O Conceito Terroir Interpretado através da baga da uva Metabolomics e transcriptómica
Summary
Este artigo descreve a aplicação de metabolômica irrelevantes, transcriptomics e análise estatística multivariada para transcrições baga da uva e metabolitos, a fim de ter uma visão sobre o conceito terroir, ou seja, o impacto do meio ambiente sobre características de qualidade de baga.
Abstract
Terroir refere-se à combinação de fatores ambientais que afetam as características das culturas como videira (Vitis vinifera) de acordo com determinados habitats e práticas de gestão. Este artigo mostra como certos assinaturas terroir pode ser detectado no metaboloma baga e transcriptoma do Corvina videira cultivar utilizando análise estatística multivariada. O método requer primeiro um plano de amostragem adequada. Neste estudo de caso, um clone específico da cultivar Corvina foi selecionado para minimizar as diferenças genéticas, e amostras foram coletadas em sete vinhas representando três diferentes macro-regiões durante as três estações de crescimento diferentes. Uma abordagem não segmentados metabolômica LC-MS é recomendado devido à sua alta sensibilidade, acompanhado de processamento de dados eficiente usando software MZmine e uma estratégia de identificação metabólito com base na análise da árvore de fragmentação. análise de transcriptoma global pode ser conseguido usando microarrayscontendo sondas cobrindo ~ 99% de todos os genes de videira preditos, permitindo a análise simultânea de todos os genes expressos diferencialmente no contexto de diferentes terrenos de. Finalmente, a análise de dados multivariados com base em métodos de projecção pode ser utilizado para ultrapassar o efeito forte específico da vindima, permitindo que os dados e metabolômicas transcriptômica a ser integrados e analisados em pormenor, para identificar as correlações informativos.
Introduction
análise de dados em larga escala com base nos genomas, transcriptomes, proteomas e metabolomes de plantas oferece uma visão sem precedentes sobre o comportamento de sistemas complexos, tais como as características terroir do vinho que refletem as interações entre plantas de videira e seu ambiente. Porque o terroir de um vinho pode ser diferente, mesmo quando clones de videira idênticos são cultivadas em vinhedos diferentes, a análise genômica é de pouca utilidade, porque os genomas clonais são idênticos. Em vez disso, é necessário olhar para as correlações entre a expressão do gene e as propriedades metabólicas das bagas, que determinam os traços de vinho de qualidade. A análise da expressão do gene ao nível dos benefícios transcriptoma de as propriedades químicas semelhantes de todos os transcritos, o que facilita a análise quantitativa por exploração das características universais, tais como hibridação com sondas imobilizadas em microarrays. Em contraste, os métodos analíticos universais em proteômica umnd metabolômica são mais difíceis por causa da enorme diversidade física e química de proteínas e metabólitos individuais. No caso de metabolômica esta diversidade é ainda mais extrema, porque metabólitos individuais diferem muito em tamanho, polaridade, abundância e volatilidade, de forma que nenhum processo de extração única ou método analítico oferece uma abordagem holística.
Entre as plataformas de análise adequados para os metabolitos não voláteis, os baseados em cromatografia líquida de alto desempenho acoplada a espectrometria de massa (HPLC-MS) são muito mais sensíveis do que as alternativas, tais como a CLER com raios ultravioleta ou de diodos detectores de matriz (HPLC-UV, HPLC-DAD ) ou espectroscopia de ressonância magnética nuclear (RMN), mas a análise quantitativa por meio de HPLC-MS pode ser influenciado por fenómenos tais como o efeito da matriz e de supressão de iões / realce 1-3. A investigação de tais efeitos durante a análise dos bagos de uva Corvina por HPLC-MS usando uma fonte de ionização electrospray (HPLC-ESI-MS), mostrou que os açúcares e outras moléculas com as menores tempos de retenção foram fortemente subestimada, provavelmente reflectindo também o grande número de moléculas nesta zona, e que a abundância de outras moléculas pode ser subestimada, excessivas ou afectada pelo efeito matriz , mas a normalização de dados para o efeito de matriz parecia ter impacto limitado sobre o resultado de 4,5 global. O método aqui descrito é otimizado para a análise dos metabolitos média polaridade que se acumulam em níveis elevados em bagos de uva durante a maturação e que são significativamente impactados pelo terroir. Eles incluem antocianinas, flavonóis, flavan-3-ols, procianidinas, outros flavonóides, resveratrol, estilbenos, ácidos hidroxicinâmico e ácidos hidroxibenzóico, que, juntos, determinam a cor, sabor e propriedades relacionadas com a saúde de vinhos. Outros metabolitos, tais como os açúcares e os ácidos orgânicos alifáticos, são ignorados porque a quantificação por meio de HPLC-MS não é fiável devido à matriz effect e supressão de íons fenômenos 5. Dentro da gama de polaridade seleccionada por este método, a abordagem é não segmentado em que visa detectar como muitos metabolitos diferentes quanto possível 6.
Transcriptomics métodos que permitem que milhares de transcritos de videira para ser monitorizada simultaneamente são facilitado pela disponibilidade da sequência do genoma completo videira 7,8. métodos transcriptômica início com base em high-throughput seqüenciamento de cDNA evoluíram com o advento do sequenciamento de última geração em um conjunto de procedimentos descritos coletivamente como a tecnologia de RNA-Seq. Esta abordagem está se tornando rapidamente o método de escolha para estudos transcriptômica. No entanto, um grande corpo de literatura com base no micro-arranjo, o que permite milhares de transcritos para ser quantificada em paralelo por hibridização, tem acumulado para vinha. Na verdade, antes de RNA-Seq tornou-se uma tecnologia mainstream, muitas plataformas de microarrays comerciais dedicados tinha sidodesenvolvido permitindo transcriptoma vinha a ser inspeccionado em grande detalhe. Entre a grande variedade de plataformas, apenas dois permitiu a análise do transcriptoma do genoma 9. A matriz mais evoluído permitiu a hibridização de cerca de 12 amostras independentes de um único dispositivo, reduzindo assim os custos de cada experiência. As 12 sub-matrizes cada um composto 135.000 sondas 60-mer representando 29,549 transcrições de videira. Este dispositivo foi usado em um grande número de estudos 10-24. Estas duas plataformas já foram interrompidas, mas um novo microarray personalizado foi recentemente concebido e representa um desenvolvimento mais recente, já que contém um número ainda maior de sondas que representam genes de videira recém-descobertos mais 25.
Os conjuntos de dados de grande venda produzidas por transcriptomics e metabolômica análise requer métodos estatísticos adequados para a análise de dados, incluindo técnicas de análise multivariada para determinar correlações entre forma diferentes de dados. As técnicas de análise multivariada mais utilizados são aqueles com base em projeção, e estes podem ser sem supervisão, tais como análise de componentes principais (PCA), ou supervisionado, como projeção ortogonal bidirecional com estruturas latentes análise discriminante (O2PLS-DA) 26. O protocolo apresentado neste artigo utiliza PCA para análise exploratória de dados e O2PLS-DA para identificar diferenças entre grupos de amostras.
Protocol
Representative Results
Discussion
Este artigo descreve os metabolômica, transcriptomics e protocolos de análise estatística utilizados para interpretar o conceito de terroir baga da uva. Metabolómica análise por meio de HPLC-ESI-MS é suficientemente sensível para detectar um grande número de metabolitos simultaneamente, mas a quantificação relativa é afectado pelo efeito da matriz e de iões de supressão / realce. No entanto, uma abordagem semelhante já foi usado para descrever o amadurecimento e fulminante pós-colheita de frutos Corvina, …
Disclosures
The authors have nothing to disclose.
Acknowledgements
This work benefited from the networking activities coordinated within the EU-funded COST ACTION FA1106 “An integrated systems approach to determine the developmental mechanisms controlling fleshy fruit quality in tomato and grapevine”. This work was supported by the ‘Completamento del Centro di Genomica Funzionale Vegetale’ project funded by the CARIVERONA Bank Foundation and by the ‘Valorizzazione dei Principali Vitigni Autoctoni Italiani e dei loro Terroir (Vigneto)’ project funded by the Italian Ministry of Agricultural and Forestry Policies. SDS was financed by the Italian Ministry of University and Research FIRB RBFR13GHC5 project “The Epigenomic Plasticity of Grapevine in Genotype per Environment Interactions”.
Materials
| Mill Grinder | IKA | IKA A11 basic | |
| HPLC Autosampler | Beckman Coulter | - | System Gold 508 Autosampler |
| HPLC System | Beckman Coulter | - | System Gold 127 Solvent Module HPLC |
| C18 Guard Column | Grace | - | Alltima HP C18 (7.5×2.1mm; 5μm) Guard Column |
| C18 Column | Grace | - | Alltima HP C18 (150×2.1mm; 3μm) Column |
| Mass Spectometer | Bruker Daltonics | - | Bruker Esquire 6000; The mass spectometer was equipped with an ESI source and the analyzer was an ion trap. |
| Extraction solvents and HPLC buffers | Sigma | 34966 | Methanol LC-MS grade |
| Sigma | 94318 | Formic acid LC-MS grade | |
| Sigma | 34967 | Acetonitrile LC-MS grade | |
| Sigma | 39253 | Water LC-MS grade | |
| Minisart RC 4 Syringe filters (0.2 μm) | Sartorius | 17764 | |
| Softwares for data collection (a) and processing (b) | Bruker Daltonics | – | Bruker Daltonics Esquire 5.2 Control (a); Esquire 3.2 Data Analysis and MzMine 2.2 softwares (b) |
| Spectrum Plant Total RNA kit | Sigma-Aldrich | STRN250-1KT | For total RNA extractino from grape pericarps |
| Nanodrop 1000 | Thermo Scientific | 1000 | |
| BioAnalyzer 2100 | Agilent Technologies | G2939A | |
| RNA 6000 Nano Reagents | Agilent Technologies | 5067-1511 | |
| RNA Chips | Agilent Technologies | 5067-1511 | |
| Agilent Gene Expression Wash Buffer 1 | Agilent Technologies | 5188-5325 | |
| Agilent Gene Expression Wash Buffer 2 | Agilent Technologies | 5188-5326 | |
| LowInput QuickAmp Labeling kit One-Color | Agilent Technologies | 5190-2305 | |
| Kit RNA Spike In – One-Color | Agilent Technologies | 5188-5282 | |
| Gene Expression Hybridization Kit | Agilent Technologies | 5188-5242 | |
| RNeasy Mini Kit (50) | Qiagen | 74104 | For cRNA Purification |
| Agilent SurePrint HD 4X44K 60-mer Microarray | Agilent Technologies | G2514F-048771 | |
| eArray | Agilent Technologies | – | https://earray.chem.agilent.com/earray/ |
| Gasket slides | Agilent Technologies | G2534-60012 | Enable Agilent SurePrint Microarray 4-array Hybridization |
| Thermostatic bath | Julabo | – | |
| Hybridization Chamber | Agilent Technologies | G2534-60001 | |
| Microarray Hybridization Oven | Agilent Technologies | G2545A | |
| Hybridization Oven Rotator Rack | Agilent Technologies | G2530-60029 | |
| Rotator Rack Conversion Rod | Agilent Technologies | G2530-60030 | |
| Staining kit | Bio-Optica | 10-2000 | Slide-staining dish and Slide rack |
| Magnetic stirrer device | AREX Heating Magnetic Stirrer | F20540163 | |
| Thermostatic Oven | Thermo Scientific | Heraeus – 6030 | |
| Agilent Microarray Scanner | Agilent Technologies | G2565CA | |
| Scanner Carousel, 48-position | Agilent Technologies | G2505-60502 | |
| Slide Holders | Agilent Technologies | G2505-60525 | |
| Feature extraction software v11.5 | Agilent Technologies | – | inside the Agilent Microarray Scanner G2565CA |
| SIMCA + V13 Software | Umetrics |
References
- Jessome, L. L., Volmer, D. A. Ion suppression: A major concern in mass spectrometry. Lc Gc N Am. 24 (5), 498-510 (2006).
- Kim, H. K., Choi, Y. H., Verpoorte, R. NMR-based plant metabolomics: where do we stand, where do we go?. Trends Biotech. 29 (6), 267-275 (2011).
- Sumner, L. W., Mendes, P., Dixon, R. A. Plant metabolomics: large-scale phytochemistry in the functional genomics era. Phytochem. 62 (6), 817-836 (2003).
- Bottcher, C., von Roepenack-Lahaye, E., Willscher, E., Scheel, D., Clemens, S. Evaluation of matrix effects in metabolite profiling based on capillary liquid chromatography electrospray ionization quadrupole time-of-flight mass spectrometry. Anal Chem. 79 (4), 1507-1513 (2007).
- Toffali, K., et al. Novel aspects of grape berry ripening and post-harvest withering revealed by untargeted LC-ESI-MS metabolomics analysis. Metabolomics. 7 (3), 424-436 (2011).
- Martin, J. C., et al. Can we trust untargeted metabolomics? Results of the metabo-ring initiative, a large-scale, multi-instrument inter-laboratory study. Metabolomics. 11 (4), 807-821 (2015).
- Jaillon, O., et al. The grapevine genome sequence suggests ancestral hexaploidization in major angiosperm phyla. Nature. 449 (7161), 463-467 (2007).
- Velasco, R., et al. A high quality draft consensus sequence of the genome of a heterozygous grapevine variety. Plos One. 2 (12), (2007).
- Tornielli, G. B., Zamboni, A., Zenoni, S., Delledonne, M., Pezzotti, M., Gerós, H., Chaves, M., Delrot, S. Ch. 11. The Biochemestry of the Grape Berry. 11, (2012).
- Anesi, A., et al. Towards a scientific interpretation of the terroir concept: plasticity of the grape berry metabolome. BMC Plant Biol. 15, 1-17 (2015).
- Berdeja, M., et al. Water limitation and rootstock genotype interact to alter grape berry metabolism through transcriptome reprogramming. Hort Res. 2, 1-13 (2015).
- Carbonell-Bejerano, P., et al. Solar ultraviolet radiation is necessary to enhance grapevine fruit ripening transcriptional and phenolic responses. BMC Plant Biol. 14, 1-16 (2014).
- Carbonell-Bejerano, P., et al. Reducing sampling bias in molecular studies of grapevine fruit ripening: transcriptomic assessment of the density sorting method. Theor Exp Plant Phys. 28 (1), 109-129 (2016).
- Carbonell-Bejerano, P., et al. Circadian oscillatory transcriptional programs in grapevine ripening fruits. BMC Plant Biol. 14, 1-15 (2014).
- Cavallini, E., et al. Functional diversification of grapevine MYB5a and MYB5b in the control of flavonoid biosynthesis in a petunia anthocyanin regulatory mutant. Plant & Cell Physiol. 55 (3), 517-534 (2014).
- Cramer, G. R., et al. Transcriptomic analysis of the late stages of grapevine (Vitis vinifera cv. Cabernet Sauvignon) berry ripening reveals significant induction of ethylene signaling and flavor pathways in the skin. BMC Plant Biol. 14, 1-21 (2014).
- Dal Santo, S., et al. The plasticity of the grapevine berry transcriptome. Genome Biol. 14 (6), 1-17 (2013).
- Fasoli, M., et al. The Grapevine Expression Atlas Reveals a Deep Transcriptome Shift Driving the Entire Plant into a Maturation Program. Plant Cell. 24 (9), 3489-3505 (2012).
- Gambino, G., et al. Co-evolution between Grapevine rupestris stem pitting-associated virus and Vitis vinifera L. leads to decreased defence responses and increased transcription of genes related to photosynthesis. J Exp Bot. 63 (16), 5919-5933 (2012).
- Ghan, R., et al. Five omic technologies are concordant in differentiating the biochemical characteristics of the berries of five grapevine (Vitis vinifera L.) cultivars. BMC Genomics. 16 (1), 1-26 (2015).
- Pastore, C., et al. Selective defoliation affects plant growth, fruit transcriptional ripening program and flavonoid metabolism in grapevine. BMC Plant Biol. 13, 1-13 (2013).
- Pastore, C., et al. Increasing the source/sink ratio in Vitis vinifera (cv Sangiovese) induces extensive transcriptome reprogramming and modifies berry ripening. BMC Genomics. 12, 1-23 (2011).
- Rinaldo, A. R., et al. A Grapevine Anthocyanin Acyltransferase, Transcriptionally Regulated by VvMYBA, Can Produce Most Acylated Anthocyanins Present in Grape Skins. Plant Physiol. 169 (3), 1897-1916 (2015).
- Royo, C., et al. Developmental, transcriptome, and genetic alterations associated with parthenocarpy in the grapevine seedless somatic variant Corinto bianco. J Exp Bot. , 259-273 (2015).
- Venturini, L., et al. De novo transcriptome characterization of Vitis vinifera cv. Corvina unveils varietal diversity. BMC Genomics. 14, 1-13 (2013).
- Commisso, M., Strazzer, P., Toffali, K., Stocchero, M., Guzzo, F. Untargeted metabolomics: an emerging approach to determine the composition of herbal products. Comput Struct Biotechnol J. 4, 1-7 (2013).
- Pluskal, T., Castillo, S., Villar-Briones, A., Oresic, M. MZmine 2: Modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data. BMC Bioinformatics. 11, 1-11 (2010).
- Ashburner, M., et al. Gene Ontology: tool for the unification of biology. Nat Genet. 25 (1), 25-29 (2000).
