲပြားမှုပုံစံဖြင့် Shannon entropy ဖြင့် တိုင်းတာနိုင်သည်။ ဇီဝဖြစ်စဉ်ဆိုင်ရာ ဖွဲ့စည်းမှုအတွက်၊ MT သီအိုရီသည် Si ၏ ကျပန်းဖြန့်ဖြူးမှုကို ခန့်မှန်းလိမ့်မည်။ အချို့သော ဇီဝဖြစ်စဉ်ထုတ်ကုန်များသည် သတ်မှတ်ထားသော အခြေအနေများအောက်တွင် တိကျသော အခြေအနေများအောက်တွင် ရှိနေပြီး အခြားအခြေအနေများသည် သတ်မှတ်ထားသော အခြေအနေများအောက်တွင် မရှိကြောင်း၊ ၎င်းတို့၏ ကာကွယ်ရေးတန်ဖိုးသည် ပတ်ဝန်းကျင်ပေါ်တွင် မူတည်ကြောင်း ထည့်သွင်းစဉ်းစားခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် ရောနှောကာကွယ်ရေးပုံစံတစ်ခုကိုလည်း အဆိုပြုခဲ့ပြီး၊ δj နှင့် Hj တို့ကို Si တိုးလာမှုတစ်လျှောက် နှစ်ဖက်စလုံးတွင် ဖြန့်ဝေထားပြီး၊ ကာကွယ်ရေးတန်ဖိုးများ ပိုမိုမြင့်မားသော ဇီဝဖြစ်စဉ်ထုတ်ကုန်အုပ်စုအချို့သာ Si ကို အထူးသဖြင့် တိုးမြှင့်ပေးမည်ဖြစ်ပြီး အချို့မှာမူ ကျပန်းဖြန့်ဖြူးမှုရှိမည်ဖြစ်သည် (ပုံ 1B)။
သတင်းအချက်အလက်သီအိုရီဖော်ပြချက်၏ ဝင်ရိုးပေါ်တွင် ပြန်လည်သတ်မှတ်ထားသော ကာကွယ်ရေးသီအိုရီခန့်မှန်းချက်ကို စမ်းသပ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် Nepenthes pallens ၏ အရွက်များပေါ်တွင် ကျွမ်းကျင်သူ (Ms) သို့မဟုတ် အထွေထွေ (Sl) အပင်စားသတ္တဝါလောင်းများကို မွေးမြူခဲ့ပါသည် (ပုံ ၂က)။ MS/MS ခွဲခြမ်းစိတ်ဖြာမှုကို အသုံးပြု၍ ပိုးလောင်းအစာစားပြီးနောက် စုဆောင်းရရှိသော အရွက်တစ်ရှူးများမှ မီသနောထုတ်ယူမှုများမှ non-redundant MS/MS spectra (data file S1) ၅၉၉ ခုကို ရယူခဲ့ပါသည်။ RDPI၊ Hj နှင့် δj အညွှန်းကိန်းများကို အသုံးပြု၍ MS/MS configuration ဖိုင်များတွင် သတင်းအချက်အလက်အကြောင်းအရာ ပြန်လည်ဖွဲ့စည်းမှုကို မြင်ယောင်ကြည့်ခြင်းဖြင့် စိတ်ဝင်စားဖွယ်ကောင်းသော ပုံစံများကို ဖော်ထုတ်ပါသည် (ပုံ ၂ခ)။ ယေဘုယျလမ်းကြောင်းမှာ သတင်းအချက်အလက်ဖော်ပြချက်တွင် ဖော်ပြထားသည့်အတိုင်း ပိုးလောင်းများသည် အရွက်များကို ဆက်လက်စားသုံးသည်နှင့်အမျှ ဇီဝဖြစ်စဉ်ပြန်လည်ဖွဲ့စည်းမှုအဆင့်သည် အချိန်နှင့်အမျှ တိုးလာသည်- အပင်စားသတ္တဝါစားပြီး ၇၂ နာရီအကြာတွင် RDPI သိသိသာသာ တိုးလာပါသည်။ မပျက်စီးသေးသော ထိန်းချုပ်မှုနှင့် နှိုင်းယှဉ်ပါက Hj သည် သိသိသာသာ လျော့ကျသွားပြီး၊ ၎င်းသည် δj အညွှန်းကိန်းဖြင့် တိုင်းတာထားသော ဇီဝဖြစ်စဉ်ပရိုဖိုင်၏ အထူးပြုမှုအဆင့် တိုးလာခြင်းကြောင့် ဖြစ်သည်။ ဤထင်ရှားသောလမ်းကြောင်းသည် OD သီအိုရီ၏ ခန့်မှန်းချက်များနှင့် ကိုက်ညီသော်လည်း၊ ဇီဝဖြစ်စဉ်အဆင့်များတွင် ကျပန်း (ဦးတည်ချက်မရှိသော) ပြောင်းလဲမှုများကို ကာကွယ်ရေးအသွင်ပြောင်းမှုအဖြစ် အသုံးပြုသည်ဟု ယုံကြည်သော MT သီအိုရီ၏ အဓိကခန့်မှန်းချက်များနှင့် မကိုက်ညီပါ (ပုံ ၁ခ)။ ဤအပင်စားသတ္တဝါနှစ်ကောင်၏ ပါးစပ်မှထုတ်လွှတ်သော အရည် (OS) ပါဝင်မှုနှင့် အစာစားခြင်းအပြုအမူ မတူညီသော်လည်း၊ ၎င်းတို့၏ တိုက်ရိုက်အစာစားခြင်းသည် ၂၄ နာရီနှင့် ၇၂ နာရီ ရိတ်သိမ်းချိန်ကာလအတွင်း Hj နှင့် δj ၏ ဦးတည်ချက်များတွင် အလားတူပြောင်းလဲမှုများကို ဖြစ်ပေါ်စေခဲ့သည်။ တစ်ခုတည်းသော ကွာခြားချက်မှာ RDPI ၇၂ နာရီတွင် ဖြစ်ပွားခဲ့သည်။ Ms အစာကျွေးခြင်းကြောင့် ဖြစ်ပေါ်လာသော ပမာဏနှင့် နှိုင်းယှဉ်ပါက Sl အစာကျွေးခြင်းကြောင့် ဖြစ်ပေါ်လာသော အလုံးစုံဇီဝဖြစ်စဉ်မှာ ပိုမိုမြင့်မားသည်။
(က) စမ်းသပ်မှုဒီဇိုင်း- သာမန်ဝက် (S1) သို့မဟုတ် ကျွမ်းကျင်သူ (Ms) မြက်စားသတ္တဝါများကို ရေချိုရည်စိမ်ထားသော အရွက်များဖြင့် ကျွေးမွေးပြီး အတုအယောင်မြက်စားသတ္တဝါအတွက် Ms (W + OSMs) ၏ OS ကို စံသတ်မှတ်ထားသော အရွက်နေရာများ၏ ဒဏ်ရာကို ကိုင်တွယ်ရန် အသုံးပြုသည်။ S1 (W + OSSl) လောင်း သို့မဟုတ် ရေ (W + W)။ ထိန်းချုပ်မှု (C) သည် မပျက်စီးသော အရွက်ဖြစ်သည်။ (ခ) အထူးဇီဝဖြစ်စဉ်မြေပုံ (599 MS/MS; ဒေတာဖိုင် S1) အတွက် တွက်ချက်ထားသော Inducibility (ထိန်းချုပ်မှုဇယားနှင့် နှိုင်းယှဉ်ထားသော RDPI)၊ diversity (Hj index) နှင့် specialization (δj index) index။ ကြယ်ပွင့်များသည် တိုက်ရိုက်မြက်စားသတ္တဝါ ကျွေးမွေးခြင်းနှင့် ထိန်းချုပ်အုပ်စု (Student's t-test with paired t-test, *P<0.05 and ***P<0.001) အကြား သိသာထင်ရှားသော ကွာခြားချက်များကို ညွှန်ပြသည်။ ns၊ အရေးမကြီးပါ။ (C) သရက်ပင်စား တိရစ္ဆာန်များကို တုပထားသော ကုသမှုပြီးနောက် အဓိက (အပြာရောင်သေတ္တာ၊ အမိုင်နိုအက်ဆစ်၊ အော်ဂဲနစ်အက်ဆစ်နှင့် သကြား၊ အချက်အလက်ဖိုင် S2) နှင့် အထူးဇီဝဖြစ်စဉ် ရောင်စဉ်တန်း (အနီရောင်သေတ္တာ 443 MS/MS၊ အချက်အလက်ဖိုင် S1) ၏ အချိန်ဖြေရှင်းချက် အညွှန်းကိန်း။ အရောင်တန်းသည် 95% ယုံကြည်မှုကြားကာလကို ရည်ညွှန်းသည်။ ကြယ်ပွင့်ပြသင်္ကေတသည် ကုသမှုနှင့် ထိန်းချုပ်မှုအကြား သိသာထင်ရှားသော ကွာခြားချက်ကို ညွှန်ပြသည် [ကွဲလွဲမှု၏ quadratic analysis (ANOVA)၊ ထို့နောက် post hoc multiple နှိုင်းယှဉ်မှုများအတွက် Tukey's honestly significant difference (HSD)၊ *P<0.05၊ **P<0.01 နှင့် *** P <0.001]။ (D) scatter plot များနှင့် အထူးဇီဝဖြစ်စဉ် ပရိုဖိုင်များကို အထူးပြုခြင်း (ကုသမှုအမျိုးမျိုးဖြင့် ထပ်ခါတလဲလဲ နမူနာများ)။
ဇီဝဖြစ်စဉ်အဆင့်တွင် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော ပြန်လည်ပြုပြင်မွမ်းမံမှုသည် တစ်ဦးချင်းဇီဝဖြစ်စဉ်အဆင့်ပြောင်းလဲမှုများတွင် ထင်ဟပ်ခြင်းရှိမရှိကို စူးစမ်းရန်အတွက်၊ ကျွန်ုပ်တို့သည် ယခင်က အပင်စားသတ္တဝါများကို ခံနိုင်ရည်ရှိကြောင်း သက်သေပြထားသော Nepenthes pallens ၏ အရွက်များတွင် လေ့လာခဲ့သော ဇီဝဖြစ်စဉ်များကို ဦးစွာ အာရုံစိုက်ခဲ့ပါသည်။ ဖီနောလစ်အမိုက်များသည် အင်းဆက်များ၏ အပင်စားသတ္တဝါဖြစ်စဉ်အတွင်း စုပုံလာပြီး အင်းဆက်စွမ်းဆောင်ရည်ကို လျော့ကျစေသည်ဟု သိရှိထားသော hydroxycinnamamide-polyamine conjugates များဖြစ်သည် (32)။ ကျွန်ုပ်တို့သည် သက်ဆိုင်ရာ MS/MS ၏ ရှေ့ပြေးများကို ရှာဖွေပြီး ၎င်းတို့၏ စုပေါင်း kinetic curves များကို ရေးဆွဲခဲ့သည် (ပုံ S1)။ အံ့သြစရာမဟုတ်ပါ၊ chlorogenic acid (CGA) နှင့် rutin ကဲ့သို့သော အပင်စားသတ္တဝါများကို ခုခံကာကွယ်ရာတွင် တိုက်ရိုက်မပါဝင်သော ဖီနောဆင်းသက်လာမှုများသည် အပင်စားသတ္တဝါပြီးနောက် လျော့နည်းသွားသည်။ ဆန့်ကျင်ဘက်အားဖြင့် အပင်စားသတ္တဝါများသည် ဖီနောအမိုက်များကို အလွန်အစွမ်းထက်စေနိုင်သည်။ အပင်စားသတ္တဝါနှစ်မျိုးကို စဉ်ဆက်မပြတ်ကျွေးမွေးခြင်းသည် ဖီနောအမိုက်များ၏ လှုံ့ဆော်မှုရောင်စဉ်တန်းနီးပါးကို ဖြစ်ပေါ်စေပြီး ဤပုံစံသည် ဖီနောအမိုက်များ၏ de novo ပေါင်းစပ်မှုအတွက် အထူးသဖြင့် ထင်ရှားသည်။ 17-hydroxygeranyl nonanediol diterpene glycosides (17-HGL-DTGs) လမ်းကြောင်းကို လေ့လာသောအခါတွင် အလားတူဖြစ်စဉ်ကို တွေ့ရှိရမည်၊ ၎င်းသည် ထိရောက်သော အပင်စားတိရစ္ဆာန်ဆန့်ကျင်ရေးလုပ်ဆောင်ချက်များရှိသော acyclic diterpenes အများအပြားကို ထုတ်လုပ်ပေးသည် (33)၊ ၎င်းတွင် Ms Feeding with Sl သည် အလားတူဖော်ပြမှုပရိုဖိုင်ကို လှုံ့ဆော်ပေးသည် (ပုံ S1))။
တိုက်ရိုက်အပင်စားသတ္တဝါများ ကျွေးမွေးခြင်း စမ်းသပ်ချက်များ၏ ဖြစ်နိုင်ချေရှိသော အားနည်းချက်မှာ အပင်စားသတ္တဝါများ၏ အရွက်စားသုံးမှုနှုန်းနှင့် အစာကျွေးချိန် ကွာခြားချက်ဖြစ်ပြီး ဒဏ်ရာများနှင့် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော အပင်စားသတ္တဝါအလိုက် သက်ရောက်မှုများကို ဖယ်ရှားရန် ခက်ခဲစေသည်။ ဖြစ်ပေါ်လာသော အရွက်ဇီဝဖြစ်စဉ်တုံ့ပြန်မှု၏ အပင်စားသတ္တဝါမျိုးစိတ်အလိုက် တိကျမှုကို ပိုမိုကောင်းမွန်စွာ ဖြေရှင်းနိုင်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် အသစ်စုဆောင်းထားသော OS (OSM နှင့် OSS1) ကို အရွက်အနေအထားများ၏ စံ puncture W သို့ ချက်ချင်းထည့်သွင်းခြင်းဖြင့် Ms နှင့် Sl လောင်းများ အစာကျွေးခြင်းကို တုပခဲ့သည်။ ဤလုပ်ငန်းစဉ်ကို W + OS ကုသမှုဟုခေါ်ပြီး တစ်ရှူးဆုံးရှုံးမှုနှုန်း သို့မဟုတ် ပမာဏတွင် ကွဲပြားမှုများ၏ ရှုပ်ထွေးသောအကျိုးသက်ရောက်မှုများကို မဖြစ်စေဘဲ အပင်စားသတ္တဝါမှ ထုတ်ပေးသော တုံ့ပြန်မှုစတင်ချိန်ကို တိကျစွာအချိန်ကိုက်ခြင်းဖြင့် induction ကို စံသတ်မှတ်ပေးသည် (ပုံ 2A) (34)။ MS/MS ခွဲခြမ်းစိတ်ဖြာမှုနှင့် တွက်ချက်မှု pipeline ကို အသုံးပြုခြင်းဖြင့်၊ တိုက်ရိုက်အစာကျွေးခြင်း စမ်းသပ်ချက်များမှ ယခင်က စုစည်းထားသော spectra များနှင့် ထပ်နေသော MS/MS spectra (data file S1) ၄၄၃ ခုကို ကျွန်ုပ်တို့ ရယူခဲ့သည်။ ဤ MS/MS ဒေတာအစုံ၏ သတင်းအချက်အလက်သီအိုရီခွဲခြမ်းစိတ်ဖြာမှုအရ အပင်စားသတ္တဝါများကို တုပခြင်းဖြင့် အရွက်-အထူးပြု ဇီဝဖြစ်စဉ်အစုများကို ပြန်လည်ပရိုဂရမ်ရေးဆွဲခြင်းသည် OS-သီးသန့်လှုံ့ဆော်မှုများကို ပြသခဲ့သည် (ပုံ 2C)။ အထူးသဖြင့် OSS1 ကုသမှုနှင့် နှိုင်းယှဉ်ပါက OSM သည် ၄ ​​နာရီတွင် ဇီဝဖြစ်စဉ်အစု အထူးပြုမှု တိုးလာစေခဲ့သည်။ တိုက်ရိုက်အပင်စားသတ္တဝါ ကျွေးမွေးသည့် စမ်းသပ်ဒေတာအစုံနှင့် နှိုင်းယှဉ်ပါက Hj နှင့် δj ကို ကိုဩဒိနိတ်များအဖြစ် အသုံးပြု၍ နှစ်ဘက်မြင်အာကာသတွင် မြင်ယောင်ထားသော ဇီဝဖြစ်စဉ် kinetics နှင့် တုပထားသော အပင်စားသတ္တဝါ ကုသမှုကို တုံ့ပြန်သည့် ဇီဝဖြစ်စဉ် kinetics ၏ အချိန်နှင့်အမျှ တသမတ်တည်း တိုးလာသည်ကို သတိပြုသင့်သည် (ပုံ 2D)။ တစ်ချိန်တည်းမှာပင်၊ ဇီဝဖြစ်စဉ်ကျွမ်းကျင်မှုတွင် ဤပစ်မှတ်ထား တိုးလာမှုသည် တုပထားသော အပင်စားသတ္တဝါများကို တုံ့ပြန်သည့်အနေဖြင့် ဗဟိုကာဗွန်ဇီဝဖြစ်စဉ်ကို ပြန်လည်ဖွဲ့စည်းခြင်းကြောင့် ဟုတ်မဟုတ် စုံစမ်းစစ်ဆေးရန် အမိုင်နိုအက်ဆစ်၊ အော်ဂဲနစ်အက်ဆစ်နှင့် သကြားဓာတ်များ ပါဝင်မှုကို ကျွန်ုပ်တို့ တွက်ချက်ခဲ့သည် (ဒေတာဖိုင် S2)။ ဤပုံစံကို ပိုမိုကောင်းမွန်စွာ ရှင်းပြရန်အတွက်၊ ယခင်က ဆွေးနွေးခဲ့သော phenolamide နှင့် 17-HGL-DTG လမ်းကြောင်းများ၏ ဇီဝဖြစ်စဉ် kinetics ကို ထပ်မံစောင့်ကြည့်ခဲ့ပါသည်။ စပါးစားသတ္တဝါများ၏ OS-သီးသန့် လှုံ့ဆော်မှုကို ဖီနောလာမိုက် ဇီဝဖြစ်စဉ်အတွင်း မတူညီသော ပြန်လည်စီစဉ်မှုပုံစံအဖြစ်သို့ ပြောင်းလဲခဲ့သည် (ပုံ S3)။ coumarin နှင့် caffeoyl moieties များပါ၀င်သော ဖီနောလစ်အမိုက်များကို OSS1 မှ ဦးစားပေးလှုံ့ဆော်ပေးပြီး OSM များသည် ferulyl conjugates များ၏ သီးခြားလှုံ့ဆော်မှုကို လှုံ့ဆော်ပေးသည်။ 17-HGL-DTG လမ်းကြောင်းအတွက်၊ downstream malonylation နှင့် dimalonylation ထုတ်ကုန်များမှ မတူညီသော OS လှုံ့ဆော်မှုကို တွေ့ရှိခဲ့သည် (ပုံ S3)။
ထို့နောက်၊ ကျွန်ုပ်တို့သည် OS-induced transcriptome plasticity ကို time-course microarray data set ကို အသုံးပြု၍ လေ့လာခဲ့ပြီး၊ ၎င်းသည် herbivore များတွင် rosette အပင်၏ အရွက်များကို ကုသရန် OSM များ အသုံးပြုခြင်းကို တုပထားသည်။ နမူနာ kinetics သည် ဤ metabolomics လေ့လာမှု (35) တွင် အသုံးပြုသော kinetics နှင့် အခြေခံအားဖြင့် ထပ်တူကျသည်။ metabolic plasticity သည် အချိန်နှင့်အမျှ အထူးသဖြင့် တိုးလာသည့် metabolome reconfiguration နှင့် နှိုင်းယှဉ်ပါက၊ transcriptome inducibility (RDPI) နှင့် specialization (δj) သည် 1 တွင် ရှိသည့် Ms မှ လှုံ့ဆော်ပေးသော အရွက်များတွင် transient transcription bursts များကို ကျွန်ုပ်တို့ တွေ့ရှိရသည်- ဤအချိန်တွင် နာရီနှင့် diversity (Hj) သိသိသာသာ တိုးလာပြီး BMP1 ၏ expression သည် သိသိသာသာ လျော့ကျသွားပြီး transcriptome specialization ကို လျော့ပါးစေသည် (ပုံ S4)။ Metabolic gene families (P450၊ glycosyltransferase နှင့် BAHD acyltransferase ကဲ့သို့) သည် အထက်ဖော်ပြပါ အစောပိုင်း high-specialization model ကို လိုက်နာ၍ primary metabolism မှ ရရှိသော structural units များမှ အထူး metabolites များကို စုစည်းခြင်း လုပ်ငန်းစဉ်တွင် ပါဝင်ပါသည်။ case study တစ်ခုအနေဖြင့် phenylalanine pathway ကို ခွဲခြမ်းစိတ်ဖြာခဲ့သည်။ ဖီနောလာမိုက်ဇီဝြဖစ်ပျက်မှုတွင် အဓိကဂျင်းများသည် ဆွဲဆောင်မှုမရှိသောအပင်များနှင့်နှိုင်းယှဉ်ပါက အပင်စားသတ္တဝါများတွင် OS-induced များပြီး ၎င်းတို့၏ ဖော်ပြချက်ပုံစံများတွင် နီးကပ်စွာ ချိန်ညှိထားကြောင်း ခွဲခြမ်းစိတ်ဖြာမှုက အတည်ပြုခဲ့သည်။ ဤလမ်းကြောင်း၏ အထက်ပိုင်းရှိ transcription factor MYB8 နှင့် structural genes PAL1၊ PAL2၊ C4H နှင့် 4CL တို့သည် transcription ကို စောစီးစွာစတင်ပြသခဲ့သည်။ AT1၊ DH29 နှင့် CV86 ကဲ့သို့သော phenolamide ၏ နောက်ဆုံးစုစည်းမှုတွင် အခန်းကဏ္ဍမှပါဝင်သည့် Acyltransferases များသည် ရှည်လျားသော upregulation ပုံစံကိုပြသသည် (ပုံ S4)။ အထက်ဖော်ပြပါ လေ့လာတွေ့ရှိချက်များက transcriptome specialization ကို စောစီးစွာစတင်ခြင်းနှင့် metabolomics specialization ကို နောက်ပိုင်းတွင် မြှင့်တင်ခြင်းသည် တွဲဖက်ပုံစံတစ်ခုဖြစ်ကြောင်း ညွှန်ပြနေပြီး ၎င်းသည် အစွမ်းထက်သော ကာကွယ်ရေးတုံ့ပြန်မှုကို စတင်သည့် synchronous regulatory system ကြောင့်ဖြစ်နိုင်သည်။
အပင်ဟော်မုန်းအချက်ပြမှုတွင် ပြန်လည်ဖွဲ့စည်းခြင်းသည် အပင်များ၏ ဇီဝကမ္မဗေဒကို ပြန်လည်ပရိုဂရမ်ရေးဆွဲရန် အပင်စားသတ္တဝါအချက်အလက်များကို ပေါင်းစပ်ပေးသည့် စည်းမျဉ်းစည်းကမ်းဆိုင်ရာအလွှာတစ်ခုအဖြစ် ဆောင်ရွက်သည်။ အပင်စားသတ္တဝါ သရုပ်ဖော်မှုပြီးနောက်၊ ကျွန်ုပ်တို့သည် အဓိက အပင်ဟော်မုန်းအမျိုးအစားများ၏ စုပေါင်းဒိုင်းနမစ်ကို တိုင်းတာပြီး ၎င်းတို့အကြား အချိန်ကာလပူးတွဲဖော်ပြချက်ကို မြင်ယောင်ခဲ့သည် [Pearson correlation coefficient (PCC)> 0.4] (ပုံ 3A)။ မျှော်လင့်ထားသည့်အတိုင်း၊ ဇီဝပေါင်းစပ်မှုနှင့် ဆက်စပ်နေသော အပင်ဟော်မုန်းများကို အပင်ဟော်မုန်းပူးတွဲဖော်ပြချက်ကွန်ရက်အတွင်း ချိတ်ဆက်ထားသည်။ ထို့အပြင်၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှု (Si အညွှန်းကိန်း) ကို မတူညီသော ကုသမှုများကြောင့် ဖြစ်ပေါ်လာသော အပင်ဟော်မုန်းများကို မီးမောင်းထိုးပြရန် ဤကွန်ရက်သို့ မြေပုံဆွဲထားသည်။ အပင်စားသတ္တဝါဆိုင်ရာ သီးခြားတုံ့ပြန်မှု၏ အဓိကနယ်ပယ်နှစ်ခုကို ရေးဆွဲထားသည်- တစ်ခုမှာ JA (၎င်း၏ ဇီဝဗေဒအရ တက်ကြွသောပုံစံ JA-Ile) နှင့် အခြား JA ဆင်းသက်လာမှုများသည် အမြင့်ဆုံး Si ရမှတ်ကို ပြသသည့် JA cluster တွင်ရှိပြီး နောက်တစ်ခုမှာ ethylene (ET) ဖြစ်သည်။ Gibberellin သည် အပင်စားသတ္တဝါဆိုင်ရာ သီးခြားဖြစ်မှုတွင် အသင့်အတင့်သာ တိုးလာမှုကို ပြသခဲ့ပြီး cytokinin၊ auxin နှင့် abscisic acid ကဲ့သို့သော အခြားအပင်ဟော်မုန်းများတွင် အပင်စားသတ္တဝါများအတွက် induction သီးခြားဖြစ်မှု နည်းပါးသည်။ W + W တစ်ခုတည်းအသုံးပြုခြင်းနှင့် နှိုင်းယှဉ်ပါက OS application (W + OS) မှတစ်ဆင့် JA derivatives များ၏ အမြင့်ဆုံးတန်ဖိုးကို မြှင့်တင်ခြင်းသည် အခြေခံအားဖြင့် JA များ၏ ခိုင်မာသော သီးခြားညွှန်ပြချက်တစ်ခုအဖြစ် ပြောင်းလဲနိုင်သည်။ မမျှော်လင့်ဘဲ၊ elicitor ပါဝင်မှုကွဲပြားသော OSM နှင့် OSS1 တို့သည် JA နှင့် JA-Ile များ အလားတူစုဆောင်းမှုကို ဖြစ်စေသည်ဟု သိရှိကြသည်။ OSS1 နှင့် ဆန့်ကျင်ဘက်အနေဖြင့် OSM ကို OSM များမှ တိကျစွာနှင့် ပြင်းထန်စွာ လှုံ့ဆော်ပေးပြီး OSS1 သည် basal wounds များ၏ တုံ့ပြန်မှုကို မြှင့်တင်မပေးပါ (ပုံ 3B)။
(က) အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော အပင်ဟော်မုန်းစုဆောင်းမှု kinetics simulation ၏ PCC တွက်ချက်မှုအပေါ် အခြေခံသည့် Co-expression network analysis။ node သည် အပင်ဟော်မုန်းတစ်ခုတည်းကို ကိုယ်စားပြုပြီး node ၏ အရွယ်အစားသည် ကုသမှုများအကြား အပင်ဟော်မုန်းနှင့် သက်ဆိုင်သော Si အညွှန်းကိန်းကို ကိုယ်စားပြုသည်။ (ခ) apricot၊ W + OSM; အပြာ၊ W + OSSl; အနက်ရောင်၊ W + W; မီးခိုးရောင်၊ C (ထိန်းချုပ်မှု) ကဲ့သို့သော အရောင်အမျိုးမျိုးဖြင့် ညွှန်ပြထားသော မတူညီသော ကုသမှုများကြောင့် ဖြစ်ပေါ်လာသော အရွက်များတွင် JA၊ JA-Ile နှင့် ET စုဆောင်းခြင်း။ ကြယ်ပွင့်များသည် ကုသမှုနှင့် ထိန်းချုပ်မှုအကြား သိသာထင်ရှားသော ကွာခြားချက်များကို ညွှန်ပြသည် (two-way ANOVA နောက်တွင် Tukey HSD post hoc multiple comparison၊ *** P <0.001)။ JA biosynthesis နှင့် impaired perception spectrum (irAOC နှင့် irCOI1) နှင့် (D)585 MS/MS (ဒေတာဖိုင် S1) တွင် (C)697 MS/MS (ဒေတာဖိုင် S1) ၏ Information theory analysis ET signal ချို့ယွင်းမှုဖြင့် ETR1 ရှိ (C)697 MS/MS (ဒေတာဖိုင် S1) ၏ Information theory analysis တုပထားသော အပင်စားသတ္တဝါကုသမှုနှစ်ခုသည် အပင်မျိုးစိတ်များနှင့် ဗလာယာဉ် (EV) ထိန်းချုပ်အပင်များကို လှုံ့ဆော်ပေးသည်။ ကြယ်ပွင့်ပြသင်္ကေတများသည် W+OS ကုသမှုနှင့် ပျက်စီးမှုမရှိသော ထိန်းချုပ်မှု (two-way ANOVA နောက်တွင် Tukey HSD post hoc multiple comparison ပါရှိခြင်း၊ *P<0.05၊ **P<0.01 နှင့် ***P<0.001) အကြား သိသာထင်ရှားသော ကွာခြားချက်များကို ညွှန်ပြသည်။ (E) အထူးပြုခြင်းအပေါ် ဆန့်ကျင်မှု၏ ပြန့်ကျဲနေသော ဂရပ်များ။ အရောင်များသည် မတူညီသော မျိုးရိုးဗီဇပြုပြင်ထားသော မျိုးကွဲများကို ကိုယ်စားပြုသည်။ သင်္ကေတများသည် မတူညီသော ကုသမှုနည်းလမ်းများကို ကိုယ်စားပြုသည်- တြိဂံ၊ W + OSS1; ထောင့်မှန်စတုဂံ၊ W + OSM; စက်ဝိုင်း C
ထို့နောက် JA နှင့် ET ဇီဝပေါင်းစပ်မှု (irAOC နှင့် irACO) နှင့် အာရုံခံမှု (irCOI1 နှင့် sETR1) ၏ အဓိကအဆင့်များတွင် မျိုးရိုးဗီဇပြုပြင်ထားသော နီပင်သစ်မျိုးကွဲ (irCOI1 နှင့် sETR1) ကို အသုံးပြု၍ ဤအပင်ဟော်မုန်းနှစ်မျိုး၏ ဇီဝဖြစ်စဉ်ကို အပင်စားသတ္တဝါများတွင် ခွဲခြမ်းစိတ်ဖြာပါသည်။ ပြန်လည်ပရိုဂရမ်ရေးသားခြင်း၏ ဆွေမျိုးပံ့ပိုးမှု။ ယခင်စမ်းသပ်ချက်များနှင့် ကိုက်ညီစွာ၊ ဗလာသယ်ဆောင်သူ (EV) အပင်များတွင် အပင်စားသတ္တဝါ-OS ဖြစ်ပေါ်ခြင်းကို ကျွန်ုပ်တို့ အတည်ပြုခဲ့သည် (ပုံ ၃၊ C မှ D) နှင့် OSM ကြောင့် Hj အညွှန်းကိန်းတွင် အလုံးစုံကျဆင်းခြင်းနှင့် δj အညွှန်းကိန်း တိုးလာခြင်းတို့ကို အတည်ပြုခဲ့သည်။ တုံ့ပြန်မှုသည် OSS1 ကြောင့် ဖြစ်ပေါ်လာသော တုံ့ပြန်မှုထက် ပိုမိုထင်ရှားသည်။ Hj နှင့် δj ကို ကိုဩဒိနိတ်များအဖြစ် အသုံးပြုသော မျဉ်းနှစ်ကြောင်းပါ ဂရပ်သည် သီးခြားစည်းမျဉ်းပြောင်းလဲမှုကို ပြသသည် (ပုံ ၃E)။ အထင်ရှားဆုံး လမ်းကြောင်းမှာ JA အချက်ပြမှု ချို့တဲ့သော မျိုးကွဲများတွင် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ ကွဲပြားမှုနှင့် အထူးပြုပြောင်းလဲမှုများသည် လုံးဝနီးပါး ဖယ်ရှားခံရခြင်းဖြစ်သည် (ပုံ ၃C)။ ဆန့်ကျင်ဘက်အနေနဲ့၊ sETR1 အပင်တွေမှာ တိတ်ဆိတ်တဲ့ ET အာရုံခံနိုင်စွမ်းဟာ အပင်စားဇီဝြဖစ်ပျက်မှုပြောင်းလဲမှုအပေါ် အလုံးစုံအကျိုးသက်ရောက်မှုဟာ JA အချက်ပြမှုထက် အများကြီးနိမ့်ကျပေမယ့် OSM နဲ့ OSS1 လှုံ့ဆော်မှုတွေကြားက Hj နဲ့ δj အညွှန်းကိန်းတွေမှာ ကွာခြားချက်ကို လျော့ပါးစေပါတယ် (ပုံ 3D နဲ့ ပုံ S5)။ ဒါက JA အချက်ပြမှု ထုတ်လွှင့်မှုရဲ့ အဓိကလုပ်ဆောင်ချက်အပြင် ET အချက်ပြမှု ထုတ်လွှင့်မှုဟာ အပင်စားသတ္တဝါတွေရဲ့ မျိုးစိတ်အလိုက် ဇီဝြဖစ်ပျက်မှုတုံ့ပြန်မှုကို အသေးစိတ်ချိန်ညှိခြင်းအဖြစ်လည်း ဆောင်ရွက်တယ်ဆိုတာကို ညွှန်ပြနေပါတယ်။ ဒီ အသေးစိတ်ချိန်ညှိမှုလုပ်ဆောင်ချက်နဲ့အညီ sETR1 အပင်တွေမှာ ဇီဝဖြစ်စဉ်ဆိုင်ရာ လှုံ့ဆော်မှု အလုံးစုံမှာ ဘာမှပြောင်းလဲမှုမရှိပါဘူး။ အခြားတစ်ဖက်မှာ၊ sETR1 အပင်တွေနဲ့ နှိုင်းယှဉ်ရင် irACO အပင်တွေဟာ အပင်စားသတ္တဝါတွေကြောင့် ဖြစ်ပေါ်လာတဲ့ အလားတူ ဇီဝြဖစ်ပျက်မှု ပမာဏတွေကို ဖြစ်ပေါ်စေပေမယ့် OSM နဲ့ OSS1 စိန်ခေါ်မှုတွေကြားက Hj နဲ့ δj ရမှတ်တွေကို သိသာထင်ရှားစွာ ကွဲပြားစွာ ပြသခဲ့ပါတယ် (ပုံ S5)။
အပင်စားသတ္တဝါများ၏ မျိုးစိတ်အလိုက် တုံ့ပြန်မှုတွင် အရေးကြီးသော ပံ့ပိုးကူညီမှုများရှိသည့် အထူးဇီဝဖြစ်စဉ်ပစ္စည်းများကို ဖော်ထုတ်ရန်နှင့် ET အချက်ပြမှုများမှတစ်ဆင့် ၎င်းတို့၏ ထုတ်လုပ်မှုကို အသေးစိတ်ချိန်ညှိရန်အတွက်၊ ကျွန်ုပ်တို့သည် ယခင်က တီထွင်ထားသော ဖွဲ့စည်းပုံဆိုင်ရာ MS/MS နည်းလမ်းကို အသုံးပြုခဲ့ပါသည်။ ဤနည်းလမ်းသည် bi-clustering နည်းလမ်းကို အသုံးပြု၍ MS/MS အပိုင်းအစများ [normalized dot product (NDP)] နှင့် neutral loss (NL) ကို အခြေခံ၍ similarity score မှ ဇီဝဖြစ်စဉ်မိသားစုကို ပြန်လည်ကောက်ချက်ချပါသည်။ ET transgenic မျဉ်းများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် တည်ဆောက်ထားသော MS/MS data set သည် 585 MS/MS (data file S1) ကို ထုတ်လုပ်ခဲ့ပြီး၊ ၎င်းကို အဓိက MS/MS မော်ဂျူးခုနစ်ခု (M) အဖြစ် clustering လုပ်ခြင်းဖြင့် ဖြေရှင်းခဲ့သည် (ပုံ 4A)။ ဤမော်ဂျူးအချို့တွင် ယခင်က ထူးခြားသော အထူးဇီဝဖြစ်စဉ်ပစ္စည်းများဖြင့် ထူထပ်စွာထုပ်ပိုးထားသည်- ဥပမာ၊ M1၊ M2၊ M3၊ M4 နှင့် M7 တို့တွင် အမျိုးမျိုးသော phenol derivatives (M1)၊ flavonoid glycosides (M2)၊ acyl sugars (M3 နှင့် M4) နှင့် 17-HGL-DTG (M7) တို့ ကြွယ်ဝစွာပါဝင်သည်။ ထို့အပြင်၊ မော်ဂျူးတစ်ခုစီရှိ တစ်ခုတည်းသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ အချက်အလက် (Si အညွှန်းကိန်း) ကို တွက်ချက်ပြီး ၎င်း၏ Si ဖြန့်ဖြူးမှုကို အလိုလို မြင်နိုင်သည်။ အတိုချုပ်ပြောရလျှင် အပင်စားသတ္တဝါနှင့် မျိုးရိုးဗီဇဆိုင်ရာ သီးခြားဖြစ်မှု မြင့်မားသော MS/MS ရောင်စဉ်များကို Si တန်ဖိုးမြင့်မားစွာဖြင့် သွင်ပြင်လက္ခဏာပြပြီး kurtosis စာရင်းအင်းများသည် ညာဘက်အမြီးထောင့်ရှိ အမွေးများ ဖြန့်ဖြူးမှုကို ညွှန်ပြသည်။ ထိုကဲ့သို့သော lean colloid ဖြန့်ဖြူးမှုကို M1 တွင် တွေ့ရှိခဲ့ပြီး phenol amide သည် အမြင့်ဆုံး Si အပိုင်းကို ပြသခဲ့သည် (ပုံ 4B)။ M7 ရှိ ယခင်ကဖော်ပြခဲ့သော အပင်စားသတ္တဝါများ ထုတ်လုပ်သည့် 17-HGL-DTG သည် အလယ်အလတ် Si ရမှတ်ကို ပြသခဲ့ပြီး OS အမျိုးအစားနှစ်ခုကြားတွင် အလယ်အလတ် ကွာခြားချက် ထိန်းညှိမှုအဆင့်ကို ညွှန်ပြသည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ rutin၊ CGA နှင့် acyl သကြားကဲ့သို့သော ဖွဲ့စည်းတည်ဆောက်ပုံအရ ထုတ်လုပ်သော အထူးဇီဝဖြစ်စဉ်ဆိုင်ရာ အများစုသည် Si ရမှတ် အနိမ့်ဆုံးထဲတွင် ပါဝင်သည်။ အထူးဇီဝဖြစ်စဉ်ဆိုင်ရာ ပစ္စည်းများအကြား ဖွဲ့စည်းပုံဆိုင်ရာ ရှုပ်ထွေးမှုနှင့် Si ဖြန့်ဖြူးမှုကို ပိုမိုကောင်းမွန်စွာ စူးစမ်းလေ့လာနိုင်ရန်အတွက် မော်ဂျူးတစ်ခုစီအတွက် မော်လီကျူးကွန်ရက်တစ်ခုကို တည်ဆောက်ထားသည် (ပုံ 4B)။ OD သီအိုရီ၏ အရေးကြီးသော ခန့်မှန်းချက်တစ်ခု (ပုံ 1B တွင် အကျဉ်းချုပ်ဖော်ပြထားသည်) မှာ အပင်စားပြီးနောက် အထူးဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများ ပြန်လည်ဖွဲ့စည်းခြင်းသည် ကာကွယ်ရေးတန်ဖိုးမြင့်မားသော ဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများတွင် အထူးသဖြင့် ၎င်းတို့၏ သီးခြားဖြစ်မှုကို တိုးမြှင့်ခြင်းဖြင့် (ကျပန်းဖြန့်ဖြူးမှုနှင့် ဆန့်ကျင်ဘက်) တစ်လမ်းသွားပြောင်းလဲမှုများကို ဖြစ်ပေါ်စေသင့်သည်။ MT သီအိုရီမှ ခန့်မှန်းထားသော ကာကွယ်ရေးဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာ။ M1 တွင် စုပုံလာသော ဖီနောဆင်းသက်လာမှုအများစုသည် အင်းဆက်စွမ်းဆောင်ရည်ကျဆင်းမှုနှင့် လုပ်ဆောင်နိုင်စွမ်းအရ ဆက်စပ်နေသည် (32)။ ၂၄ နာရီအတွင်း EV ထိန်းချုပ်အပင်များ၏ အစိတ်အပိုင်းအရွက်များနှင့် လှုံ့ဆော်ပေးသော အရွက်များအကြား M1 ဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများရှိ Si တန်ဖိုးများကို နှိုင်းယှဉ်သောအခါ၊ အပင်စားအင်းဆက်များပြီးနောက် ဇီဝဖြစ်စဉ်ပြောင်းလဲသည့်အရာများစွာ၏ ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှုသည် သိသိသာသာ တိုးလာသော လမ်းကြောင်းရှိကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 4C)။ Si တန်ဖိုး၏ သီးခြားတိုးလာမှုကို ကာကွယ်ရေးဖီနောလာမိုက်များတွင်သာ တွေ့ရှိခဲ့ရသော်လည်း အခြားဖီနောများနှင့် ဤမော်ဂျူးတွင် တွဲဖက်တည်ရှိနေသော မသိသောဇီဝဖြစ်စဉ်များတွင် Si တန်ဖိုးတိုးလာမှုကို မတွေ့ရှိခဲ့ပါ။ ၎င်းသည် OD သီအိုရီနှင့် ဆက်စပ်နေသော အထူးပြုမော်ဒယ်တစ်ခုဖြစ်သည်။ အပင်စားများကြောင့် ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ၏ အဓိကခန့်မှန်းချက်များသည် တသမတ်တည်းရှိသည်။ ဖီနောလာမိုက်ရောင်စဉ်၏ ဤထူးခြားမှုကို OS-specific ET မှ လှုံ့ဆော်ပေးခြင်းရှိမရှိ စမ်းသပ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် ဇီဝဖြစ်စဉ်ပြောင်းလဲနေသော Si အညွှန်းကိန်းကို ပုံဖော်ပြီး EV နှင့် sETR1 genotypes များတွင် OSM နှင့် OSS1 အကြား ကွဲပြားသော ဖော်ပြချက်တန်ဖိုးကို ဖြစ်ပေါ်စေခဲ့သည် (ပုံ 4D)။ sETR1 တွင်၊ OSM နှင့် OSS1 အကြား ဖီနောလာမိုက်ကြောင့် ဖြစ်ပေါ်လာသော ကွာခြားချက်ကို သိသိသာသာ လျှော့ချခဲ့သည်။ JA-ထိန်းညှိထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ အထူးပြုမှုနှင့် ဆက်စပ်သော အဓိက MS/MS မော်ဂျူးများကို ကောက်ချက်ချရန် JA မလုံလောက်သော strains များတွင် စုဆောင်းထားသော MS/MS အချက်အလက်များအတွက်လည်း bi-clustering နည်းလမ်းကို အသုံးပြုခဲ့သည် (ပုံ S6)။
(က) မျှဝေထားသော အပိုင်းအစ (NDP ဆင်တူမှု) နှင့် မျှဝေထားသော ကြားနေဆုံးရှုံးမှု (NL ဆင်တူမှု) အပေါ် အခြေခံ၍ 585 MS/MS ၏ clustering ရလဒ်များသည် module (M) သည် သိရှိထားသော ဒြပ်ပေါင်းမိသားစုနှင့် ကိုက်ညီမှု သို့မဟုတ် မသိရှိရသော သို့မဟုတ် ဇီဝဖြစ်စဉ်ညံ့ဖျင်းသော Metabolite ဖွဲ့စည်းမှုဖြင့် ကိုက်ညီမှုရှိသည်။ module တစ်ခုစီ၏ဘေးတွင် metabolite (MS/MS) ၏ သီးခြား (Si) ဖြန့်ဖြူးမှုကို ပြသထားသည်။ (ခ) မော်ဂျူလာ မော်လီကျူးကွန်ရက်- Node များသည် MS/MS နှင့် အနားသတ်များ၊ NDP (အနီရောင်) နှင့် NL (အပြာရောင်) MS/MS ရမှတ်များကို ကိုယ်စားပြုသည် (cut-off, > 0.6)။ အဆင့်သတ်မှတ်ထားသော metabolite specificity index (Si) ကို module (ဘယ်ဘက်) အပေါ်အခြေခံ၍ အရောင်ခြယ်ထားပြီး မော်လီကျူးကွန်ရက်သို့ မြေပုံဆွဲထားသည် (ညာဘက်)။ (ဂ) ၂၄ နာရီတွင် ဖွဲ့စည်းတည်ဆောက်ပုံ (ထိန်းချုပ်မှု) နှင့် လှုံ့ဆော်မှုအခြေအနေ (သရုပ်ဖော်ထားသော အပင်စားသတ္တဝါ) ရှိ EV အပင်၏ Module M1- မော်လီကျူးကွန်ရက်ပုံ (Si တန်ဖိုးသည် node အရွယ်အစားဖြစ်ပြီး၊ ခုခံကာကွယ် phenolamide ကို အပြာရောင်ဖြင့် မီးမောင်းထိုးပြထားသည်)။ (ဃ) EV နှင့် ET အာရုံခံနိုင်စွမ်း ချို့ယွင်းသော spectrum line sETR1 ၏ M1 မော်လီကျူးကွန်ရက်ပုံ- အစိမ်းရောင်စက်ဝိုင်း node ဖြင့်ကိုယ်စားပြုသော ဖီနောလစ်ဒြပ်ပေါင်းနှင့် Node အရွယ်အစားအဖြစ် W + OSM နှင့် W + OSS1 ကုသမှုများအကြား သိသာထင်ရှားသောကွာခြားချက် (P တန်ဖိုး)။ CP, N-caffeoyl-tyrosine; CS, N-caffeoyl-spermidine; FP, N-ferulic acid ester-uric acid; FS, N-ferulyl-spermidine; CoP, N', N “-Coumarolyl-tyrosine; DCS, N', N”-dicaffeoyl-spermidine; CFS, N', N”-caffeoyl, feruloyl-spermidine; wolfberry Son ရှိ Lycium barbarum; Nick. O-AS, O-acyl သကြား။
ကျွန်ုပ်တို့သည် တစ်ခုတည်းသော အားနည်းသော Nepenthes မျိုးရိုးဗီဇအမျိုးအစားမှ ခွဲခြမ်းစိတ်ဖြာမှုကို သဘာဝလူဦးရေများအထိ တိုးချဲ့ခဲ့ပြီး၊ ထိုနေရာတွင် အပင်စား JA အဆင့်များနှင့် သီးခြားဇီဝဖြစ်စဉ်အဆင့်များတွင် ပြင်းထန်သော intraspecific ပြောင်းလဲမှုများကို သဘာဝလူဦးရေများတွင် ယခင်က ဖော်ပြခဲ့ပြီးဖြစ်သည် (26)။ ဤဒေတာအစုံကို အသုံးပြု၍ သန္ဓေအောင်မျိုးစိတ် ၄၃ ခုကို လွှမ်းခြုံပါ။ ဤသန္ဓေအောင်မျိုးစိတ်များတွင် N. pallens မှ အပင်မျိုးစိတ် ၁၂၃ မျိုး ပါဝင်သည်။ ဤအပင်များကို Utah၊ Nevada၊ Arizona နှင့် California ရှိ မတူညီသော မူရင်းနေရင်းဒေသများတွင် စုဆောင်းထားသော အစေ့များမှ ရယူခဲ့သည် (ပုံ S7)၊ ကျွန်ုပ်တို့သည် metabolome diversity (လူဦးရေအဆင့်ဟုခေါ်သည်) နှင့် OSM ကြောင့်ဖြစ်ပေါ်လာသော အထူးပြုမှုကို တွက်ချက်ခဲ့သည်။ ယခင်လေ့လာမှုများနှင့် ကိုက်ညီစွာ၊ Hj နှင့် δj ဝင်ရိုးများတစ်လျှောက် ဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများစွာကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့ပြီး သန္ဓေအောင်မျိုးစိတ်များတွင် အပင်စားသတ္တဝါများအပေါ် ၎င်းတို့၏ ဇီဝဖြစ်စဉ်တုံ့ပြန်မှုများ၏ plasticity တွင် သိသာထင်ရှားသော ကွဲပြားမှုများရှိကြောင်း ညွှန်ပြသည် (ပုံ S7)။ ဤအဖွဲ့အစည်းသည် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော JA ပြောင်းလဲမှုများ၏ dynamic range အကြောင်း ယခင်လေ့လာတွေ့ရှိချက်များကို သတိရစေပြီး တစ်ခုတည်းသောလူဦးရေတွင် အလွန်မြင့်မားသောတန်ဖိုးကို ထိန်းသိမ်းထားခဲ့သည် (26၊ 36)။ Hj နှင့် δj အကြား အလုံးစုံအဆင့် ဆက်စပ်မှုကို စမ်းသပ်ရန် JA နှင့် JA-Ile ကိုအသုံးပြုခြင်းဖြင့်၊ JA နှင့် metabolome β diversity and specialization index အကြား သိသာထင်ရှားသော အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ S7)။ ဤသည်က လူဦးရေအဆင့်တွင် တွေ့ရှိရသော JAs induction တွင် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော မတူကွဲပြားမှုသည် အင်းဆက်အပင်စားသတ္တဝါများမှ ရွေးချယ်မှုကြောင့် ဖြစ်ပေါ်လာသော အဓိကဇီဝဖြစ်စဉ် polymorphism များကြောင့် ဖြစ်နိုင်ကြောင်း အကြံပြုထားသည်။
ယခင်လေ့လာမှုများအရ ဆေးရွက်ကြီးအမျိုးအစားများသည် အမျိုးအစားတွင် များစွာကွဲပြားပြီး လှုံ့ဆော်ပေးသော နှင့် ဖွဲ့စည်းတည်ဆောက်ပုံရှိသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ ကာကွယ်ရေးများအပေါ် မှီခိုမှုရှိကြောင်း ပြသထားသည်။ ဤအပင်စားသတ္တဝါဆန့်ကျင်ရေး အချက်ပြမှု ထုတ်လွှင့်မှုနှင့် ကာကွယ်ရေးစွမ်းရည်များတွင် ပြောင်းလဲမှုများသည် အင်းဆက်လူဦးရေဖိအား၊ အပင်သက်တမ်းစက်ဝန်းနှင့် မျိုးစိတ်တစ်ခု ကြီးထွားလာသည့် နယ်ပယ်တွင် ကာကွယ်ရေးထုတ်လုပ်မှုကုန်ကျစရိတ်များဖြင့် ထိန်းချုပ်ထားသည်ဟု ယုံကြည်ရသည်။ မြောက်အမေရိကနှင့် တောင်အမေရိကတွင် မူလပေါက်ရောက်သော Nicotiana မျိုးစိတ်ခြောက်မျိုး၏ အပင်စားသတ္တဝါများမှ လှုံ့ဆော်ပေးသော အရွက်ဇီဝဖြစ်စဉ်ပြုပြင်မွမ်းမံမှု၏ တသမတ်တည်းဖြစ်မှုကို ကျွန်ုပ်တို့ လေ့လာခဲ့သည်။ ဤမျိုးစိတ်များသည် မြောက်အမေရိက Nepenthes များနှင့် နီးကပ်စွာ ဆက်စပ်နေပြီး ၎င်းတို့မှာ Nicolas Bociflo. La၊ N. nicotinis၊ Nicotiana n. attenuated grass၊ Nicotiana tabacum၊ linear tobacco၊ ဆေးရွက်ကြီး (Nicotiana spegazzinii) နှင့် ဆေးရွက်ကြီးရွက်ဆေးရွက်ကြီး (Nicotiana obtusifolia) (ပုံ 5A) (37) တို့ဖြစ်သည်။ ကောင်းစွာ လက္ခဏာရပ်ပြထားသော N. please မျိုးစိတ်အပါအဝင် ဤမျိုးစိတ်ခြောက်မျိုးသည် petunia clade ၏ နှစ်စဉ်အပင်များဖြစ်ပြီး obtusifolia N. သည် ညီအစ်မ clade Trigonophyllae (38) ၏ အမြဲတမ်းအပင်များဖြစ်သည်။ ထို့နောက်တွင်၊ အင်းဆက်ပိုးမွှားများစားသုံးခြင်း၏ မျိုးစိတ်အဆင့် ဇီဝဖြစ်စဉ် ပြန်လည်စီစဉ်ခြင်းကို လေ့လာရန်အတွက် ဤမျိုးစိတ်ခုနစ်မျိုးတွင် W + W၊ W + OSM နှင့် W + OSS1 လှုံ့ဆော်မှုကို ပြုလုပ်ခဲ့သည်။
(က) အမြင့်ဆုံးဖြစ်နိုင်ခြေ [နျူကလီးယား ဂလူတာမင်း ပေါင်းစပ်မှုအတွက် (38)] နှင့် အနီးကပ်ဆက်စပ်နေသော Nicotiana မျိုးစိတ်ခုနစ်မျိုး (ကွဲပြားသောအရောင်များ) ၏ ပထဝီဝင်ဖြန့်ဖြူးမှုအပေါ် အခြေခံသည့် bootstrap phylogenetic tree (37)။ (ခ) Nicotiana မျိုးစိတ်ခုနစ်မျိုး၏ ဇီဝဖြစ်စဉ်ပရိုဖိုင်များအတွက် အထူးပြုကွဲပြားမှု၏ scatter plot (939 MS/MS; data file S1)။ မျိုးစိတ်အဆင့်တွင်၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာကွဲပြားမှုသည် အထူးပြုမှုအဆင့်နှင့် အနုတ်လက္ခဏာဆက်စပ်နေသည်။ ဇီဝဖြစ်စဉ်ဆိုင်ရာကွဲပြားမှုနှင့် အထူးပြုမှုနှင့် JA စုဆောင်းမှုအကြား မျိုးစိတ်အဆင့် ဆက်စပ်မှုကို ခွဲခြမ်းစိတ်ဖြာခြင်းကို ပုံ ၂ တွင် ပြသထားသည်။ S9။ အရောင်၊ အမျိုးအစားအမျိုးမျိုး၊ တြိဂံ၊ W + OSS1; ထောင့်မှန်စတုဂံ၊ W + OSM; (ဂ) Nicotiana JA နှင့် JA-Ile ဒိုင်းနမစ်များကို OS excitation amplitude (two-way ANOVA နှင့် Tukey HSD post-multiple comparison၊ * P <0.05၊ ** P <0.01 နှင့် * ** W + OS နှင့် W + W နှိုင်းယှဉ်ရန်အတွက်၊ P <0.001)။ အပင်စားသတ္တဝါနှင့် မီသိုင်း JA (MeJA) ကို တုပပြီးနောက် မျိုးစိတ်တစ်ခုစီ၏ (D) ကွဲပြားမှုနှင့် (E) အထူးပြုမှုတို့၏ လေးထောင့်ကွက်။ ကြယ်ပွင့်သည် W + OS နှင့် W + W သို့မဟုတ် lanolin အပေါင်း W (Lan + W) သို့မဟုတ် Lan အပေါင်း MeJA (Lan + MeJa) နှင့် Lan ထိန်းချုပ်မှု (ကွဲလွဲမှု၏ နှစ်လမ်းသွား ခွဲခြမ်းစိတ်ဖြာမှု၊ ထို့နောက် Tukey's HSD post hoc multiple comparison၊ *P<0.05၊ **P<0.01 နှင့် ***P<0.001) အကြား သိသာထင်ရှားသော ကွာခြားချက်ကို ညွှန်ပြသည်။
dual cluster နည်းလမ်းကို အသုံးပြု၍ MS/MS ၉၃၉ ခုပါ မော်ဂျူး ၉ ခုကို ကျွန်ုပ်တို့ ဖော်ထုတ်ခဲ့ပါသည် (ဒေတာဖိုင် S1)။ ကုသမှုအမျိုးမျိုးဖြင့် ပြန်လည်ဖွဲ့စည်းထားသော MS/MS ၏ ဖွဲ့စည်းမှုသည် မျိုးစိတ်များအကြား မော်ဂျူးအမျိုးမျိုးကြားတွင် များစွာကွဲပြားပါသည် (ပုံ S8)။ Hj (ဤနေရာတွင် မျိုးစိတ်အဆင့် γ-ကွဲပြားမှုဟု ရည်ညွှန်းသည်) နှင့် δj ကို မြင်ယောင်ကြည့်ခြင်းဖြင့် မျိုးစိတ်အမျိုးမျိုးသည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ အာကာသတွင် အလွန်ကွဲပြားသော အုပ်စုများအဖြစ် ပေါင်းစည်းသွားကြောင်း ဖော်ပြသည်။ N. linear နှင့် N. obliquus မှလွဲ၍ ၎င်းတို့သည် induction effect များ၏ ကျယ်ပြန့်သော dynamic range ကို ပြသသည် (ပုံ 5B)။ ဆန့်ကျင်ဘက်အားဖြင့် N. purpurea နှင့် N. obtusifolia ကဲ့သို့သော မျိုးစိတ်များသည် ကုသမှုအပေါ် ဇီဝဖြစ်စဉ်ဆိုင်ရာ တုံ့ပြန်မှု သိပ်မသိသာသော်လည်း metabolome သည် ပိုမိုကွဲပြားပါသည်။ လှုံ့ဆော်ထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ တုံ့ပြန်မှု၏ မျိုးစိတ်အလိုက် ဖြန့်ဖြူးမှုသည် အထူးပြုခြင်းနှင့် gamma diversity (PCC = -0.46၊ P = 4.9×10-8) အကြား သိသာထင်ရှားသော negative correlation ကို ဖြစ်ပေါ်စေပါသည်။ JAs အဆင့်များတွင် OS ကြောင့်ဖြစ်ပေါ်လာသော ပြောင်းလဲမှုများသည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ အထူးပြုမှုနှင့် အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိပြီး မျိုးစိတ်တစ်ခုစီတွင် ပြသထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ ဂါမာကွဲပြားမှုနှင့် အနုတ်လက္ခဏာဆောင်သော ဆက်စပ်မှုရှိသည် (ပုံ 5B နှင့် ပုံ S9)။ ပုံ 5C တွင် “signal response” ဟု ခေါ်ဆိုသော မျိုးစိတ်များဖြစ်သည့် Nepenthes nematodes၊ Nepenthes nepenthes၊ Nepenthes acute နှင့် Nepenthes attenuated တို့သည် မိနစ် ၃၀ တွင် သိသာထင်ရှားသော လက္ခဏာများ ပြသခဲ့ကြောင်း သတိပြုသင့်သည်။ မကြာသေးမီက OS-specific JA နှင့် JA-Ile ဖြစ်ပွားမှုများသည် Nepenthes mills၊ Nepenthes powdery နှင့် N. obtusifolia ကဲ့သို့သော “signal unresponsive” ဟုခေါ်သော အခြားဘက်တီးရီးယားများသည် OS တိကျမှုမရှိဘဲ JA-Ile Edge induction ကိုသာ ပြသသည် (ပုံ 5C)။ အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း ဇီဝဖြစ်စဉ်ဆိုင်ရာအဆင့်တွင် attenuated Nepenthes အတွက် အချက်ပြတုံ့ပြန်မှုရှိသော အရာများသည် OS တိကျမှုကို ပြသပြီး δj ကို သိသိသာသာ မြင့်တက်စေပြီး Hj ကို လျော့ကျစေသည်။ ဤ OS-specific priming effect ကို signal non-reactive species အဖြစ် အမျိုးအစားခွဲခြားထားသော မျိုးစိတ်များတွင် မတွေ့ရှိရပါ (ပုံ ၅၊ D နှင့် E)။ OS-specific metabolites များကို signal-responsive မျိုးစိတ်များအကြား ပိုမိုမကြာခဏ မျှဝေကြပြီး ဤ signal clusters များသည် signal response အားနည်းသော မျိုးစိတ်များနှင့် စုပြုံကြပြီး signal response အားနည်းသော မျိုးစိတ်များသည် အပြန်အလှန် မှီခိုမှု နည်းပါးကြောင်း ပြသကြသည် (ပုံ S8)။ ဤရလဒ်သည် JAs များ၏ OS-specific induction နှင့် downstream metabolome ၏ OS-specific reconfiguration တို့သည် မျိုးစိတ်အဆင့်တွင် တွဲလျက်ရှိကြောင်း ညွှန်ပြသည်။
ထို့နောက်၊ ကျွန်ုပ်တို့သည် မီသိုင်း JA (MeJA) ပါဝင်သော lanolin paste ကို အသုံးပြု၍ အပင်များကို ကုသရာတွင် ဤ coupling mode များသည် အပင်များ၏ cytoplasm တွင် ရှိနေမည့် exogenous JA မှ အသုံးချသော JA ရရှိနိုင်မှုကြောင့် ကန့်သတ်ထားခြင်း ရှိ၊ မရှိ စုံစမ်းစစ်ဆေးခဲ့ပါသည်။ လျင်မြန်စွာ deesterification သည် JA ဖြစ်သည်။ JA စဉ်ဆက်မပြတ် ထောက်ပံ့ပေးမှုကြောင့် ဖြစ်ပေါ်လာသော signal-responsive species မှ signal-non-responsive species သို့ တဖြည်းဖြည်း ပြောင်းလဲသွားသည့် လမ်းကြောင်းကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့ပါသည် (ပုံ ၅၊ D နှင့် E)။ အတိုချုပ်ပြောရလျှင် MeJA ကုသမှုသည် linear nematodes များဖြစ်သည့် N. obliquus၊ N. aquaticus၊ N. pallens နှင့် N. mikimotoi တို့၏ metabolomes များကို ပြင်းပြင်းထန်ထန် ပြန်လည်ပရိုဂရမ်ရေးဆွဲခဲ့ပြီး δj တွင် သိသိသာသာ တိုးလာပြီး Hj တွင် လျော့ကျသွားခဲ့သည်။ N. purpurea တွင် δj တွင်သာ တိုးလာသော်လည်း Hj တွင် မတိုးလာပါ။ ယခင်က JAs အဆင့် အလွန်နည်းပါးစွာ စုပုံလာသည်ဟု ပြသထားသည့် N. obtusifolia သည် metabolime ပြန်လည်ဖွဲ့စည်းမှုအရ MeJA ကုသမှုကိုလည်း ညံ့ဖျင်းစွာ တုံ့ပြန်ပါသည်။ ဤရလဒ်များက signal-responsive species များတွင် JA ထုတ်လုပ်မှု သို့မဟုတ် signal transduction သည် ဇီဝကမ္မဗေဒအရ အကန့်အသတ်ရှိကြောင်း ညွှန်ပြနေပါသည်။ ဤယူဆချက်ကိုစမ်းသပ်ရန်အတွက်၊ W + W၊ W + OSMs နှင့် W + OSS1 Transcriptome (39) မှလှုံ့ဆော်ပေးသော မျိုးစိတ်လေးမျိုး (N. pallens၊ N. mills၊ N. pink နှင့် N. microphylla) ကို ကျွန်ုပ်တို့လေ့လာခဲ့ပါသည်။ metabolome remodeling ပုံစံနှင့်အညီ၊ မျိုးစိတ်များကို transcriptome space တွင် ကောင်းစွာခွဲခြားထားပြီး၊ ၎င်းတို့တွင် N. attenuated သည် အမြင့်ဆုံး OS-induced RDPI ကိုပြသပြီး N. gracilis သည် အနိမ့်ဆုံးဖြစ်သည် (ပုံ 6A)။ သို့သော်၊ N. oblonga မှလှုံ့ဆော်ပေးသော transcriptome diversity သည် မျိုးစိတ်လေးမျိုးတွင် အနိမ့်ဆုံးဖြစ်ကြောင်း၊ ယခင်က မျိုးစိတ်ခုနစ်မျိုးတွင်ပြသခဲ့သော N. oblonga ၏ အမြင့်ဆုံး metabonomic diversity နှင့် ဆန့်ကျင်ဘက်ဖြစ်ကြောင်း တွေ့ရှိခဲ့သည်။ ယခင်လေ့လာမှုများအရ JA signals များအပါအဝင် အစောပိုင်းကာကွယ်ရေးအချက်ပြမှုများနှင့်ဆက်စပ်သော မျိုးဗီဇအစုံသည် Nicotiana မျိုးစိတ်များတွင် herbivore နှင့်ဆက်စပ်သော elicitors များမှလှုံ့ဆော်ပေးသော အစောပိုင်းကာကွယ်ရေးတုံ့ပြန်မှုများ၏ သီးခြားဖြစ်မှုကိုရှင်းပြသည် (39)။ ဤမျိုးစိတ်လေးမျိုးအကြား JA signaling လမ်းကြောင်းများကို နှိုင်းယှဉ်ခြင်းဖြင့် စိတ်ဝင်စားဖွယ်ကောင်းသောပုံစံတစ်ခုကို တွေ့ရှိခဲ့သည် (ပုံ 6B)။ ဤလမ်းကြောင်းရှိ AOC၊ OPR3၊ ACX နှင့် COI1 ကဲ့သို့သော မျိုးဗီဇအများစုသည် ဤမျိုးစိတ်လေးမျိုးတွင် လှုံ့ဆော်မှုအဆင့် အတော်လေးမြင့်မားကြောင်း ပြသခဲ့သည်။ သို့သော် အဓိက မျိုးဗီဇ JAR4 သည် JA ကို ၎င်း၏ ဇီဝဗေဒအရ တက်ကြွသော JA-Ile စုဆောင်းထားသော မှတ်တမ်းများပုံစံသို့ ပြောင်းလဲပေးပြီး ၎င်း၏ ကူးယူမှုအဆင့်မှာ အလွန်နိမ့်ကျပြီး အထူးသဖြင့် N. mills၊ Nepenthes pieris နှင့် N. microphylla တို့တွင် ဖြစ်သည်။ ထို့အပြင်၊ အခြားမျိုးဗီဇ AOS ၏ မှတ်တမ်းကိုသာ N. bifidum တွင် မတွေ့ရှိခဲ့ပါ။ မျိုးဗီဇဖော်ပြမှုတွင် ဤပြောင်းလဲမှုများသည် အချက်ပြ anaergy မျိုးစိတ်များတွင် JA ထုတ်လုပ်မှုနည်းပါးခြင်းနှင့် N. gracilis လှုံ့ဆော်မှုကြောင့် ဖြစ်ပေါ်လာသော အစွန်းရောက် phenotypes များအတွက် တာဝန်ရှိနိုင်သည်။
(က) အပင်စားသတ္တဝါများ လှုံ့ဆော်မှုပေးပြီး ၃၀ မိနစ်အကြာတွင် နမူနာယူခဲ့သော အနီးကပ်ဆက်စပ်နေသော ဆေးရွက်ကြီးမျိုးစိတ်လေးမျိုး၏ အစောပိုင်း မှတ်တမ်းတုံ့ပြန်မှုများကို ပြန်လည်ပရိုဂရမ်းမင်းပြုလုပ်ခြင်းဆိုင်ရာ သတင်းအချက်အလက်သီအိုရီ ခွဲခြမ်းစိတ်ဖြာမှု။ အပင်စားသတ္တဝါ OS မှ လှုံ့ဆော်ပေးသော အရွက်များကို ဒဏ်ရာထိန်းချုပ်မှုနှင့် နှိုင်းယှဉ်ခြင်းဖြင့် RDPI ကို တွက်ချက်သည်။ အရောင်များသည် မတူညီသော မျိုးစိတ်များကို ညွှန်ပြပြီး သင်္ကေတများသည် မတူညီသော ကုသမှုနည်းလမ်းများကို ညွှန်ပြသည်။ (ခ) မျိုးစိတ်လေးမျိုးအကြား JA အချက်ပြလမ်းကြောင်းများတွင် မျိုးဗီဇဖော်ပြမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း။ ရိုးရှင်းသော JA လမ်းကြောင်းကို လေးထောင့်ကွက်၏ဘေးတွင် ပြသထားသည်။ မတူညီသောအရောင်များသည် မတူညီသော လုပ်ငန်းစဉ်နည်းလမ်းများကို ညွှန်ပြသည်။ ကြယ်ပွင့်သည် W + OS ကုသမှုနှင့် W + W ထိန်းချုပ်မှုအကြား သိသာထင်ရှားသော ကွာခြားချက်ရှိကြောင်း ညွှန်ပြသည် (အတွဲကွာခြားချက်များအတွက် ကျောင်းသား၏ t-စမ်းသပ်မှုအတွက်၊ *P<0.05၊ **P<0.01 နှင့် ***P<0.001)။ OPDA၊ 12-oxophytodienoic acid; OPC-8: 0,3-oxo-2(2′(Z)-pentenyl)-cyclopentane-1-octanoic acid။
နောက်ဆုံးအပိုင်းမှာ၊ မတူညီသောအပင်မျိုးစိတ်များ၏ metabolome ၏ အင်းဆက်မျိုးစိတ်အလိုက် ပြန်လည်ပြုပြင်ခြင်းသည် အပင်စားသတ္တဝါများကို မည်သို့ခံနိုင်ရည်ရှိသည်ကို ကျွန်ုပ်တို့လေ့လာခဲ့ပါသည်။ ယခင်သုတေသနပြုချက်သည် Nicotiana မျိုးစိတ်အား အလေးပေးဖော်ပြခဲ့ပါသည်။ Ms နှင့် လောင်းများကို ၎င်းတို့၏ ခံနိုင်ရည်ရှိမှုသည် အလွန်ကွာခြားပါသည် (40)။ ဤနေရာတွင်၊ ဤမော်ဒယ်နှင့် ၎င်းတို့၏ metabolic plasticity အကြား ဆက်စပ်မှုကို ကျွန်ုပ်တို့လေ့လာခဲ့ပါသည်။ အထက်ဖော်ပြပါ ဆေးရွက်ကြီးမျိုးစိတ်လေးမျိုးကို အသုံးပြု၍ အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော metabolome ၏ diversity နှင့် specialization နှင့် အပင်များ၏ Ms နှင့် Sl ကို ခံနိုင်ရည်ရှိမှုအကြား ဆက်စပ်မှုကို စမ်းသပ်ခြင်းဖြင့်၊ အထွေထွေ Sl ကို ခံနိုင်ရည်ရှိမှု၊ diversity နှင့် specialization အားလုံးသည် အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိပြီး၊ expert ladies များကို ခံနိုင်ရည်ရှိမှုနှင့် specialization အကြား ဆက်စပ်မှုမှာ အားနည်းပြီး diversity နှင့် ဆက်စပ်မှုမှာ အရေးမကြီးပါ (ပုံ S10)။ S1 ခံနိုင်ရည်ရှိမှုနှင့် ပတ်သက်၍၊ JA signal transduction အဆင့်နှင့် metabolome plasticity နှစ်မျိုးလုံးကို ပြသသည်ဟု ယခင်ကပြသခဲ့သော attenuated N. chinensis နှင့် N. gracilis နှစ်မျိုးလုံးသည် herbivore induction ကို တုံ့ပြန်မှုများစွာကွဲပြားပြီး ၎င်းတို့သည် အလားတူမြင့်မားသော ခုခံမှုကိုလည်း ပြသခဲ့သည်။ လိင်။
လွန်ခဲ့သော အနှစ်ခြောက်ဆယ်အတွင်း၊ အပင်ကာကွယ်ရေးသီအိုရီသည် သုတေသီများသည် အပင်အထူးပြုဇီဝဖြစ်စဉ်များ၏ ဆင့်ကဲဖြစ်စဉ်နှင့် လုပ်ဆောင်ချက်များစွာကို ခန့်မှန်းထားသည့် သီအိုရီဆိုင်ရာ မူဘောင်တစ်ခုကို ပံ့ပိုးပေးခဲ့သည်။ ဤသီအိုရီအများစုသည် ခိုင်မာသော ကောက်ချက်ချမှုများ၏ ပုံမှန်လုပ်ထုံးလုပ်နည်းကို မလိုက်နာပါ (41)။ ၎င်းတို့သည် တူညီသော ခွဲခြမ်းစိတ်ဖြာမှုအဆင့်တွင် အဓိကခန့်မှန်းချက်များ (3) ကို အဆိုပြုသည်။ အဓိကခန့်မှန်းချက်များကို စမ်းသပ်ခြင်းသည် သီးခြားသီအိုရီများကို ခွဲခြမ်းစိတ်ဖြာခွင့်ပြုသောအခါ၊ ၎င်းသည် နယ်ပယ်သည် ရှေ့သို့ရွေ့လျားနေစေမည်ဖြစ်သည်။ ထောက်ခံသင့်သော်လည်း အခြားအရာများကို ငြင်းပယ်ပါ (42)။ ယင်းအစား၊ သီအိုရီအသစ်သည် ခွဲခြမ်းစိတ်ဖြာမှုအဆင့်အမျိုးမျိုးတွင် ခန့်မှန်းချက်များကို ပြုလုပ်ပြီး ဖော်ပြချက်ဆိုင်ရာ ထည့်သွင်းစဉ်းစားရမည့် အလွှာအသစ်တစ်ခုကို ထည့်သွင်းထားသည် (42)။ သို့သော်၊ လုပ်ဆောင်ချက်အဆင့်တွင် အဆိုပြုထားသော MT နှင့် OD သီအိုရီနှစ်ခုကို အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော အထူးပြုဇီဝဖြစ်စဉ်ပြောင်းလဲမှုများ၏ အရေးကြီးသော ခန့်မှန်းချက်များအဖြစ် အလွယ်တကူ ရှင်းပြနိုင်သည်- OD သီအိုရီသည် အထူးပြုဇီဝဖြစ်စဉ် “နေရာ” တွင် ပြောင်းလဲမှုများသည် ဦးတည်ချက်များစွာရှိသည်ဟု ယုံကြည်သည်။ MT သီအိုရီက ဤပြောင်းလဲမှုများသည် ဦးတည်ချက်မရှိပြီး ဇီဝဖြစ်စဉ်နေရာတွင် ကျပန်းတည်ရှိပြီး ကာကွယ်ရေးတန်ဖိုးမြင့်မားသော ဇီဝဖြစ်စဉ်များ ရှိတတ်သည်ဟု ယုံကြည်သည်။ OD နှင့် MT ခန့်မှန်းချက်များကို ယခင်စစ်ဆေးမှုများကို ကြိုတင် “ကာကွယ်ရေး” ဒြပ်ပေါင်းများ၏ ကျဉ်းမြောင်းသော အစုံကို အသုံးပြု၍ စမ်းသပ်ခဲ့သည်။ ဤဇီဝဖြစ်စဉ်ဗဟိုပြုစစ်ဆေးမှုများသည် အပင်စားသတ္တဝါများအတွင်း ဇီဝဖြစ်စဉ်ဆိုင်ရာပြန်လည်ဖွဲ့စည်းမှု၏ အတိုင်းအတာနှင့်လမ်းကြောင်းကို ခွဲခြမ်းစိတ်ဖြာနိုင်စွမ်းကို တားဆီးပေးပြီး၊ တသမတ်တည်းရှိသော စာရင်းအင်းဘောင်အတွင်း စမ်းသပ်ခြင်းကို တစ်ခုလုံးအဖြစ် ယူဆနိုင်သော အဓိကခန့်မှန်းချက်များ လိုအပ်စေရန် ခွင့်မပြုပါ။ အပင်ဇီဝဖြစ်စဉ်ဆိုင်ရာပြောင်းလဲမှုများကို ပမာဏသတ်မှတ်ပါ။ ဤနေရာတွင်၊ ကျွန်ုပ်တို့သည် တွက်ချက်မှု MS ကိုအခြေခံသည့် ဇီဝဖြစ်စဉ်ဆိုင်ရာ ဆန်းသစ်သောနည်းပညာကို အသုံးပြုခဲ့ပြီး ကမ္ဘာလုံးဆိုင်ရာ ဇီဝဖြစ်စဉ်ဆိုင်ရာအဆင့်တွင် အဆိုပြုထားသော နှစ်ခုကြား ခြားနားချက်ကို စမ်းသပ်ရန် သတင်းအချက်အလက်သီအိုရီဖော်ပြချက်များ၏ အထွေထွေငွေကြေးဖြင့် deconvolution MS ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ခဲ့သည်။ ဤသီအိုရီ၏ အဓိကခန့်မှန်းချက်။ သတင်းအချက်အလက်သီအိုရီကို အထူးသဖြင့် ဇီဝမျိုးစုံမျိုးကွဲများနှင့် အာဟာရစီးဆင်းမှုသုတေသန (43) ၏ အခြေအနေတွင် နယ်ပယ်များစွာတွင် အသုံးချခဲ့သည်။ သို့သော်၊ ကျွန်ုပ်တို့သိသလောက်၊ ၎င်းသည် အပင်များ၏ ဇီဝဖြစ်စဉ်ဆိုင်ရာ သတင်းအချက်အလက်နေရာကို ဖော်ပြရန်နှင့် ပတ်ဝန်းကျင်ဆိုင်ရာ အချက်ပြမှုများကို တုံ့ပြန်သည့်အနေဖြင့် ယာယီဇီဝဖြစ်စဉ်ဆိုင်ရာပြောင်းလဲမှုများနှင့် ဆက်စပ်သော ဂေဟဗေဒဆိုင်ရာပြဿနာများကို ဖြေရှင်းရန် အသုံးပြုသည့် ပထမဆုံးအသုံးချမှုဖြစ်သည်။ အထူးသဖြင့်၊ ဤနည်းလမ်း၏စွမ်းရည်သည် အပင်စားသတ္တဝါများသည် မတူညီသောမျိုးစိတ်များမှ မျိုးစိတ်များအကြား မက်ခရိုဆင့်ကဲဖြစ်စဉ်ပုံစံများသို့ မည်သို့ပြောင်းလဲလာသည်ကို စစ်ဆေးရန် အပင်မျိုးစိတ်များအတွင်းနှင့် အကြား ပုံစံများကို နှိုင်းယှဉ်နိုင်စွမ်းတွင် တည်ရှိသည်။ ဇီဝဖြစ်စဉ်။
Principal component analysis (PCA) သည် multivariate data set တစ်ခုကို dimensionality reduction space အဖြစ်ပြောင်းလဲပေးသောကြောင့် data ၏ main trend ကိုရှင်းပြနိုင်သောကြောင့် deconvolution metabolome ကဲ့သို့သော data set ကို parse လုပ်ရန် exploratory technique အဖြစ်အသုံးပြုလေ့ရှိသည်။ သို့သော် dimensionality reduction သည် data set ရှိ information content ၏ အစိတ်အပိုင်းတစ်ခုကို ဆုံးရှုံးစေပြီး PCA သည် ecological theory နှင့် အထူးသက်ဆိုင်သော ဝိသေသလက္ခဏာများအကြောင်း ပမာဏဆိုင်ရာ information ကို မပေးနိုင်ပါ။ ဥပမာ- herbivore များသည် အထူးပြုနယ်ပယ်များ (ဥပမာ၊ ကြွယ်ဝမှု၊ ဖြန့်ဖြူးမှုနှင့် ပေါများမှု) တွင် diversity ကို မည်သို့ပြန်လည် configure လုပ်သနည်း။ မည်သည့် metabolites များသည် ပေးထားသော herbivore ၏ induced state ကို ခန့်မှန်းသနည်း။ specificity၊ diversity နှင့် inducibility ရှုထောင့်မှကြည့်လျှင် leaf-specific metabolite profile ၏ information content ကို decompose လုပ်ပြီး၊ herbivore များကိုစားသုံးခြင်းသည် specific metabolism ကို activate လုပ်နိုင်ကြောင်း တွေ့ရှိရသည်။ မမျှော်လင့်ဘဲ၊ အကောင်အထည်ဖော်ထားသော သတင်းအချက်အလက်သီအိုရီအညွှန်းကိန်းများတွင်ဖော်ပြထားသည့်အတိုင်း၊ ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်အခြေအနေသည် အပင်စားသတ္တဝါနှစ်မျိုး (ညဘက်အစာစားသော အထွေထွေပညာရှင် Sl) နှင့် Solanaceae ကျွမ်းကျင်သူ Ms တို့၏ တိုက်ခိုက်မှုများပြီးနောက် ကြီးမားသော ထပ်တူကျနေသည်ကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ၎င်းတို့၏ အစာစားခြင်းအပြုအမူနှင့် အာရုံစူးစိုက်မှုမှာ သိသိသာသာကွာခြားသော်လည်း။ OS (31) ရှိ Fatty acid-amino acid conjugate (FAC) initiator။ စံသတ်မှတ်ထားသော ထိုးသွင်းဒဏ်ရာများကို ကုသရန် အပင်စားသတ္တဝါ OS ကိုအသုံးပြုခြင်းဖြင့်၊ တုပထားသော အပင်စားကုသမှုသည်လည်း အလားတူလမ်းကြောင်းကို ပြသခဲ့သည်။ အပင်စားသတ္တဝါတိုက်ခိုက်မှုများအပေါ် အပင်များ၏တုံ့ပြန်မှုကို တုပခြင်းအတွက် ဤစံသတ်မှတ်ထားသောလုပ်ထုံးလုပ်နည်းသည် အပင်စားသတ္တဝါများ၏ အစာစားခြင်းအပြုအမူပြောင်းလဲမှုများကြောင့် ဖြစ်ပေါ်လာသော ရှုပ်ထွေးသောအချက်များကို ဖယ်ရှားပေးပြီး၊ မတူညီသောအချိန်များတွင် ပျက်စီးမှုအတိုင်းအတာအမျိုးမျိုးကို ဖြစ်ပေါ်စေသည် (34)။ OSM ၏ အဓိကအကြောင်းရင်းဟု လူသိများသော FAC သည် OSS1 တွင် JAS နှင့် အခြားအပင်ဟော်မုန်းတုံ့ပြန်မှုများကို လျော့နည်းစေပြီး OSS1 သည် ရာပေါင်းများစွာ လျော့နည်းစေသည် (31)။ သို့သော် OSS1 သည် OSM နှင့် နှိုင်းယှဉ်ပါက JA စုဆောင်းမှုအဆင့် အလားတူဖြစ်စေသည်။ ပျော့ပျောင်းသော Nepenthes ရှိ JA တုံ့ပြန်မှုသည် OSM ကို အလွန်အမင်းထိခိုက်လွယ်ကြောင်း ယခင်က ပြသခဲ့ပြီးဖြစ်ပြီး၊ FAC သည် ရေနှင့် 1:1000 ရောစပ်သော်လည်း ၎င်း၏လုပ်ဆောင်ချက်ကို ထိန်းသိမ်းထားနိုင်သည် (44)။ ထို့ကြောင့် OSM နှင့် နှိုင်းယှဉ်ပါက OSS1 ရှိ FAC အလွန်နည်းသော်လည်း၊ JA ဖြစ်ပွားမှု လုံလောက်စွာဖြစ်ပေါ်စေရန် လုံလောက်ပါသည်။ ယခင်လေ့လာမှုများအရ porin-like proteins (45) နှင့် oligosaccharides (46) တို့ကို OSS1 ရှိ အပင်ကာကွယ်ရေးတုံ့ပြန်မှုများကို လှုံ့ဆော်ရန် မော်လီကျူးသဲလွန်စများအဖြစ် အသုံးပြုနိုင်ကြောင်း ပြသခဲ့သည်။ သို့သော်၊ OSS1 ရှိ ဤ elicitors များသည် လက်ရှိလေ့လာမှုတွင် တွေ့ရှိရသည့် JA စုပုံမှုအတွက် တာဝန်ရှိသည်ဖြစ်စေ မရှိသည်ဖြစ်စေ မရှင်းလင်းသေးပါ။
မတူညီသော အပင်စားသတ္တဝါများ သို့မဟုတ် ပြင်ပ JA သို့မဟုတ် SA (salicylic acid) (47) အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာသော ကွဲပြားသည့် ဇီဝဖြစ်စဉ် လက်ဗွေရာများကို ဖော်ပြသည့် လေ့လာမှုအနည်းငယ်ရှိသော်လည်း၊ အပင်မြက်ပင်ကွန်ရက်ရှိ အပင်စားသတ္တဝါမျိုးစိတ်အလိုက် အနှောင့်အယှက်ဖြစ်စေမှုနှင့် ၎င်း၏ သီးခြားအကျိုးသက်ရောက်မှုများကို မည်သူမျှ မနှောင့်ယှက်ခဲ့ပါ။ ဇီဝဖြစ်စဉ်၏ အလုံးစုံသက်ရောက်မှုကို စနစ်တကျလေ့လာထားပါသည်။ ကိုယ်ရေးကိုယ်တာအချက်အလက်များ။ ဤခွဲခြမ်းစိတ်ဖြာမှုက JAs မဟုတ်သော အခြားအပင်ဟော်မုန်းများနှင့် အတွင်းပိုင်းဟော်မုန်းကွန်ရက်ချိတ်ဆက်မှုသည် အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်ပြန်လည်ဖွဲ့စည်းမှု၏ သီးခြားဖြစ်မှုကို ပုံဖော်ကြောင်း ထပ်မံအတည်ပြုခဲ့သည်။ အထူးသဖြင့် OSM ကြောင့် ဖြစ်ပေါ်လာသော ET သည် OSS1 ကြောင့် ဖြစ်ပေါ်လာသော ET ထက် သိသိသာသာပိုများကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ဤမုဒ်သည် OSM တွင် FAC ပါဝင်မှုပိုမိုများပြားခြင်းနှင့် ကိုက်ညီပြီး ၎င်းသည် ET ပေါက်ကွဲမှုကို ဖြစ်ပေါ်စေရန်အတွက် လိုအပ်ပြီး လုံလောက်သော အခြေအနေတစ်ခုဖြစ်သည် (48)။ အပင်များနှင့် အပင်စားသတ္တဝါများအကြား အပြန်အလှန်ဆက်သွယ်မှုနှင့် ပတ်သက်၍ အပင်အလိုက် ဇီဝဖြစ်စဉ် ဒိုင်းနမစ်အပေါ် ET ၏ အချက်ပြလုပ်ဆောင်ချက်သည် ရံဖန်ရံခါသာဖြစ်ပြီး တစ်ခုတည်းသော ဒြပ်ပေါင်းအုပ်စုကိုသာ ပစ်မှတ်ထားသည်။ ထို့အပြင်၊ လေ့လာမှုအများစုသည် ET သို့မဟုတ် ၎င်း၏ရှေ့ပြေးပစ္စည်းများ သို့မဟုတ် မတူညီသော inhibitors များကို ET ၏ ပြင်ပအသုံးချမှုကို အသုံးပြု၍ ET ကို ထိန်းညှိပေးခဲ့ပြီး ၎င်းတို့အနက် ဤပြင်ပဓာတုဗေဒအသုံးချမှုများသည် တိကျမှုမရှိသော ဘေးထွက်ဆိုးကျိုးများစွာကို ဖြစ်ပေါ်စေလိမ့်မည်။ ကျွန်ုပ်တို့သိသလောက်၊ ဤလေ့လာမှုသည် အပင်ဇီဝဖြစ်စဉ်ဆိုင်ရာ ဒိုင်းနမစ်များကို ညှိနှိုင်းရန်အတွက် ချို့ယွင်းနေသော transgenic အပင်များကို ထုတ်လုပ်ရန်နှင့် သိရှိရန် ET ကို အသုံးပြုရာတွင် ET ၏ အခန်းကဏ္ဍကို ပထမဆုံးသော ကြီးမားသောစနစ်တကျ စစ်ဆေးမှုဖြစ်သည်။ အပင်စားသတ္တဝါများအတွက် သီးသန့် ET လှုံ့ဆော်မှုသည် နောက်ဆုံးတွင် metabolome တုံ့ပြန်မှုကို ပြုပြင်ပြောင်းလဲနိုင်သည်။ အရေးအကြီးဆုံးမှာ ET biosynthesis (ACO) နှင့် perception (ETR1) မျိုးဗီဇများ၏ transgenic ကိုင်တွယ်မှုဖြစ်ပြီး အပင်စားသတ္တဝါများအတွက် သီးသန့် phenolamides များ de novo စုဆောင်းမှုကို ဖော်ထုတ်ပေးသည်။ ET သည် putrescine N-methyltransferase (49) ကို ထိန်းညှိခြင်းဖြင့် JA-induced nicotine စုဆောင်းမှုကို အသေးစိတ်ချိန်ညှိနိုင်သည်ဟု ယခင်က ပြသခဲ့သည်။ သို့သော်၊ စက်ပိုင်းဆိုင်ရာရှုထောင့်မှကြည့်လျှင် ET သည် phenamide ၏ လှုံ့ဆော်မှုကို မည်သို့အသေးစိတ်ချိန်ညှိသည်ကို ရှင်းရှင်းလင်းလင်းမသိရပါ။ ET ၏ အချက်ပြမှု ထုတ်လွှင့်ခြင်း လုပ်ဆောင်ချက်အပြင်၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ စီးဆင်းမှုကို polyaminophenol amides များတွင် ရင်းနှီးမြှုပ်နှံမှုကို ထိန်းညှိရန်အတွက် S-adenosyl-1-methionine သို့လည်း shunt လုပ်နိုင်သည်။ S-adenosyl-1-methionine သည် ET ဖြစ်ပြီး polyamine ဇီဝပေါင်းစပ်လမ်းကြောင်း၏ အဖြစ်များသော အလယ်အလတ်အဆင့်ဖြစ်သည်။ ET အချက်ပြမှုသည် phenolamide အဆင့်ကို မည်သို့ထိန်းညှိပေးသည့် ယန္တရားကို နောက်ထပ်လေ့လာရန် လိုအပ်ပါသည်။
ရှည်လျားသောအချိန်အတန်ကြာအောင်၊ မသိရသေးသောဖွဲ့စည်းပုံရှိသော အထူးဇီဝဖြစ်စဉ်ပစ္စည်းများ အများအပြားကြောင့်၊ သီးခြားဇီဝဖြစ်စဉ်အမျိုးအစားများအပေါ် အလွန်အမင်းအာရုံစိုက်မှုသည် ဇီဝဗေဒဆိုင်ရာ အပြန်အလှန်ဆက်သွယ်မှုများပြီးနောက် ဇီဝဖြစ်စဉ်မျိုးကွဲ၏ ယာယီပြောင်းလဲမှုများကို တင်းကြပ်စွာအကဲဖြတ်နိုင်ခြင်းမရှိပါ။ လက်ရှိတွင်၊ သတင်းအချက်အလက်သီအိုရီခွဲခြမ်းစိတ်ဖြာမှုအပေါ် အခြေခံ၍ ဘက်မလိုက်သောဇီဝဖြစ်စဉ်ပစ္စည်းများအပေါ် အခြေခံ၍ MS/MS ရောင်စဉ်ရယူခြင်း၏ အဓိကရလဒ်မှာ အပင်စားသတ္တဝါများသည် အရွက်ဇီဝဖြစ်စဉ်မျိုးကွဲကို စားသုံးခြင်း သို့မဟုတ် အပင်စားသတ္တဝါများကို တုပခြင်းသည် ၎င်း၏ အထူးပြုအဆင့်ကို တိုးမြှင့်နေစဉ်တွင် အရွက်ဇီဝဖြစ်စဉ်မျိုးကွဲကို ဆက်လက်လျှော့ချနေပါသည်။ အပင်စားသတ္တဝါများကြောင့် ဖြစ်ပေါ်လာသော ဇီဝဖြစ်စဉ်မျိုးကွဲ တိကျမှု ယာယီတိုးလာခြင်းသည် transcriptome တိကျမှုတွင် ပေါင်းစပ်တိုးတက်မှုနှင့် ဆက်စပ်နေသည်။ ဤပိုကြီးသော ဇီဝဖြစ်စဉ်မျိုးကွဲတွင် အများဆုံးပါဝင်သည့် အင်္ဂါရပ် (Si တန်ဖိုးမြင့်မားခြင်း) မှာ ယခင်က လက္ခဏာရပ်ရှိသော အပင်စားသတ္တဝါလုပ်ဆောင်ချက်ရှိသော အထူးဇီဝဖြစ်စဉ်ဖြစ်သည်။ ဤမော်ဒယ်သည် OD သီအိုရီ၏ ခန့်မှန်းချက်နှင့် ကိုက်ညီသော်လည်း၊ ဇီဝဖြစ်စဉ်မျိုးကွဲပြန်လည်ပရိုဂရမ်းမင်း၏ ကျပန်းဖြစ်မှုနှင့် ဆက်စပ်သော MT ၏ ခန့်မှန်းချက်သည် တသမတ်တည်းမရှိပါ။ သို့သော်၊ ဤဒေတာသည် ရောနှောမော်ဒယ် (အကောင်းဆုံး MT; ပုံ 1B) ၏ ခန့်မှန်းချက်နှင့်လည်း ကိုက်ညီပါသည်၊ အဘယ်ကြောင့်ဆိုသော် မသိရှိသော ကာကွယ်ရေးလုပ်ဆောင်ချက်များရှိသော အခြားလက္ခဏာရပ်မပေါ်သော ဇီဝဖြစ်စဉ်များသည် ကျပန်း Si ဖြန့်ဖြူးမှုကို လိုက်နာနိုင်သောကြောင့်ဖြစ်သည်။
ဤသုတေသနမှ ထပ်မံဖမ်းယူထားသော မှတ်သားဖွယ်ပုံစံတစ်ခုမှာ မိုက်ခရိုဆင့်ကဲဖြစ်စဉ်အဆင့် (အပင်တစ်မျိုးတည်းနှင့် ဆေးရွက်ကြီးလူဦးရေ) မှ ပိုမိုကြီးမားသော ဆင့်ကဲဖြစ်စဉ်အတိုင်းအတာ (အနီးကပ်ဆက်စပ်နေသော ဆေးရွက်ကြီးမျိုးစိတ်များ) အထိ၊ ဆင့်ကဲဖြစ်စဉ်အဖွဲ့အစည်း၏ မတူညီသောအဆင့်များသည် “အကောင်းဆုံးကာကွယ်ရေး” တွင်ရှိနေခြင်းဖြစ်သည်။ အပင်စားသတ္တဝါများ၏ စွမ်းရည်များတွင် သိသာထင်ရှားသော ကွာခြားချက်များရှိပါသည်။ Moore et al. (20) နှင့် Kessler နှင့် Kalske (1) တို့သည် Whittaker (50) မှ မူလက ခွဲခြားသတ်မှတ်ထားသော ဇီဝမျိုးစုံမျိုးကွဲမှု၏ လုပ်ဆောင်ချက်အဆင့်သုံးဆင့်ကို ဓာတုဗေဒကွဲပြားမှု၏ ဖွဲ့စည်းတည်ဆောက်ပုံနှင့် လှုံ့ဆော်ပေးသော ယာယီပြောင်းလဲမှုများအဖြစ်သို့ ပြောင်းလဲရန် လွတ်လပ်စွာ အဆိုပြုခဲ့ကြသည်။ ဤစာရေးသူများသည် အနှစ်ချုပ်မချုပ်ခဲ့ကြပါ။ ကြီးမားသော ဇီဝဖြစ်စဉ်အချက်အလက်စုဆောင်းမှုအတွက် လုပ်ထုံးလုပ်နည်းများသည် ဤဒေတာမှ ဇီဝဖြစ်စဉ်ကွဲပြားမှုကို မည်သို့တွက်ချက်ရမည်ကိုလည်း မဖော်ပြထားပါ။ ဤလေ့လာမှုတွင် Whittaker ၏ လုပ်ဆောင်ချက်ခွဲခြားမှုကို အနည်းငယ်ချိန်ညှိမှုများသည် α-ဇီဝဖြစ်စဉ်ကွဲပြားမှုကို ပေးထားသောအပင်တွင် MS/MS ရောင်စဉ်များ၏ မတူကွဲပြားမှုအဖြစ်နှင့် β-ဇီဝဖြစ်စဉ်ကွဲပြားမှုကို လူဦးရေအုပ်စုတစ်စု၏ အခြေခံ intraspecific ဇီဝဖြစ်စဉ်အဖြစ် ထည့်သွင်းစဉ်းစားမည်ဖြစ်ပြီး γ-ဇီဝဖြစ်စဉ်ကွဲပြားမှုသည် အလားတူမျိုးစိတ်များ၏ ခွဲခြမ်းစိတ်ဖြာမှု၏ တိုးချဲ့မှုတစ်ခုဖြစ်လိမ့်မည်။
JA အချက်ပြမှုသည် ကျယ်ပြန့်သော အပင်စားသတ္တဝါများ၏ ဇီဝဖြစ်စဉ်တုံ့ပြန်မှုများအတွက် မရှိမဖြစ်လိုအပ်သည်။ သို့သော်၊ JA ဇီဝပေါင်းစပ်မှု၏ ဇီဝဖြစ်စဉ်ကွဲပြားမှုအပေါ် သက်ရောက်မှုကို တိကျသော ပမာဏဆိုင်ရာစမ်းသပ်မှုများ မရှိသေးဘဲ၊ JA အချက်ပြမှုသည် ပိုမိုမြင့်မားသော မက်ခရိုဆင့်ကဲဖြစ်စဉ်စကေးဖြင့် ဖိစီးမှုကြောင့် ဇီဝဖြစ်စဉ်ကွဲပြားမှုအတွက် ယေဘုယျနေရာတစ်ခုဖြစ်မဖြစ်ကိုမူ မသေချာသေးပါ။ Nepenthes အပင်စားသတ္တဝါများ၏ သဘာဝသည် ဇီဝဖြစ်စဉ်အထူးပြုမှုကို ဖြစ်ပေါ်စေပြီး Nicotiana မျိုးစိတ်များ၏ လူဦးရေအတွင်းနှင့် အနီးကပ်ဆက်စပ်နေသော Nicotiana မျိုးစိတ်များအကြား ဇီဝဖြစ်စဉ်အထူးပြုမှု၏ ကွဲပြားမှုသည် JA အချက်ပြမှုနှင့် စနစ်တကျ အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့ရပါသည်။ ထို့အပြင်၊ JA အချက်ပြမှု ချို့ယွင်းသွားသောအခါ၊ တစ်ခုတည်းသော genotype အပင်စားသတ္တဝါမှ လှုံ့ဆော်ပေးသော ဇီဝဖြစ်စဉ်တိကျမှုမှာ ပျက်ပြယ်သွားလိမ့်မည် (ပုံ ၃၊ C နှင့် E)။ သဘာဝအတိုင်း အားနည်းနေသော Nepenthes လူဦးရေ၏ ဇီဝဖြစ်စဉ်ရောင်စဉ်ပြောင်းလဲမှုများသည် အများအားဖြင့် အရေအတွက်အားဖြင့်ဖြစ်သောကြောင့်၊ ဤခွဲခြမ်းစိတ်ဖြာမှုတွင် ဇီဝဖြစ်စဉ် β ကွဲပြားမှုနှင့် တိကျမှုတွင် ပြောင်းလဲမှုများသည် ဇီဝဖြစ်စဉ်ကြွယ်ဝသော ဒြပ်ပေါင်းအမျိုးအစားများ၏ ပြင်းထန်သောလှုံ့ဆော်မှုကြောင့် အဓိကအားဖြင့် ဖြစ်ပေါ်လာနိုင်သည်။ ဤဒြပ်ပေါင်းအမျိုးအစားများသည် ဇီဝဖြစ်စဉ်ပရိုဖိုင်၏ အစိတ်အပိုင်းတစ်ခုကို လွှမ်းမိုးထားပြီး JA အချက်ပြမှုများနှင့် အပြုသဘောဆောင်သော ဆက်စပ်မှုကို ဦးတည်စေသည်။
၎င်းနှင့် အနီးကပ်ဆက်စပ်နေသော ဆေးရွက်ကြီးမျိုးစိတ်များ၏ ဇီဝဓာတုဗေဒယန္တရားများသည် အလွန်ကွဲပြားသောကြောင့်၊ ဇီဝဖြစ်စဉ်များကို အရည်အသွေးဆိုင်ရာရှုထောင့်တွင် တိကျစွာဖော်ထုတ်ထားသောကြောင့် ၎င်းသည် ပိုမိုခွဲခြမ်းစိတ်ဖြာနိုင်သည်။ ဖမ်းယူထားသော ဇီဝဖြစ်စဉ်ပရိုဖိုင်ကို သတင်းအချက်အလက်သီအိုရီ၏ စီမံဆောင်ရွက်မှုက အပင်စားလှုံ့ဆော်မှုသည် ဇီဝဖြစ်စဉ် ဂါမာကွဲပြားမှုနှင့် အထူးပြုမှုအကြား ကုန်သွယ်မှုကို ပိုမိုဆိုးရွားစေကြောင်း ဖော်ပြသည်။ JA အချက်ပြမှုသည် ဤကုန်သွယ်မှုတွင် အဓိကအခန်းကဏ္ဍမှ ပါဝင်သည်။ ဇီဝဖြစ်စဉ်ဆိုင်ရာ အထူးပြုမှု တိုးလာခြင်းသည် အဓိက OD ခန့်မှန်းချက်နှင့် ကိုက်ညီပြီး JA အချက်ပြမှုနှင့် အပြုသဘောဆောင်သော ဆက်စပ်နေပြီး JA အချက်ပြမှုသည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ ဂါမာကွဲပြားမှုနှင့် အနုတ်လက္ခဏာဆောင်သော ဆက်စပ်နေသည်။ ဤမော်ဒယ်များက အပင်များ၏ OD စွမ်းရည်ကို အဓိကအားဖြင့် JA ၏ ပလတ်စတစ်ဖြင့် ဆုံးဖြတ်ကြောင်း ညွှန်ပြသည်၊ မိုက်ခရိုဆင့်ကဲဖြစ်စဉ်အတိုင်းအတာတွင်ဖြစ်စေ၊ ပိုမိုကြီးမားသော ဆင့်ကဲဖြစ်စဉ်အတိုင်းအတာတွင်ဖြစ်စေ။ JA ဇီဝပေါင်းစပ်ချို့ယွင်းချက်များကို ရှောင်ရှားသည့် ပြင်ပ JA အသုံးချမှုစမ်းသပ်မှုများက အနီးကပ်ဆက်စပ်နေသော ဆေးရွက်ကြီးမျိုးစိတ်များကို ၎င်းတို့၏ JA ပုံစံနှင့် အပင်စားသတ္တဝါများမှ လှုံ့ဆော်ပေးသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ ပလတ်စတစ်ကဲ့သို့ပင် အချက်ပြတုံ့ပြန်မှုရှိသော မျိုးစိတ်နှင့် အချက်ပြတုံ့ပြန်မှုမရှိသော မျိုးစိတ်များအဖြစ် ခွဲခြားနိုင်ကြောင်း ထပ်မံဖော်ပြသည်။ အချက်ပြတုံ့ပြန်မှုမရှိသော မျိုးစိတ်များသည် endogenous JA ကို မထုတ်လုပ်နိုင်ခြင်းကြောင့် တုံ့ပြန်နိုင်ခြင်းမရှိသောကြောင့် ဇီဝကမ္မဗေဒဆိုင်ရာ ကန့်သတ်ချက်များအောက်တွင် ရှိနေသည်။ ၎င်းသည် JA အချက်ပြလမ်းကြောင်း (N. crescens ရှိ AOS နှင့် JAR4) ရှိ အဓိက မျိုးဗီဇအချို့တွင် မျိုးရိုးဗီဇပြောင်းလဲမှုများကြောင့် ဖြစ်နိုင်သည်။ ဤရလဒ်သည် ဤမျိုးစိတ်များအကြား မက်ခရိုဆင့်ကဲဖြစ်စဉ်ပုံစံများသည် အဓိကအားဖြင့် အတွင်းပိုင်းဟော်မုန်း အာရုံခံစားမှုနှင့် တုံ့ပြန်မှုပြောင်းလဲမှုများကြောင့် ဖြစ်နိုင်ကြောင်း မီးမောင်းထိုးပြသည်။
အပင်များနှင့် အပင်စားသတ္တဝါများအကြား အပြန်အလှန် ဆက်သွယ်မှုအပြင်၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုကို စူးစမ်းလေ့လာခြင်းသည် ပတ်ဝန်းကျင်နှင့် ဇီဝဗေဒဆိုင်ရာ လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ခြင်းနှင့် ရှုပ်ထွေးသော phenotypic လက္ခဏာများ ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ သုတေသနတွင် အရေးကြီးသော သီအိုရီဆိုင်ရာ တိုးတက်မှုအားလုံးနှင့် ဆက်စပ်နေသည်။ ခေတ်မီ MS ကိရိယာများမှ ရရှိသော အချက်အလက်ပမာဏ တိုးလာခြင်းနှင့်အတူ၊ ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုအပေါ် ယူဆချက်စမ်းသပ်မှုသည် ယခုအခါ တစ်ဦးချင်း/အမျိုးအစား ဇီဝဖြစ်စဉ်ဆိုင်ရာ ကွဲပြားမှုများကို ကျော်လွန်ပြီး မမျှော်လင့်ထားသော ပုံစံများကို ဖော်ထုတ်ရန် ကမ္ဘာလုံးဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်နိုင်သည်။ ကြီးမားသော ခွဲခြမ်းစိတ်ဖြာမှု လုပ်ငန်းစဉ်တွင် အရေးကြီးသော ဥပစာတစ်ခုမှာ အချက်အလက်များကို စူးစမ်းလေ့လာရန် အသုံးပြုနိုင်သည့် အဓိပ္ပာယ်ရှိသော မြေပုံများကို စိတ်ကူးခြင်း၏ အယူအဆဖြစ်သည်။ ထို့ကြောင့်၊ ဘက်မလိုက်သော MS/MS ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုနှင့် သတင်းအချက်အလက်သီအိုရီတို့၏ လက်ရှိပေါင်းစပ်မှု၏ အရေးကြီးသော ရလဒ်တစ်ခုမှာ ၎င်းသည် မတူညီသော အမျိုးအစားခွဲခြားမှု စကေးများတွင် ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုကို ကြည့်ရှုရန် မြေပုံများ တည်ဆောက်ရန် အသုံးပြုနိုင်သည့် ရိုးရှင်းသော မက်ထရစ်တစ်ခုကို ပေးစွမ်းခြင်းဖြစ်သည်။ ၎င်းသည် ဤနည်းလမ်း၏ အခြေခံလိုအပ်ချက်ဖြစ်သည်။ မိုက်ခရို/မက်ခရို ဆင့်ကဲဖြစ်စဉ်နှင့် အသိုက်အဝန်း ဂေဟဗေဒကို လေ့လာခြင်း။
မက်ခရို-ဆင့်ကဲဖြစ်စဉ်အဆင့်တွင်၊ Ehrlich နှင့် Raven (51) တို့၏ အပင်-အင်းဆက် တွဲဖက်ဆင့်ကဲဖြစ်စဉ်သီအိုရီ၏ အဓိကအချက်မှာ မျိုးစိတ်များအကြား ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှု၏ ကွဲပြားမှုသည် အပင်မျိုးရိုးများ ကွဲပြားခြင်း၏ အကြောင်းရင်းဖြစ်ကြောင်း ခန့်မှန်းရန်ဖြစ်သည်။ သို့သော်၊ ဤထင်ရှားသောလက်ရာ ထုတ်ဝေပြီး ငါးဆယ်နှစ်အတွင်း၊ ဤယူဆချက်ကို ရှားရှားပါးပါးသာ စမ်းသပ်ခဲ့သည် (52)။ ၎င်းသည် အဓိကအားဖြင့် အကွာအဝေးရှည် အပင်မျိုးရိုးများတွင် နှိုင်းယှဉ်နိုင်သော ဇီဝဖြစ်စဉ်ဆိုင်ရာ လက္ခဏာများ၏ မျိုးရိုးဗီဇဆိုင်ရာ လက္ခဏာများကြောင့်ဖြစ်သည်။ ရှားပါးမှုကို ပစ်မှတ်ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်းများကို ခိုင်မာစေရန် အသုံးပြုနိုင်သည်။ သတင်းအချက်အလက်သီအိုရီဖြင့် လုပ်ဆောင်သော လက်ရှိ MS/MS လုပ်ငန်းစဉ်သည် မသိသော ဇီဝဖြစ်စဉ်ပစ္စည်းများ၏ MS/MS ဖွဲ့စည်းပုံဆိုင်ရာ ဆင်တူမှုကို (ကြိုတင်ဇီဝဖြစ်စဉ်ရွေးချယ်မှုမပါဘဲ) တိုင်းတာပြီး ဤ MS/MS များကို MS/MS အစုံအဖြစ်သို့ ပြောင်းလဲပေးသည်၊ ထို့ကြောင့် ပရော်ဖက်ရှင်နယ်ဇီဝဖြစ်စဉ်တွင် ဤမက်ခရို-ဆင့်ကဲဖြစ်စဉ် မော်ဒယ်များကို အမျိုးအစားခွဲခြားမှုစကေးတွင် နှိုင်းယှဉ်ထားသည်။ ရိုးရှင်းသော စာရင်းအင်းညွှန်းကိန်းများ။ လုပ်ငန်းစဉ်သည် မျိုးရိုးဗီဇဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဆင်တူပြီး ကြိုတင်ခန့်မှန်းခြင်းမရှိဘဲ ကွဲပြားမှုနှုန်း သို့မဟုတ် စရိုက်လက္ခဏာဆင့်ကဲဖြစ်စဉ်ကို တိုင်းတာရန် sequence alignment ကို အသုံးပြုနိုင်သည်။
ဇီဝဓာတုဗေဒအဆင့်တွင်၊ Firn နှင့် Jones (53) ၏ စိစစ်ရေးယူဆချက်က ယခင်က ဆက်စပ်မှုမရှိသော သို့မဟုတ် အစားထိုးထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ လုပ်ဆောင်ချက်များကို လုပ်ဆောင်ရန် ကုန်ကြမ်းများ ပံ့ပိုးပေးရန်အတွက် ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှုကို အဆင့်အမျိုးမျိုးတွင် ထိန်းသိမ်းထားကြောင်း ပြသထားသည်။ သတင်းအချက်အလက်သီအိုရီနည်းလမ်းများသည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ အထူးပြုလုပ်ချက်အတွင်း ဖြစ်ပေါ်သော ဤဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အကူးအပြောင်းများကို အဆိုပြုထားသော ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ စိစစ်ရေးလုပ်ငန်းစဉ်၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် တွက်ချက်နိုင်သည့် မူဘောင်တစ်ခုကို ပံ့ပိုးပေးသည်- တိကျမှုနည်းသော မှ တိကျမှုမြင့်သောသို့ ဇီဝဗေဒအရ တက်ကြွစွာ လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ခြင်း ပေးထားသောပတ်ဝန်းကျင်၏ တားဆီးထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာများ။
အားလုံးကို ခြုံငုံကြည့်လျှင်၊ မော်လီကျူးဇီဝဗေဒ၏ အစောပိုင်းကာလများတွင် အရေးကြီးသော အပင်ကာကွယ်ရေးသီအိုရီများကို တီထွင်ခဲ့ပြီး၊ ထုတ်ယူယူဆချက်အခြေပြုနည်းလမ်းများကို သိပ္ပံနည်းကျတိုးတက်မှု၏ တစ်ခုတည်းသောနည်းလမ်းအဖြစ် ကျယ်ကျယ်ပြန့်ပြန့် ယူဆကြသည်။ ၎င်းသည် အဓိကအားဖြင့် ဇီဝဖြစ်စဉ်ဆိုင်ရာ ကန့်သတ်ချက်များကြောင့်ဖြစ်သည်။ အယူအဆအခြေပြုနည်းလမ်းများသည် အခြားဖြစ်စဉ်ဆိုင်ရာ ယန္တရားများကို ရွေးချယ်ရာတွင် အထူးအသုံးဝင်သော်လည်း၊ ဇီဝဓာတုဗေဒကွန်ရက်များအကြောင်း ကျွန်ုပ်တို့၏ နားလည်မှုကို မြှင့်တင်ရန် ၎င်းတို့၏စွမ်းရည်သည် ခေတ်ပြိုင်ဒေတာ-အလေးပေးသိပ္ပံတွင် လက်ရှိရရှိနိုင်သော တွက်ချက်မှုနည်းလမ်းများထက် ပိုမိုကန့်သတ်ထားသည်။ ထို့ကြောင့်၊ ခန့်မှန်း၍မရသော သီအိုရီများသည် ရရှိနိုင်သောဒေတာ၏ အတိုင်းအတာထက် များစွာကျော်လွန်နေသောကြောင့်၊ သုတေသနနယ်ပယ်တွင် တိုးတက်မှု၏ ယူဆချက်ဆိုင်ရာ ဖော်မြူလာ/စမ်းသပ်မှုစက်ဝန်းကို ဖျက်သိမ်း၍မရပါ (4)။ ဤနေရာတွင် မိတ်ဆက်ထားသော ဇီဝဖြစ်စဉ်ဆိုင်ရာ တွက်ချက်မှုလုပ်ငန်းစဉ်သည် ဇီဝဖြစ်စဉ်ဆိုင်ရာ မတူကွဲပြားမှု၏ မကြာသေးမီက (မည်သို့) နှင့် နောက်ဆုံး (ဘာကြောင့်) ပြဿနာများအပေါ် စိတ်ဝင်စားမှုကို ပြန်လည်နှိုးဆွပေးနိုင်ပြီး သီအိုရီအရ လမ်းညွှန်ထားသော ဒေတာသိပ္ပံ၏ ခေတ်သစ်တစ်ခုသို့ ပံ့ပိုးပေးနိုင်မည်ဟု ကျွန်ုပ်တို့ မြင်ယောင်ပါသည်။ ထိုခေတ်သည် ယခင်မျိုးဆက်များကို လှုံ့ဆော်ပေးခဲ့သော အရေးကြီးသော သီအိုရီများကို ပြန်လည်စစ်ဆေးခဲ့သည်။
နှင်းဆီပွင့်သော အပင်တစ်ပင်၏ ဖျော့ဖျော့အရောင်ရှိသော အိုးပင်ရွက်တစ်ရွက်ပေါ်တွင် ဒုတိယအဆင့် ပိုးလောင်း သို့မဟုတ် Sl ပိုးလောင်းကို တိုက်ရိုက်ကျွေးမွေးခြင်းဖြင့် ပြုလုပ်ပြီး တစ်ပင်လျှင် အပင်ပွား ၁၀ ခု ပွားသည်။ ပိုးလောင်းများကို ညှပ်များဖြင့် ညှပ်ထားပြီး ကျန်ရှိသော အရွက်တစ်ရှူးများကို ကူးစက်ခံရပြီး ၂၄ နာရီနှင့် ၇၂ နာရီအကြာတွင် စုဆောင်းကာ အမြန်အေးခဲစေပြီး ဇီဝဖြစ်စဉ်ပစ္စည်းများကို ထုတ်ယူသည်။
အလွန်ထပ်တူကျသောပုံစံဖြင့် အပင်စားကုသမှုကို တုပပါ။ နည်းလမ်းမှာ အထည်ပန်းကုံး၏ကြီးထွားမှုအဆင့်တွင် အပင်၏ အပြည့်အဝကျယ်ပြန့်သောအရွက်သုံးရွက်၏ အလယ်ရိုးတစ်ဖက်တစ်ချက်စီတွင် ဆူးတန်းသုံးတန်းကို ထိုးဖောက်ရန် အထည်ပုံစံဘီးများကို အသုံးပြုပြီး 1:5 ရောစပ်ထားသော Ms ကို ချက်ချင်းလိမ်းပါ။ သို့မဟုတ် လက်အိတ်ဝတ်ထားသော လက်ချောင်းများကို အသုံးပြု၍ S1 OS ကို ထိုးဖောက်ဒဏ်ရာထဲသို့ ထည့်သွင်းပါ။ အထက်တွင်ဖော်ပြထားသည့်အတိုင်း အရွက်ကို ရိတ်သိမ်းပြီး ပြုပြင်ပါ။ မူလဇီဝဖြစ်စဉ်ပစ္စည်းများနှင့် အပင်ဟော်မုန်းများကို ထုတ်ယူရန် ယခင်ဖော်ပြခဲ့သည့်နည်းလမ်းကို အသုံးပြုပါ (54)။
ပြင်ပ JA အသုံးချမှုများအတွက်၊ မျိုးစိတ်တစ်ခုစီ၏ နှင်းဆီပွင့်ပင်ခြောက်ပင်၏ ပင်စည်အရွက်သုံးရွက်ကို 150μg MeJA (Lan + MeJA) ပါဝင်သော lanolin အနှစ် 20μl နှင့် lanolin 20μl အပြင် ဒဏ်ရာကုသမှု (Lan + W) ဖြင့် ကုသသည် သို့မဟုတ် သန့်စင်သော lanolin 20μl ကို ထိန်းချုပ်နည်းလမ်းအဖြစ် အသုံးပြုသည်။ အရွက်များကို ကုသပြီး ၇၂ နာရီအကြာတွင် ရိတ်သိမ်းပြီး အရည်နိုက်ထရိုဂျင်တွင် အေးခဲစေပြီး အသုံးမပြုမီ -80°C တွင် သိမ်းဆည်းထားသည်။
JA နှင့် ET မျိုးကွဲလေးခုဖြစ်သည့် irAOC (36), irCOI1 (55), irACO နှင့် sETR1 (48) တို့ကို ကျွန်ုပ်တို့၏ သုတေသနအဖွဲ့တွင် ဖော်ထုတ်နိုင်ခဲ့ပါသည်။ irAOC သည် JA နှင့် JA-Ile အဆင့်များတွင် သိသိသာသာ ကျဆင်းမှုကို ပြသခဲ့ပြီး irCOI1 သည် JAs များအပေါ် အာရုံခံနိုင်စွမ်း မရှိပါ။ EV နှင့် နှိုင်းယှဉ်ပါက JA-Ile စုဆောင်းမှု တိုးလာပါသည်။ အလားတူပင်၊ irACO သည် ET ထုတ်လုပ်မှုကို လျော့ကျစေပြီး EV နှင့် နှိုင်းယှဉ်ပါက ET အပေါ် အာရုံခံနိုင်စွမ်း မရှိသော sETR1 သည် ET ထုတ်လုပ်မှုကို တိုးစေပါသည်။
ET တိုင်းတာမှုကို ကျူးကျော်ဝင်ရောက်မှုမရှိဘဲ လုပ်ဆောင်ရန်အတွက် photoacoustic laser spectrometer (Sensor Sense ETD-300 real-time ET sensor) ကို အသုံးပြုသည်။ ကုသမှုပြီးသည်နှင့် အရွက်တစ်ဝက်ကို ဖြတ်၍ 4-ml ဆံ့သော ဖန်ပုလင်းထဲသို့ လွှဲပြောင်းပေးခဲ့ပြီး headspace ကို 5 နာရီအတွင်း စုပုံစေခဲ့သည်။ တိုင်းတာနေစဉ်အတွင်း ပုလင်းတစ်လုံးစီကို တစ်နာရီလျှင် 2 လီတာနှုန်းဖြင့် သန့်စင်သောလေဖြင့် 8 မိနစ်ကြာ ဆေးကြောခဲ့ပြီး ယခင်က Sensor Sense မှ ပံ့ပိုးပေးသော catalyst မှတစ်ဆင့် CO2 နှင့် ရေကို ဖယ်ရှားခဲ့သည်။
microarray data ကို မူလက (35) တွင် ထုတ်ဝေခဲ့ပြီး National Center for Biotechnology Information (NCBI) Gene Expression Comprehensive Database (accession number GSE30287) တွင် သိမ်းဆည်းခဲ့သည်။ W + OSMs ကုသမှုကြောင့် ဖြစ်ပေါ်လာသော အရွက်များနှင့် မပျက်စီးသော ထိန်းချုပ်မှုနှင့် သက်ဆိုင်သော data များကို ဤလေ့လာမှုအတွက် ထုတ်ယူခဲ့သည်။ raw intensity မှာ log2 ဖြစ်သည်။ စာရင်းအင်း ခွဲခြမ်းစိတ်ဖြာမှု မပြုလုပ်မီ၊ baseline ကို R software package ကို အသုံးပြု၍ ၎င်း၏ 75th percentile သို့ ပြောင်းလဲပြီး ပုံမှန်ဖြစ်အောင် ပြုလုပ်ခဲ့သည်။
Nicotiana မျိုးစိတ်များ၏ မူရင်း RNA sequencing (RNA-seq) အချက်အလက်များကို NCBI Short Reading Archives (SRA) မှ ရယူခဲ့ပြီး၊ ပရောဂျက်နံပါတ်မှာ PRJNA301787 ဖြစ်ပြီး Zhou et al. (39) မှ အစီရင်ခံတင်ပြခဲ့ပြီး (56) တွင် ဖော်ပြထားသည့်အတိုင်း ဆက်လက်လုပ်ဆောင်ခဲ့သည်။ Nicotiana မျိုးစိတ်များနှင့် သက်ဆိုင်သော W + W၊ W + OSM နှင့် W + OSS1 မှ လုပ်ဆောင်သော ကုန်ကြမ်းဒေတာကို ဤလေ့လာမှုတွင် ခွဲခြမ်းစိတ်ဖြာရန်အတွက် ရွေးချယ်ခဲ့ပြီး အောက်ပါနည်းလမ်းဖြင့် လုပ်ဆောင်ခဲ့သည်- ပထမဦးစွာ၊ ကုန်ကြမ်း RNA-seq ဖတ်ရှုမှုများကို FASTQ ဖော်မတ်သို့ ပြောင်းလဲခဲ့သည်။ HISAT2 သည် FASTQ သို့ SAM သို့ ပြောင်းလဲပေးပြီး SAMtools သည် SAM ဖိုင်များကို အစီအစဉ်တကျ စီစဉ်ထားသော BAM ဖိုင်များအဖြစ် ပြောင်းလဲပေးသည်။ StringTie ကို မျိုးဗီဇဖော်ပြမှုကို တွက်ချက်ရန် အသုံးပြုပြီး ၎င်း၏ဖော်ပြမှုနည်းလမ်းမှာ အစီအစဉ်တကျ transcription အပိုင်းအစ တစ်သန်းလျှင် အခြေခံအပိုင်းအစ တစ်ထောင်လျှင် အပိုင်းအစများ ရှိသည်။
ခွဲခြမ်းစိတ်ဖြာမှုတွင်အသုံးပြုသော Acclaim chromatographic column (150 mm x 2.1 mm; အမှုန်အရွယ်အစား 2.2μm) နှင့် 4 mm x 4 mm guard column တို့သည် ပစ္စည်းတူညီဖြင့် ဖွဲ့စည်းထားသည်။ Dionex UltiMate 3000 Ultra High Performance Liquid Chromatography (UHPLC) စနစ်တွင် အောက်ပါ binary gradient ကို အသုံးပြုထားသည်- 0 မှ 0.5 မိနစ်၊ isocratic 90% A [deionized water, 0.1% (v/v) acetonitrile နှင့် 0.05% formic acid]၊ 10% B (Acetonitrile နှင့် 0.05% formic acid)၊ 0.5 မှ 23.5 မိနစ်၊ gradient phase သည် 10% A နှင့် 90% B အသီးသီးဖြစ်သည်။ 23.5 မှ 25 မိနစ်၊ isocratic 10% A နှင့် 90% B။ စီးဆင်းမှုနှုန်းမှာ 400μl/min ဖြစ်သည်။ MS ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးအတွက်၊ positive ionization mode (capillary voltage, 4500 V; capillary outlet 130 V; ခြောက်သွေ့သောအပူချိန် 200°C; ခြောက်သွေ့သောလေစီးဆင်းမှု 10 liters/min) တွင်လည်ပတ်သော electrospray source တပ်ဆင်ထားသော quadrupole and time-of-flight (qTOF) analyzer ထဲသို့ column eluent ကိုထိုးသွင်းပါ။
ယေဘုယျ တွေ့ရှိနိုင်သော ဇီဝဖြစ်စဉ်ပရိုဖိုင်နှင့်ပတ်သက်သည့် ဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာ အချက်အလက်များကို ရရှိရန် မသက်ဆိုင်သော သို့မဟုတ် အချက်အလက်နှင့် ခွဲခြား၍မရသော MS / MS fragment analysis (ယခုမှစ၍ MS / MS ဟု ရည်ညွှန်းသည်) ကို လုပ်ဆောင်ပါ။ ခွဲခြားမှုမရှိသော MS/MS နည်းလမ်း၏ အယူအဆသည် quadrupole တွင် အလွန်ကြီးမားသော mass isolation window ရှိသည်ဟူသောအချက်ပေါ်တွင် မူတည်သည် [ထို့ကြောင့် mass-to-charge ratio (m/z) signal အားလုံးကို fragment များအဖြစ် သတ်မှတ်ပါ]။ ဤအကြောင်းကြောင့် Impact II ကိရိယာသည် CE tilt ကို မဖန်တီးနိုင်သောကြောင့်၊ collision-induced dissociation collision energy (CE) တန်ဖိုးများကို အသုံးပြု၍ လွတ်လပ်သော ခွဲခြမ်းစိတ်ဖြာမှုများစွာကို လုပ်ဆောင်ခဲ့သည်။ အတိုချုပ်ပြောရလျှင် ပထမဦးစွာ single mass spectrometry mode (in-source fragmentation မှ ထုတ်လုပ်သော low fragmentation conditions) ကို အသုံးပြု၍ UHPLC-electrospray ionization/qTOF-MS ဖြင့် နမူနာကို ခွဲခြမ်းစိတ်ဖြာပါ၊ 5 Hz ၏ repetition frequency တွင် m/z 50 မှ 1500 အထိ scan ဖတ်ပါ။ MS/MS ခွဲခြမ်းစိတ်ဖြာမှုအတွက် နိုက်ထရိုဂျင်ကို collision gas အဖြစ်အသုံးပြုပြီး အောက်ပါ collision ကြောင့်ဖြစ်ပေါ်လာသော dissociation voltages လေးမျိုးတွင် သီးခြားတိုင်းတာမှုများကို လုပ်ဆောင်ပါ- 20၊ 30၊ 40 နှင့် 50 eV။ တိုင်းတာခြင်းလုပ်ငန်းစဉ်တစ်လျှောက်လုံးတွင် quadrupole တွင် m/z 50 မှ 1500 အထိ အကြီးဆုံး mass isolation window ရှိသည်။ ရှေ့ကိုယ်ထည် m/z နှင့် isolation width experiment ကို 200 သို့သတ်မှတ်ထားသောအခါ mass range ကို တူရိယာ၏ operating software နှင့် 0 Da မှ အလိုအလျောက်အသက်ဝင်စေသည်။ single mass mode တွင်ကဲ့သို့ mass fragments များကို scan လုပ်ပါ။ mass calibration အတွက် sodium formate (50 ml isopropanol၊ 200 μl formic acid နှင့် 1 ml 1M NaOH aqueous solution) ကိုသုံးပါ။ Bruker ၏ high-precision calibration algorithm ကို အသုံးပြု၍ ပေးထားသောအချိန်ကာလအတွင်း average spectrum ကို run ပြီးနောက် data file ကို calibrate လုပ်သည်။ raw data files များကို NetCDF format သို့ပြောင်းရန် Data Analysis v4.0 software (Brook Dalton, Bremen, Germany) ၏ export function ကိုသုံးပါ။ MS/MS အချက်အလက်အစုံကို open metabolomics database MetaboLights (www.ebi.ac.uk) တွင် accession number MTBLS1471 ဖြင့် သိမ်းဆည်းထားသည်။
MS1 နှင့် MS/MS အရည်အသွေး အချက်ပြမှုများအကြား ဆက်စပ်မှု ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် မကြာသေးမီက အကောင်အထည်ဖော်ထားသော စည်းမျဉ်းများမှတစ်ဆင့် MS/MS စုစည်းမှုကို အကောင်အထည်ဖော်နိုင်ပါသည်။ R script ကို ထုတ်ကုန်သို့ precursor ၏ ဖြန့်ဖြူးမှု၏ ဆက်စပ်မှု ခွဲခြမ်းစိတ်ဖြာမှုကို အကောင်အထည်ဖော်ရန် အသုံးပြုပြီး C# script (https://github.com/MPI-DL/indiscriminant-MS-MS-assembly-pipeline) ကို စည်းမျဉ်းများ အကောင်အထည်ဖော်ရန် အသုံးပြုပါသည်။
နမူနာအနည်းငယ်တွင်သာ m/z အင်္ဂါရပ်အချို့ကို ထောက်လှမ်းခြင်းကြောင့် နောက်ခံဆူညံသံနှင့် မှားယွင်းသော ဆက်စပ်မှုကြောင့် ဖြစ်ပေါ်လာသော မှားယွင်းသော အပြုသဘောဆောင်သည့် အမှားများကို လျှော့ချရန်အတွက်၊ ကျွန်ုပ်တို့သည် R package XCMS ၏ “filled peak” function ကို အသုံးပြုပါသည် (နောက်ခံဆူညံသံပြင်ဆင်ခြင်းအတွက်)။ “NA” (မသိရှိရသေးသော peak) ပြင်းထန်မှုကို အစားထိုးရန် အသုံးပြုသင့်သည်။ fill peak function ကိုအသုံးပြုသောအခါ၊ correlation တွက်ချက်မှုကို သက်ရောက်မှုရှိမည့် data set တွင် “0″ intensity တန်ဖိုးများစွာ ရှိနေသေးသည်။ ထို့နောက်၊ filled peak function ကိုအသုံးပြုသောအခါနှင့် filled peak function ကိုအသုံးမပြုသောအခါ ရရှိသော data processing ရလဒ်များကို နှိုင်းယှဉ်ပြီး ပျမ်းမျှပြင်ဆင်ထားသော ခန့်မှန်းတန်ဖိုးအပေါ် အခြေခံ၍ နောက်ခံဆူညံသံတန်ဖိုးကို တွက်ချက်ပြီးနောက် ဤ 0 intensity တန်ဖိုးများကို တွက်ချက်ထားသော နောက်ခံတန်ဖိုးဖြင့် အစားထိုးပါသည်။ ကျွန်ုပ်တို့သည် နောက်ခံတန်ဖိုးထက် သုံးဆကျော်လွန်သော intensity ရှိသည့် အင်္ဂါရပ်များကိုလည်း ထည့်သွင်းစဉ်းစားပြီး ၎င်းတို့ကို “true peaks” အဖြစ် သတ်မှတ်သည်။ PCC တွက်ချက်မှုများအတွက်၊ sample precursor (MS1) ၏ m/z signals နှင့် အနည်းဆုံး true peaks ရှစ်ခုပါသော fragment data set များကိုသာ ထည့်သွင်းစဉ်းစားပါသည်။
နမူနာတစ်ခုလုံးရှိ precursor quality feature ၏ intensity သည် collision energy နည်းသော သို့မဟုတ် မြင့်မားသော သက်ရောက်မှုရှိသော quality feature ၏ လျော့နည်းသော intensity နှင့် သိသိသာသာ ဆက်စပ်နေပြီး၊ ထို feature ကို CAMERA မှ isotope peak အဖြစ် မသတ်မှတ်ပါက၊ ၎င်းကို ထပ်မံသတ်မှတ်နိုင်သည်။ ထို့နောက်၊ 3 s အတွင်း ဖြစ်နိုင်သော precursor-product pairs အားလုံးကို တွက်ချက်ခြင်းဖြင့် (peak retention အတွက် ခန့်မှန်း retention time window)၊ correlation analysis ကို လုပ်ဆောင်သည်။ m/z တန်ဖိုးသည် precursor value ထက် နိမ့်ပြီး MS/MS fragmentation သည် ၎င်းမှ ဆင်းသက်လာသော precursor နှင့် data set ရှိ sample location တွင် ဖြစ်ပေါ်သည့်အခါတွင်သာ ၎င်းကို fragment အဖြစ် သတ်မှတ်သည်။
ဤရိုးရှင်းသောစည်းမျဉ်းနှစ်ခုအပေါ်အခြေခံ၍၊ ကျွန်ုပ်တို့သည် သတ်မှတ်ထားသော precursor ၏ m/z ထက်ပိုမိုကြီးမားသော m/z တန်ဖိုးများပါရှိသော သတ်မှတ်ထားသော အပိုင်းအစများကို ဖယ်ထုတ်ပြီး precursor ပေါ်လာသည့် နမူနာနေရာနှင့် သတ်မှတ်ထားသော အပိုင်းအစအပေါ်အခြေခံသည်။ MS1 မုဒ်တွင် ထုတ်လုပ်ထားသော in-source အပိုင်းအစများစွာမှ ထုတ်လုပ်ထားသော အရည်အသွေးအင်္ဂါရပ်များကို candidate precursors အဖြစ် ရွေးချယ်နိုင်ပြီး၊ ထို့ကြောင့် redundant MS/MS ဒြပ်ပေါင်းများကို ထုတ်လုပ်နိုင်သည်။ ဤဒေတာ redundancy ကို လျှော့ချရန်အတွက်၊ spectra ၏ NDP ဆင်တူမှုသည် 0.6 ထက်ကျော်လွန်ပြီး CAMERA မှ မှတ်ချက်ပြုထားသော chromatogram “pcgroup” နှင့်သက်ဆိုင်ပါက၊ ကျွန်ုပ်တို့သည် ၎င်းတို့ကို ပေါင်းစည်းပါမည်။ နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့သည် precursor နှင့် အပိုင်းအစများနှင့် ဆက်စပ်နေသော CE ရလဒ်လေးခုလုံးကို မတူညီသော collision energies များတွင် တူညီသော m/z တန်ဖိုးရှိသော candidate peaks အားလုံးတွင် အမြင့်ဆုံး intensity peak ကို ရွေးချယ်ခြင်းဖြင့် နောက်ဆုံး deconvoluted composite spectrum ထဲသို့ ပေါင်းစည်းပါသည်။ နောက်ဆက်တွဲ လုပ်ဆောင်ခြင်းအဆင့်များသည် composite spectrum ၏ အယူအဆအပေါ်အခြေခံပြီး fragmentation ဖြစ်နိုင်ခြေကို အမြင့်ဆုံးဖြစ်စေရန် လိုအပ်သော မတူညီသော CE အခြေအနေများကို ထည့်သွင်းစဉ်းစားပါသည်၊ အဘယ်ကြောင့်ဆိုသော် အချို့သော အပိုင်းအစများကို သတ်မှတ်ထားသော collision energy အောက်တွင်သာ ရှာဖွေတွေ့ရှိနိုင်သောကြောင့်ဖြစ်သည်။
RDPI (30) ကို ဇီဝဖြစ်စဉ်ပရိုဖိုင်၏ inducibility ကိုတွက်ချက်ရန်အသုံးပြုခဲ့သည်။ ဇီဝဖြစ်စဉ် spectrum diversity (Hj index) ကို Martínez et al. (8) မှဖော်ပြထားသော အောက်ပါညီမျှခြင်းကို အသုံးပြု၍ MS/MS frequency distribution ၏ Shannon entropy ကို အသုံးပြု၍ MS/MS precursors များပေါများမှုမှ ဆင်းသက်လာသည်။ Hj = −∑i = 1mPijlog2(Pij) ဤတွင် Pij သည် j-th နမူနာ (j = 1, 2,…, m) (i = 1, 2, …, m) t) ရှိ i-th MS/MS ၏ relative frequency နှင့် ကိုက်ညီသည်။
ဇီဝဖြစ်စဉ်ဆိုင်ရာ သီးခြားဖြစ်မှု (Si အညွှန်းကိန်း) ကို ထည့်သွင်းစဉ်းစားနေသော နမူနာများအကြား ကြိမ်နှုန်းနှင့် ဆက်စပ်၍ ပေးထားသော MS/MS ၏ ဖော်ပြမှု အမှတ်လက္ခဏာအဖြစ် သတ်မှတ်သည်။ MS/MS သီးခြားဖြစ်မှုကို Si = 1t (∑j = 1tPijPilog2PijPi) အဖြစ် တွက်ချက်သည်။
မက်တာဘိုလိုမ်-သီးသန့် δj အညွှန်းကိန်းနှင့် MS/MS သီးခြားဖြစ်မှု၏ ပျမ်းမျှကို တိုင်းတာရန် အောက်ပါဖော်မြူလာကို အသုံးပြုပါ။ δj = ∑i = 1mPijSi
MS/MS ရောင်စဉ်များကို အတွဲလိုက် ချိန်ညှိထားပြီး ဆင်တူမှုကို ရမှတ်နှစ်ခုအပေါ် အခြေခံ၍ တွက်ချက်သည်။ ပထမဦးစွာ၊ စံ NDP (cosine correlation method ဟုလည်း လူသိများသည်) ကို အသုံးပြု၍ အောက်ပါညီမျှခြင်းကို အသုံးပြု၍ ရောင်စဉ်များအကြား segment ဆင်တူမှုကို အမှတ်ပေးသည်။ NDP = (∑iS1 & S2WS1, iWS2, i) 2∑iWS1, i2∑iWS2, i2။ S1 နှင့် S2။ တူညီသောအားဖြင့်၊ spectrum 1 နှင့် spectrum 2 အတွက်၊ WS1, i နှင့် WS2 အတွက်၊ i သည် ရောင်စဉ်နှစ်ခုကြားရှိ i-ခုမြောက် ဘုံထိပ်၏ ကွာခြားချက် 0.01 Da ထက်နည်းသော peak intensity ကို အခြေခံ၍ အလေးချိန်ကို ကိုယ်စားပြုသည်။ အလေးချိန်ကို အောက်ပါအတိုင်း တွက်ချက်သည်- MassBank မှ အကြံပြုထားသည့်အတိုင်း W = [peak intensity] m [quality] n, m = 0.5, n = 2။
ဒုတိယအမှတ်ပေးနည်းလမ်းကို အကောင်အထည်ဖော်ခဲ့ပြီး MS/MS အကြား မျှဝေထားသော NL ကို ခွဲခြမ်းစိတ်ဖြာခြင်းပါဝင်သည်။ ဤရည်ရွယ်ချက်အတွက်၊ MS ကွဲထွက်မှုလုပ်ငန်းစဉ်အတွင်း မကြာခဏကြုံတွေ့ရသော NL စာရင်း ၅၂ ခုနှင့် အားနည်းနေသော Nepenthes မျိုးစိတ်များ၏ ဒုတိယဇီဝဖြစ်စဉ်များ၏ MS/MS ရောင်စဉ်အတွက် ယခင်က မှတ်ချက်ပေးထားသည့် ပိုမိုတိကျသော NL (ဒေတာဖိုင် S1) ကို အသုံးပြုခဲ့သည် (9, 26)။ အချို့သော NL များ၏ လက်ရှိနှင့် မရှိခြင်းနှင့် သက်ဆိုင်သည့် MS/MS တစ်ခုစီအတွက် 1 နှင့် 0 ၏ ဒွိစုံ vector တစ်ခုကို ဖန်တီးပါ။ Euclidean အကွာအဝေးဆင်တူမှုအပေါ်အခြေခံ၍ ဒွိစုံ NL vector တစ်စုံစီအတွက် NL ဆင်တူမှုရမှတ်ကို တွက်ချက်သည်။
dual clustering လုပ်ဆောင်ရန်အတွက်၊ Weighted Gene Co-expression Analysis (WGCNA) ၏ extension ကိုအခြေခံသည့် R package DiffCoEx ကို အသုံးပြုခဲ့ပါသည်။ MS/MS spectra ၏ NDP နှင့် NL scoring matrices များကိုအသုံးပြု၍ comparative correlation matrix ကိုတွက်ချက်ရန် DiffCoEx ကို အသုံးပြုခဲ့ပါသည်။ Binary clustering ကို “cutreeDynamic” parameter ကို method = “hybrid”၊ cutHeight = 0.9999၊ deepSplit = T နှင့် minClusterSize = 10 ဟုသတ်မှတ်ခြင်းဖြင့် လုပ်ဆောင်ပါသည်။ DiffCoEx ၏ R source code ကို Tesson et al. (57) မှ additional file 1 မှ ဒေါင်းလုဒ်လုပ်ခဲ့သည်။ လိုအပ်သော R WGCNA software package ကို https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA တွင် ရှာဖွေနိုင်ပါသည်။
MS/MS မော်လီကျူးကွန်ရက် ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် NDP နှင့် NL ဆင်တူမှုအမျိုးအစားများအပေါ် အခြေခံ၍ တွဲဖက်ရောင်စဉ်ချိတ်ဆက်မှုကို တွက်ချက်ခဲ့ပြီး CyFilescape yFiles layout algorithm extension application တွင် organic layout ကို အသုံးပြု၍ ကွန်ရက် topology ကို မြင်ယောင်ရန် Cytoscape software ကို အသုံးပြုခဲ့သည်။
အချက်အလက်များအပေါ် စာရင်းအင်း ခွဲခြမ်းစိတ်ဖြာမှုပြုလုပ်ရန် R ဗားရှင်း 3.0.1 ကို အသုံးပြုပါ။ စာရင်းအင်းဆိုင်ရာ အရေးပါမှုကို နှစ်လမ်းသွား ခွဲခြမ်းစိတ်ဖြာမှု (ANOVA) ကို အသုံးပြု၍ အကဲဖြတ်ခဲ့ပြီး၊ ထို့နောက် Tukey's honestly significant difference (HSD) post-hoc စမ်းသပ်မှုကို ပြုလုပ်ခဲ့သည်။ အပင်စားကုသမှုနှင့် ထိန်းချုပ်မှုအကြား ကွာခြားချက်ကို ခွဲခြမ်းစိတ်ဖြာရန်အတွက်၊ တူညီသော ကွဲလွဲမှုရှိသော နမူနာအုပ်စုနှစ်စု၏ နှစ်လမ်းသွား ဖြန့်ဖြူးမှုကို Student's t စမ်းသပ်မှုကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာခဲ့သည်။
ဤဆောင်းပါးအတွက် ဖြည့်စွက်ပစ္စည်းများအတွက် http://advances.sciencemag.org/cgi/content/full/6/24/eaaz0381/DC1 ကိုကြည့်ပါ။
ဤသည်မှာ Creative Commons Attribution-Non-Commercial License ၏ စည်းကမ်းချက်များအောက်တွင် ဖြန့်ဝေထားသော အခမဲ့ဝင်ရောက်ကြည့်ရှုနိုင်သော ဆောင်းပါးတစ်ပုဒ်ဖြစ်ပြီး မူရင်းလက်ရာသည် မှန်ကန်ကြောင်း အခြေခံအားဖြင့် နောက်ဆုံးအသုံးပြုမှုသည် စီးပွားဖြစ်အကျိုးအမြတ်အတွက် မဟုတ်သရွေ့ မည်သည့်မီဒီယာဖြင့်မဆို အသုံးပြုခြင်း၊ ဖြန့်ဖြူးခြင်းနှင့် ပြန်လည်ထုတ်လုပ်ခြင်းကို ခွင့်ပြုထားသည်။ ကိုးကားချက်။
မှတ်ချက်- စာမျက်နှာသို့ သင်အကြံပြုထားသော ပုဂ္ဂိုလ်သည် သင်သည် အီးမေးလ်ကို မြင်စေလိုကြောင်းနှင့် ၎င်းသည် spam မဟုတ်ကြောင်း သိရှိစေရန်အတွက် သင့်အီးမေးလ်လိပ်စာကို ပေးရန်သာ ကျွန်ုပ်တို့ တောင်းဆိုပါသည်။ ကျွန်ုပ်တို့သည် မည်သည့်အီးမေးလ်လိပ်စာကိုမျှ မရယူပါ။
ဒီမေးခွန်းကို သင်ဟာ လာရောက်လည်ပတ်သူ ဟုတ်မဟုတ် စမ်းသပ်ဖို့နဲ့ အလိုအလျောက် spam တင်သွင်းမှုကို ကာကွယ်ဖို့ အသုံးပြုပါတယ်။
သတင်းအချက်အလက်သီအိုရီသည် အထူးဇီဝဖြစ်စဉ်အစုအဝေးများကို နှိုင်းယှဉ်ခြင်းနှင့် စမ်းသပ်မှုကာကွယ်ရေးသီအိုရီများ၏ ခန့်မှန်းချက်အတွက် ကမ္ဘာလုံးဆိုင်ရာငွေကြေးကို ပေးသည်။
သတင်းအချက်အလက်သီအိုရီသည် အထူးဇီဝဖြစ်စဉ်အစုအဝေးများကို နှိုင်းယှဉ်ခြင်းနှင့် စမ်းသပ်မှုကာကွယ်ရေးသီအိုရီများ၏ ခန့်မှန်းချက်အတွက် ကမ္ဘာလုံးဆိုင်ရာငွေကြေးကို ပေးသည်။
© 2021 သိပ္ပံတိုးတက်မှုအတွက် အမေရိကန်အသင်း။ မူပိုင်ခွင့်ကိုလက်ဝယ်ထားသည်။ AAAS သည် HINARI၊ AGORA၊ OARE၊ CHORUS၊ CLOCKSS၊ CrossRef နှင့် COUNTER ၏ ပါတနာဖြစ်သည်။ ScienceAdvances ISSN 2375-2548။