了解復(fù)雜表型的分子機(jī)制需要對(duì)復(fù)雜的代謝網(wǎng)絡(luò)進(jìn)行系統(tǒng)分析，并有助于提高主要谷物作物的育種效率和人類疾病診斷的準(zhǔn)確性。在這里，作者選擇水稻（Oryza sativa）雜種優(yōu)勢(shì)作為一個(gè)復(fù)雜的表型，并使用非靶向代謝組學(xué)策略研究了營(yíng)養(yǎng)性狀和生殖性狀的機(jī)制。鑒定了雜種優(yōu)勢(shì)相關(guān)分析物，重疊分析物顯示為六個(gè)農(nóng)藝性狀關(guān)聯(lián)模式的基礎(chǔ)。4個(gè)產(chǎn)量構(gòu)成因素和株高的雜種優(yōu)勢(shì)相關(guān)分析共同貢獻(xiàn)了產(chǎn)量雜種優(yōu)勢(shì)，5個(gè)性狀的貢獻(xiàn)程度不同。

六個(gè)農(nóng)藝性狀雜種優(yōu)勢(shì)相關(guān)分析物的鑒定。A， 六個(gè)農(nóng)藝性狀在群體和個(gè)體水平上的雜種優(yōu)勢(shì)。記錄了5個(gè)生產(chǎn)性狀（包括產(chǎn)量和4個(gè)產(chǎn)量構(gòu)成因素）和1個(gè)營(yíng)養(yǎng)性狀（株高），條形表示標(biāo)準(zhǔn)誤差。B，轉(zhuǎn)化的親本代謝物水平與雜種優(yōu)勢(shì)之間的相關(guān)數(shù)。計(jì)算了親本代謝物水平的平均值、差異和比率，并對(duì)這6個(gè)性狀的雜種優(yōu)勢(shì)進(jìn)行了皮爾遜相關(guān)分析。P值小于0.05的相關(guān)性被認(rèn)為是顯著的，N=3,746。C，偏最小二乘回歸中不同數(shù)量的預(yù)測(cè)分析物的 r 值變化。每個(gè)性狀的最佳預(yù)測(cè)分析物數(shù)量用黑色箭頭標(biāo)記。D–E， 株高（D）和產(chǎn)量（E）雜種優(yōu)勢(shì)的觀測(cè)值和預(yù)測(cè)值與相應(yīng)的雜種優(yōu)勢(shì)相關(guān)分析物之間的相關(guān)性。F， 峰位為M163T337_NEG和4-羥基肉桂酸標(biāo)準(zhǔn)品的分析物的MS/MS光譜。G，4-羥基肉桂酸代謝物水平與株高雜種優(yōu)勢(shì)的相關(guān)性。H，產(chǎn)量和四個(gè)產(chǎn)量組成部分的雜種優(yōu)勢(shì)相關(guān)分析物的維恩圖。 在面板 A、D、E 和 G 中，N = 287。

縮寫：優(yōu)良親本雜種優(yōu)勢(shì)（BPH）、結(jié)實(shí)率（SSR）、千粒重（TGW）、每穗粒數(shù)（GNP）、單株分蘗數(shù)（TPP）、單株產(chǎn)量（YPP）、株高（HP）。

作者對(duì)高親本和低親本雜種優(yōu)勢(shì)進(jìn)行失調(diào)網(wǎng)絡(luò)分析，發(fā)現(xiàn)雜種優(yōu)勢(shì)涉及多種類型的代謝途徑。顯著富集途徑（尤其是氨基酸和碳水化合物代謝途徑）的代謝物水平可預(yù)測(cè)產(chǎn)量雜種優(yōu)勢(shì)（曲線下面積=0.907，具有10個(gè)特征），并且這些途徑生物標(biāo)記的可預(yù)測(cè)性通過(guò)跨環(huán)境和種群的雜交得到驗(yàn)證。

豐富的雜種優(yōu)勢(shì)代謝途徑。A，偏最小二乘回歸和貝葉斯方法之間分析物的重疊。B，五個(gè)繁殖性狀雜種優(yōu)勢(shì)富集途徑的維恩圖。具有產(chǎn)量雜種優(yōu)勢(shì)的四種產(chǎn)量構(gòu)成要素中，每種產(chǎn)量構(gòu)成要素的通路重疊比例相應(yīng)顯示在括號(hào)中。四個(gè)產(chǎn)量組分的重疊和自身富集途徑的數(shù)量分別顯示在斜線的左側(cè)和右側(cè)。NA,不適用。C，高和低 BPH-YPP 雜種之間戊糖和葡萄糖醛酸相互轉(zhuǎn)化的代謝物水平的比較。獨(dú)立樣本 t 檢驗(yàn)，雙尾。N = 72。每個(gè)箱線圖的中心線代表第 50 個(gè)百分位數(shù)。每個(gè)箱線圖的底部和頂部分別代表第 25 個(gè)和第 75 個(gè)百分位數(shù)。晶須代表最小值和最大值，圓圈代表異常值。D，戊糖和葡萄糖醛酸代謝物相互轉(zhuǎn)化水平與產(chǎn)量雜種優(yōu)勢(shì)的關(guān)系。N=144。E，產(chǎn)量雜種優(yōu)勢(shì)顯著富集途徑的相關(guān)模式。產(chǎn)量雜種優(yōu)勢(shì)顯著富集的途徑有17條，并根據(jù)其數(shù)量信息進(jìn)行Pearson相關(guān)性分析。紫色和綠色箭頭分別表示高BPH-YPP雜種的代謝產(chǎn)物水平高或低。來(lái)自氨基酸代謝和碳水化合物代謝的調(diào)節(jié)途徑的百分比顯示在括號(hào)中。氰基氨基酸代謝和丙酸代謝之間的相關(guān)性用黑色方框突出顯示。F， 檸檬酸循環(huán)的代謝物水平與氨基酸和碳水化合物代謝的兩條途徑之間的相關(guān)性。N=144。

作者的發(fā)現(xiàn)闡明了水稻雜種優(yōu)勢(shì)的代謝組學(xué)前景，并強(qiáng)調(diào)了途徑生物標(biāo)志物在實(shí)現(xiàn)復(fù)雜表型的準(zhǔn)確預(yù)測(cè)中的潛在應(yīng)用。

來(lái)源：Plant Physiology.The metabolomic landscape of rice heterosis highlights pathway biomarkers for predicting complex phenotypes.Zhiwu Dan, Yunping Chen, Hui Li, Yafei Zeng, Wuwu Xu, Weibo Zhao, Ruifeng He, Wenchao Huang Author Notes

https://academic.oup.com/plphys/advance-article/doi/10.1093/plphys/kiab273/6298605