Summary

שילוב ראמאן הדמיה ניתוח רב משתנים לדמיין ליגנין, תאית, ו Hemicellulose בקיר תא צמחים

Published: June 10, 2017
doi:

Summary

פרוטוקול זה נועד להציג שיטה כללית לדמיין ליגנין, תאית, hemicellulose בקירות תא הצמח באמצעות הדמיה ראמאן ניתוח רב משתני.

Abstract

היישום של הדמיה ראמאן כדי ביומסה צמח גדל כי זה יכול להציע מידע מרחבי ומלחבי על פתרונות מימיים. הניתוח אינו דורש בדרך כלל הכנת מדגם נרחב; מידע מבניים וכימיים ניתן להשיג ללא תיוג. עם זאת, כל תמונה ראמאן מכיל אלפי ספקטרום; זה מעלה קשיים בעת חילוץ מידע מוסתר, במיוחד עבור רכיבים עם מבנים כימיים דומים. עבודה זו מציגה ניתוח רב משתני כדי לטפל בבעיה זו. הפרוטוקול קובע שיטה כללית לדמיין את המרכיבים העיקריים, כולל ליגנין, תאית, hemicellulose בתוך קיר התא צמחים. בפרוטוקול זה, נהלים להכנת המדגם, רכישה ספקטרלית, ועיבוד נתונים מתוארים. זה תלוי מאוד במיומנות המפעיל על הכנת המדגם וניתוח נתונים. באמצעות גישה זו, חקירה ראמאן יכול להתבצע על ידי משתמש שאינו מומחה לרכוש higנתונים באיכות h ותוצאות משמעותיות עבור ניתוח קיר התא צמחים.

Introduction

Plant biomass is the most abundant renewable resource on Earth; is mainly composed of lignin, cellulose, and hemicellulose; and is considered an attractive source of bioenergy and bio-based chemicals1. Unfortunately, it can resist degradation and confer hydrolytic stability or structural robustness to the plant cell wall. Such resistance is attributable to the accessible surface area, biomass particle size, degree of polymerization, cellulose crystallinity, and protective lignin2. A comprehensive understanding of the structural and chemical nature of the plant cell wall is thus significant from the viewpoint of plant biology and chemistry, as well as from that of commercial utilization. Commonly used wet chemistry analyses, such as chromatography, mass spectrometry, and nuclear magnetic resonance spectroscopy, only provide average compositional data of the measured sample. Furthermore, these methods are invasive and destroy the original structure of the plant tissue3.

The Raman imaging technique is a powerful tool for the nondestructive visualization of spatially resolved chemical information4. It uses a laser light to cause inelastic scattering with a photon and relies on changes in polarizability arising from the molecular vibrations. In this case, water causes weak Raman scattering, which makes this approach suitable for in situ investigations of biological samples5. The application of the Raman imaging technique to the plant cell wall can elucidate the structure and composition of plant cell walls in their native state, with the resolution on the scale of the single cell and even of the cell wall layers6. A typical Raman imaging analysis of a plant cell wall generally consists of three steps: 1) sample preparation, 2) spectral acquisition, and 3) data processing.

Although one of the major advantages of Raman imaging is the ability to achieve label-free and non-destructive spectra with minimal sample preparation, physical sample sectioning is still necessary to expose the surface of interest. This process should be performed carefully to obtain a flat surface, since the technique depends on maintaining optical focus7. Spectral acquisition requires a balance between image quality and extensive acquisition times8. Data processing aims to effectively extract the chemical information from the image data, especially for the components with similar chemical structures, such as cellulose and hemicellulose. Due to the strong spectral overlap, the exact spectra are difficult to discern. In this case, multivariate analysis is a straightforward approach to effectively uncover the hiding structural and chemical information9. This work presents a general protocol describing the use of Raman imaging to visualize the main components in plant cell walls, including lignin, cellulose, and hemicellulose.

Protocol

1. הכנה לדוגמא לחתוך גוש רקמות קטן (כ 3 מ"מ x 3 מ"מ x 5 מ"מ) מן המדגם צמח ( למשל, גזע צפצפה). לטבול את הרקמה במים רותח deionized למשך 30 דקות. מיד להעביר אותו מים deionized בטמפרטורת החדר (RT) במשך 30 ד?…

Representative Results

איור 1 מציג סקירה של מערכת טיפוסי מיקרו ראמאן הדמיה ראמאן של קיר תא צמחים. כדוגמה, ספקטרום ראמאן המקורי של צפצפה ( Populus nigra L.) יש היסודות משמעותיים דוקרנים ( איור 2 א ). לאחר ביצוע שיטת עיבוד אוטומטי מראש עבור נתונים ה…

Discussion

קיר תא הצמח הוא מורכב כי מאורגן למספר שכבות, כולל פינת התא (CC), הקיר המשני (SW, עם S1, S2, ו S3 שכבות), ו lamella תרכובת באמצע (CML, lamella באמצע בתוספת העיקרי יסודי קיר), אשר מקשה להשיג משטח שטוח במהלך הכנת המדגם. לפיכך, דגימות צמח, במיוחד הדשא, אשר יש מבנה מסובך יותר מאשר עץ, לעתים קרובו?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

אנו מודים למשרד המדע והטכנולוגיה של סין (2016YDF0600803) על התמיכה הכספית.

Materials

Microtome Thermo Scientific Microm HM430
Confocal Raman microscope Horiba Jobin Yvon Xplora
Oven Shanghai ZHICHENG ZXFD-A5040

References

  1. Gonzalo, G. D., et al. Bacterial Enzymes Involved in Lignin Degradation. J. Biotechnol. 236, 110-119 (2016).
  2. Rosatella, A. A., Afonso, C. A. M. Chapter 2. Ionic Liquids in the Biorefinery Concept: Challenges and Perspectives. , 38-64 (2016).
  3. Sun, L., et al. Understanding tissue specific compositions of bioenergy feedstocks Through hyperspectral Raman imaging. Bio. 108 (2), 286-295 (2009).
  4. Tolstik, T., et al. Classification and prediction of HCC tissues by Raman imaging with identification of fatty acids as potential lipid biomarkers. J. Cancer. Res. Clin. Oncol. 141 (3), 407-418 (2015).
  5. Schrader, B. . Infrared and Raman spectroscopy: methods and applications. , (2008).
  6. Gierlinger, N., et al. Imaging of plant cell walls by confocal Raman microscopy. Nat. Protoc. 7 (9), 1694-1708 (2012).
  7. Luca, A. C. D., et al. Online fluorescence suppression in modulated Raman spectroscopy. Anal. Chem. 82 (2), 738-745 (2009).
  8. Schlücker, S., et al. Raman microspectroscopy: a comparison of point, line, and wide-field imaging methodologies. Anal. Chem. 75 (16), 4312-4318 (2003).
  9. Cooper, J. B. Chemometric analysis of Raman spectroscopic data for process control applications. Chemometr. Intell. Lab. Syst. 46 (2), 231-247 (1999).
  10. Cheng, H. J., Hsiau, S. S. The study of granular agglomeration mechanism. Powder Technol. 199 (3), 272-283 (2010).
  11. Zhang, X., et al. Method for removing spectral contaminants to improve analysis of Raman imaging data. Sci. Rep. 6, 39891 (2016).
  12. Shinzawa, H., et al. Multivariate data analysis for Raman spectroscopic imaging. J. Raman Spectrosc. 40 (12), 1720-1725 (2009).
  13. Lawton, W. H., Sylvestre, E. A. Self modeling curve resolution. Technometrics. 13, 617-633 (1971).
  14. Zhang, X., et al. Method for automatically identifying spectra of different wood cell wall layers in Raman imaging data set. Anal. Chem. 87 (2), 1344-1350 (2015).
  15. Kudelski, A. Analytical application of Raman spectroscopy. Talanta. 76 (1), 1-8 (2008).

Play Video

Cite This Article
Zhang, X., Chen, S., Xu, F. Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall. J. Vis. Exp. (124), e55910, doi:10.3791/55910 (2017).

View Video