代谢组除草剂作用模式分类和鉴定研究中的应用进展纪明山

1、Vol. 52, No. 12Dec. 2013第52卷第12期2013年12月AGROCHEMICALS,. 代谢组除草剂作用模式分类和鉴定研究中的应用进展J., 2013, 52(12): 859-864.代谢组除草剂作用模式分类和鉴定研究中的应用进展(沈阳农业大学 植物保护学院，沈阳 110161)摘要：将代谢组学(主要是代谢轮廓(谱)和代谢)应用于除草剂作用模式分类和鉴定，有望成为简化和缩短新型除草剂创制过程的一种有效辅助。重点介绍了代谢组学的样品，分析预处理、分析、可视化和结果的生物学解释等，以及代谢组除草剂作用模式分类和鉴定研究中的应用情况，展望了代谢组除草剂作用模式分类和鉴定研究

2、中应用的发展趋势。：代谢组学；代谢轮廓(谱)；代谢；除草剂；作用模式文章编号：1006-0413(2013)12-0859-06号：TQ450文献标志码：AApplication Progress of Metabolomics in the Study of the Classification and Identification of the Modes-of-Action(MoA) of HerbicidesZHU He, JI Ming-shan(Plant Protection College, Shenyang Agricultural University, Shenyang

3、110161, China)Abstract: The application of metabolomics (primarily metabolite profiling and metabolic fingerprints) on the classification and identification of the MoA of herbicides is expected to become an effective aid to simplify and shorten the creation process of novel herbicides. This article

4、introduced the key technologies of metabolomics, such as sample preparation, analysis platform, data pre-processing, analyses, visualization and biological interpretation of results, as well as the application status of metabolomics in the study of the classification and identification of the MoA of

5、 herbicides. The development trend of the application of metabolomics in the study of the classification and identification of the MoA of herbicides was reviewed.Key words: metabolomics; metabolite profiling; metabolic fingerprints; herbicides; modes-of-action(MoA)目前，全世界正日注在不断的自然环境中进业大学科学大阪府立大学生命与环境

6、科行粮食生产来供养呈几何指数增长的人口。商品化除草学、德国克植物生理学等先)剂在全世界农业机械化上扮演着重要，并为各国粮食后开展了利用代谢组学(主要是代谢轮廓(谱)和代谢高产作出了巨大贡献。随着对除草剂研究的不断深入，不但从结构上对除草剂进行分类，还进一步深化到从作用模式(MoA)(或作用靶标)方面对除草剂进行分类。根据除进行已知MoA的除草剂的分类和代谢生物标志物鉴定的实验研究。目前，沈阳农业大学植物保护学院课题组正率先在国内开展“基于代谢组学的除草剂作用机理研草剂抗性行动委员会(HRAC)数据，已确定现有除草究”工作。本研究介绍了植物代谢组学的样品，分析剂中多达20多种不同MoA。除草剂M

7、oA不仅已成为指导合理使用除草剂的重要方法，而且，还将对简化和缩短新预处理、分析、可视化和结果的生物学解释等关键技术，以及代谢组除草剂MoA分类和鉴定研究中的型除草剂创制过程产生影响。将代谢组学应用于除应用情况，并展望了代谢组究中应用的发展趋势。除草剂MoA分类和鉴定研草剂MoA分类和鉴定研究中，一方面，通过代谢分析对已知MoA的除草剂进行分类，建立起已知MoA的除草1 代谢组学代谢组学(Metabolomics/Metabonomics)旨在全面定性或定量分析研究某个生物体或组织甚至单个细胞的全部剂代谢图谱文库，创建一个可快速筛查未知除草剂MoA的方法，为研制新型除草剂及其作用机理研究奠定

8、基础；另一方面，利用代谢轮廓(谱)分析技术进行除草剂代谢标志物鉴定，发现那些具有高选择性的独特作用位 点，进而评价除草剂药效作用和发现除草剂作用靶标及其作用模式，为 毒理学进行风险评估提供依据。为代谢物(量小于1 000)成分及其动态变化1-2。其小主要优点是同步代谢网络，可以将生物和/或非生物病原引起的代谢网络中的变化与相应生物标志物的检测起来，因此，代谢组学充当了型与表现型之间联此，自21世纪，美国巴斯夫农业、希腊雅典农收稿日期：2013-08-06，修返日期：2013-09-19作者简介通讯作者(1987)，女()，在读博士，主要从事毒理学研究。研究。Tel：zhuhev5。：jimin

9、gshan。，男，教授，博士，主要从事毒理学和生物农 药 AGROCHEMICALS第52卷860系的桥梁。代谢组分析分为4 个层次3 ：1) 代谢物靶标分析 (Metabolite target)，对特定代谢反应中某一个或某几个特定代谢物进行分析；2)代谢轮廓(谱)分析(Metaboliteprofiling)，对特定代谢途径中的结构或性质相关的预设管NMR灵敏度不如MS，但主要因它的高再现性以及有关样品要求最少而被地用于代谢组学之中。最近，采用更高场磁体(900 MHz)、低温冷却探针、小型微探针、LC-NMR和LC-NMR/MS联用仪，以及NMR数据库，为NMR在代谢组学上的应用打开了新

10、局面6。此外，1H魔角旋转(MAS)NMR方便分析前处理的完整微小组织，代谢产物系列进行定量测定；3)代谢/代谢足迹分析该技术对代谢组学而言有着很大潜力，但尚未被很好利(Metabolic fingerprints/Metabolic footprints)，不分离鉴定具体代谢物，而是定性或半定量分析细胞内/外全部代谢物变化，对样品进行快速分类；4)代谢组学，在限定条件下对某个特定生物细胞或样品中的所有代谢物进行定性和定量分析，但当前乃至今后一段时间内，受仪器分析水平所限，目前还没有任何一种分析方法能够对所有代谢物进行用。NMR在代谢组学上应用的最大是灵敏度低(检测限15 M)、仪器购置和维修

11、成本高(尤其是能够观察1H频率高于500 MHz的仪器)以及缺乏利用相关数据库自动鉴定代谢物。MS检测器与色谱分离联用再与现有质谱文库结合， 使得MS用于代谢组学具有最明显的优势。同NMR相比， MS检测器具有检测限低、检测速度快、动态范围宽广等 优点，只是再现性不如前者。气相色谱-质谱(GC/MS)适 合分析低极性、低沸点代谢物或者衍生化后具有挥发性 的物质。由于其分辨率高、灵敏度高、应用范围广，具有 大量标准代谢物谱图库，且设备购置、运行及维修成本相 对低廉等特点，是目前植物代谢组学研究的主要分析平 台之一。与GC结合的飞行时间(TOF)分析器的开发和采 用，大幅度缩短了复杂混合物分析所需

12、时间，并且改进了质量准确度7。同GC相比，液相色谱(LC)不受样品挥发性和热稳定性的影响，样品前处理非常简单，过滤后检测，实现真正意义上的代谢组学尚需分析方法有突破。目前，在除草剂MoA分类和鉴定研究中，主要使用代谢分析和代谢轮廓(谱)分析开展除草剂MoA分类和鉴别以及作用靶标(生物标志物)鉴定工作。植物代谢组学包括样品，化学分析平台获取数据，数据预处理、分析和可视化，以及结果的生物学解释等关键技术。1.1 样品取样、代谢物提取及分析前处理是代谢组学样品技术的3个重要组成部分，是获得可靠数据的前提。为了使取样和提取过程达到快速、高效、均一性好及保持化合便可直接，而不需衍生化。因此，LC/MS可

13、有效分析物的稳定，通常将植物组织用液氮淬灭(快速冷冻)，在植物中丰富的次生代谢产物，已发展成为代谢组学分析 必备的 设备。最近文献8-9强调了高效液相色谱-质谱(HPLC/MS)、超高效液相色谱-质谱(UHPLC/MS)以及 亲水作用色谱-质谱联用(HILIC/MS)用于代谢组学研究的潜力。除四极杆MS和TOF/MS之外，它们的组合型四液氮低温下研磨成粉末后，迅速加入样品提取液。用气相色谱-质谱联用(GC-MS)分析的提取物还需经过干燥和衍生化处理。使用液相色谱-质谱联用(LC-MS)分析的提取物则需要经过过滤，去除不溶物，以防止堵塞分离柱。由于样品技术过程繁琐、复杂，极易引起代谢组极杆飞行时

14、间质谱分析仪(-TOF)与LC或者直接据出现偏大的误差，因此，自动化的取样、提取和分析注射质谱(DIMS)结合，在代谢组学研究中应用具有巨前处理技术应运而生4，使用多功能自动器进行样品大潜力10-11。根据比分离待分析样品成分的毛细管的衍生化和自动，大大减少了手动衍生化的繁琐电泳-质谱(CE/MS)适用于复杂混合物的分析和结构鉴定，与GC/MS和LC/MS相比，CE/MS分离样品的速度更快，效率更高，是一种替代GC/MS和LC/MS的分析方法，并对代谢组学而言也具有巨大应用潜力12-13。在代谢组学研和衍生化时间差异等引起的误差。样品技术的机械化和自动化是今后发展的趋势，能最大限度地减少实验误

15、差，使数据更具稳定性和重现性。1.2 分析平台分析平台的选择依赖于样品的理化性质和化学成分、研究目的以及可使用的仪器设备等几个因素。尽管已开发出许多适用于代谢组学的分析仪器设备，但核磁共振究中使用叶变换离子回旋共振/质谱(FT-ICR/MS)和轨道阱MS，为植物代谢组学整体代谢网络分析打开了新视野。FT-ICR/MS是一种优秀的MS检测器，具有高精确度(1 ppm)和分辨能力，已被地应用于高通量代谢组(NMR)和质谱(MS)一直以来都是代谢组学主要分析仪器。使用的学研究之中14-15。轨道阱MS也是一种与FT-ICR/MS相媲美的高级MS检测器，近期才被采用16。最新研究17-18显示出轨道阱

16、MS在代谢组学上的巨大潜力。尽管这2个平台具有强大分辨能力和质量精确度，但将检测出的离子分配NMR可提供有化合物和多元复杂混合物的结构信息。在后一种情况下，化合物的鉴定会变得极具性，尤其是在一维(1D)1H NMR实验中分析前期分离的到相应化合物中依然富有性。Atherton19、Mocoet20、Biais21、Leon22、McKelvie23、粗提样品时，而这是常用的NMR代谢组学实验方法5。尽第12期，等：代谢组除草剂作用模式分类和鉴定研究中的应用进展861Aliferis24等在代谢组学研究中，还将NMR与MS整合在可视化表达。其中，负载图又可分为散点负载图和线性负载图。监督的模式识

17、别方法是对已知类别的样本随机分为 2部分(训练集和测试集)，利用已知类别的训练集建立模型，通过测试集的正确率来表征建立模型的性能。这种方法主要是找出样品分类的最大差异，主要包括偏最小二乘一起，或者将不同MS平台化合物的全面分析。，极大地方便了各种不同1.3 数据预处理、分析和可视化对NMR而言，原始数据预处理主要包括数据的化(标准化)、峰谱对数据的标度换算等。波谱后，法(PLS)、线性判别分析DA)、神经网络法(NN)等，其它们的各基线都会自动得到校正，并且会将它们调整中，以PLS最为常见。在实验数据中，通过PLS方法可最大程度地反映分类组别之间的差异。在PLS的基础上，还提出了正交偏最小二乘

18、法(O-PLS)25-26。需要说明的是，PLS(对齐)到特定化学位移。通常，化学位移的补偿可通过丙酸三甲基硅酯(TSP，0.00 ppm)的基准信号进行调整。压制全情况下，应从进一步分析中排除靠近测量浮标和O-PLS的方法在模型的能力方面并无明显差异，的波谱面积。最后，为了趋势和生物标志物的检测，将波PLS方法主要是通过自身主成分的提取来代偿结构噪声的影响，而O-PLS则通过旋转坐标系消除结构噪声，从而使得对照组和处理组的差别达到最大。但是O-PLS的使用必须以PLS模型通过模型验证为基础，它仅用于寻找引起模型发生差异的代谢物。经过PLS(或O-PLS)分析的数据最终通过相关系数图可视化表现

19、出来。谱标准化并且合并成一个单一数据矩阵，再(MVA)。变量分析对MS而言，尽管在代谢组学研究中可以应用MS检测器和色谱分离器的各种组合，但MS数据预处理的基本原 则都相同，主要包括奇异点剔除、去噪、基线校准、峰对准、峰识别、峰特征提取以及结果整理等步骤。首先，必须检 测出与分析生物试材无关的化合物信号，并且从分析中剔除。这种信号通常是由于仪器和/或样品污染、溶剂杂质，以及/或柱流失和用于样品衍生(即GC/MS)的试剂引起的。若不能检出这些信号将会在结果的生物学解释时产生严重1.4 代谢组学的网络与结果的生物学解释已经开发出大量供代谢组据预处理、分析和可视化使用的联机软件以及联机代谢数据库，为

20、应用代谢组学开辟了新视野。文献27详尽地列出了这些。失实。按与生物试样相同规程的空白样品的分析则代谢组学分析产生海量数据，这些数据的生物学解释对检测这些信号极其有用。其次，根据保留时间或者比(m /z )调整(对齐)质谱。再次，检测并汇总来源于单一化要求高、耗时长，并且为了理学过程与生物系统中代谢途径的相互关系，需要高通量工具。与用于数据预处理和分析的软件开发相反，只有少数几个便于代谢组据并入代谢网络的软件包可供使用。在这些软件包中，软件Cytoscape28通过MetaNetter29和Metscape30等插件可实现几项高通量代谢组学应用。合物的多重信号。这些信号可能是全衍生(即GC/MS

21、)或者不同的离子化模式(即FT-ICR/MS，轨道阱MS)的结果。最后，为了趋势和生物标志物的检测，将总离子色谱图(TIC)或者MS质谱图标准化，并且变量分析(MVA)。多变量分析(MVA)是分析代谢组学实验得到的大量数据的主要统计学方法，通常包括非监督和监督2种分类方法。非监督的模式识别方法通常包括数据点的降维处理2 代谢组中的应用进展2.1 代谢组植物是除草剂作用模式(MoA)分类和鉴定除草剂MoA分类和鉴定中应用的说明大量不同物理化学性质代谢产物所组和聚类分析，前者是指用空间中主要的几个成分来代表整体数据；后者是指寻找有聚类趋势样本的共同特征。成的各种生化系统的复杂生物。大多数除草剂将植

22、物为其生存和发育所需的主要功能作为靶标。对众多商业开发的除草剂而言，根据除草剂抗性行动委员会(HRAC)的数据，目前已有20多种不同MoA(或靶标作用位点)得到明确。考虑到植物代谢的复杂性和植物代谢组的巨大规模 (植物界代谢物数量估计超过10万种)，而实际上只有为数不多的生化位点成为现有除草剂的靶标，这说明对除草剂而言尚有许多生化靶标未被利用。大自然是具有独特结构和MoA的生物活性化合物的有价值且取之不竭之源。早期的代谢组采用非监督方法来处理数据，其优势主要是能在不具备任何样品分组信息的情况下通过对数据降维，实现样本代谢表型内在关系的可视化，旨在认识分布在空间数据点潜在的特点和相互之间的。这种

23、方法可以尽可能地显示出数据集中不同样本之间内在的异同点、分离趋势或异常数据点的存在使模型出现过度拟合的问题。主要有主成分分析(PCA)、层序聚类分析(HCA)等，其中以PCA最常用。PCA方法的主要应用在于观察实验模型中的组间分离趋势以及是否有异常点的出现。经过PCA分析的数据可通过得分图和负载图已开发出一些生物活性化合物和/或其化学类似物用作新型除草剂。在评估作为新型除草剂而开发出的生物农 药 AGROCHEMICALS第52卷862活性化合物的过程中，与现有除草剂共享相同亚细胞靶标的化合物，或者无选择性影响存在于靶标和非靶标生物体中的代谢过程的化合物，都不大可能被选择用于进一步评养物中分离

24、出来的，是不实野燕麦选择性植物性毒素。运用偏最小二乘判别分析法(PLS-DA)，将不实野燕麦经pyrenophorol处理后的1H NMR代谢变化与估。考虑到候选除草剂的数量巨大，以及检测它们的由抑制八氢番茄红素脱饱和酶(PDS)、原卟啉原氧化酶MoA耗力、耗时且开支大的实际情况，迫切需要开发出一种简捷、鲁棒且高通量的筛选技术。代谢组学十分理想(PPO)、EPSPS、4-羟苯基酸双加氧酶(4-HPPD)、PSII和I(PSI)电子传递等6种最常见植物毒素MoA的地满足了这些要求。首先，代谢组学可以检测到具有除草剂处理所产生的代谢变化相比较。分析结果表已知MoA的生物活性化合物的生物体的代谢物变

25、化。其次，这些变化与所施用生物活性化合物的MoA有着间接关系。因此，基于代谢组学模型的开发，有利于MoA的快速明，pyrenophorol有着与被测试除草剂不同的MoA，说明pyrenophorol是作物保护背景为重要先导值得做进一步考虑。Aliferis等34还在模式植物浮萍(L. minor L.)分类和鉴定研究将集中于进一步实验一种或几种上使用1H NMR图谱，结果发现，pyrenophorol导致植MoA，以及对研究中的生物活性化合物的MoA进行解释。然而，开发用于生物活性化合物MoA研究的鲁棒代谢组学模型是一个复杂的过程。必须考虑到几个因素，例如用于分析的合适生物体或组织的选择，以及

26、决定毒性作用严重物代谢组改变，其类似于草甘膦(EPSPS抑制剂)引起的植物代谢组改变，表明对这2种化合物而言有着类似的MoA。在堺市大阪府立大学生命与环境科学，Oikawa等35探讨了使用MS分析平台识别除草剂MoA的潜力。他们用拟南芥(A. thaliana L.)作为模式植物，开发出了用于除草剂MoA自动化检测的FT-ICR/MS分析与PCA计算数据工具联用的代谢组学模型，对表现4种不同MoA的除草剂加以鉴别和分类。结果揭示了各处理间代谢组聚类截然不同，而详细对比代谢组，可检测出除草剂处理之后特异性代谢物积累。然而，仅在用草甘膦处理的植物上检测到MoA的特定生物标志物，其中观察到了莽草酸磷

27、酸盐(莽草酸3P)的积累。程度的生物活性化合物使用剂量时间及环境条件之间组合。对代谢组学而言，在实验条件集下使用亚致死剂量生物活性化合物是更可取的。开发用于物活性化合物MoA的生物系统所使用的代谢组学模型，会有助于加快除草剂的研究和开发。这些方法既可仅限于对接触生物活性化合物的生物体代谢谱图进行高通量分类和鉴别，又可以延伸到毒性生物标志物的检测。后者对于毒理学研究和草害综合防治策略都有着极高价值。2.2 代谢组除草剂MoA分类和鉴定中的应用研究在德国克植物生理学，在美国新泽西州普林斯顿市巴斯夫农业，Trenkamp等36用拟南芥(A. thaliana L.)作为模式植物，采取GC-TOF/M

28、S进行代谢轮廓(谱)分析，得到数据进行主成Aranibar等31首次开展了代谢组除草剂MoA自动化检测中的应用。在这项研究中，他们用玉米(Zea mays L.)作模式植物，应用1H NMR波谱技术，开发出根据除草剂MoA对除草剂进行分类的人工神经网络模型。用乙酰羟酸合酶(AHAS，还称为乙酰乳酸合酶-ALS)、乙酰辅酶A羧化酶分分析(PCA)后，再进行成份分析(ICA)，使分析结果最优化。除草剂选用分别代表谷氨酰胺酶、4-羟基苯(不明靶标)、乙(VLCFA)和酸双加氧酶(4-HPPD)素生物酰乳酸5-烯醇酶(ALS)、超长链脂肪酸生物酰莽草酸-3-磷酸合酶(EPSPS)抑制剂的草铵(ACCa

29、se)、5-烯醇酰莽草酸-3-磷酸合酶(EPSPS)以及II(PSII)的抑制剂处理之后，实现了植物代谢组之间鉴别，植物代谢组变化与4种除草剂MoA之间相关性结果 令人满意。之后，该研究团队仍然使用玉米作模式生物，膦、磺草酮、AE944、甲酰胺磺隆、呋草磺和草甘膦。这项研究采取GC-TOF/MS得到的与时间相关的代谢物轮廓(谱) 分析表明，单靠极性初级代谢产物的变化就可鉴别分别代表谷氨酰胺素生物酶、4-羟基苯酸双加氧酶(4-HPPD)、分析依旧是1H NMR，又用代表19种不同MoA的除草剂进行试验32，完善了之前的人工神经网络模型。基于1H NMR波谱中所表达的代谢组自动图形识别分析研究了1

30、9种MoA，结果证实，人工神经网络不但可用于19种MoA分类，并且还可用于新MoA的鉴别。(不明靶标)、乙酰乳酸酶(ALS)、5-烯醇酰莽草酸-3-磷酸合酶(EPSPS)抑制的除草剂的MoA。但应该指出，这种方法具有明显的局限性，例如，它无法为超长链脂肪酸延长酶抑制剂呋草黄以及某些其他类型除草剂，例如那些从激素方面影响植物功能的除草剂的MoA提供有用的线索。，Aliferis等33在希腊雅典农业大学科学开发出一种与多变量分析联用的1H NMR代谢分表1列出了代谢组除草剂MoA分类和鉴定研究析方法，用于鉴别天然植物毒素pyrenophorol的MoA。异构体(5S ,8R ,13S ,16R )

31、-(-)-pyrenophorol是从不实野燕麦(A. sterilis L.)寄主专化性燕麦德氏霉致病型真菌的培中的应用情况。可以看出：仅就已知20多种MoA的除草剂而言，迄今为止，国外基于代谢组已知MoA的除草剂第12期，等：代谢组除草剂作用模式分类和鉴定研究中的应用进展863进行分类和鉴定的相关研究也只涉猎了其中的19种已知MoA的除草剂，这些研究还仅仅处于初级阶段，仍有几种已知MoA的代谢组学分类和鉴别研究尚属空白，而代谢生物标志物鉴定研究工作则刚刚起步。表1 代谢组除草剂作用模式分类和鉴定研究中的应用情况HRAC1) WSSA1)参考文献模式生物2) 分析平台3)数据分析方法4)作用

32、模式 (作用位点或靶标)化学结构类型除草剂有效成分分类分类A1乙酰辅酶A羧化酶(ACCase)抑制 芳氧苯氧丙酸酯类 喹氟草酯A. thaliana FT-ICR/MSA. thaliana FT-ICR/MSZ. mays1H NMRZ. mays1H NMRMVA (PCA) MVA (PCA) NNNN353531-3231-32环己烯酮类禾草灭、烯草酮烯禾啶咪草酸、灭草烟、咪唑乙烟酸甲氧咪草烟氯磺隆、甲嘧磺隆B2乙酰羟酸乳酸酶(AHAS)或乙酰咪唑啉酮类酶(ALS)抑制A. thaliana FT-ICR/MSZ. mays1H NMRMVA (PCA) NNMVA (PCA) MVA

33、 (PCA), ICA NNNN3531-3235363231-32磺酰脲类氯吡嘧磺隆、吡嘧磺隆 A. thaliana FT-ICR/MS甲酰胺磺隆环草定敌草隆敌草隆敌草隆溴苯腈百草枯(H)百草枯(H)百草枯(H) 氟锁草醚草酮草酮达草灭达草灭达草灭磺草酮磺草酮硝磺草酮硝磺草酮苄草唑、吡唑特杀草强A. thaliana GC-TOF/MS1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMR1H NMRC57II (PSII)处光合作用抑制II (PSII)处光合作用抑制尿嘧啶类

34、脲类Z. maysZ. maysA. sterilisL. minor L.Z. maysZ. maysA. sterilisL. minor L.Z. maysA. sterilisL. minor L.Z. maysA. sterilisL. minor L.Z. mays1C2MVA (PCA, PLS-DA, SIMCA) 33MVA (PCA, PLS-DA, HCA) NNNN343232C622II (PSII)处光合作用抑制 I (PSI)电子转移抑制腈类联吡啶类3DMVA (PCA, PLS-DA, SIMCA) 33 MVA (PCA, PLS-DA, HCA) 34原卟啉

35、原氧化酶(PPO)抑制二苯醚类二唑类E14NN32MVA (PCA, PLS-DA, SIMCA) 33 MVA (PCA, PLS-DA, HCA) 34F112褪色：在八氢番茄红素去饱和酶哒嗪类NN32(PDS)处类胡萝卜素生物抑制的MVA (PCA, PLS-DA, SIMCA) 33MVA (PCA, PLS-DA, HCA) NNMVA (PCA), ICA343236F27褪色：4-羟基苯基酶(4-HPPD)抑制酸双氧化三酮类2A. thaliana GC-TOF/MSA. sterilis1H NMR MVA (PCA, PLS-DA, SIMCA) 33L. minor L.

36、1H NMR MVA (PCA, PLS-DA, HCA)343532吡唑类三唑类A. thaliana FT-ICR/MSZ. mays1H NMRMVA (PCA) NNF11褪色：类胡萝卜素生物(不明靶标)抑制3G95-烯醇式酰莽草酸-3-磷氨基乙酸类草甘膦草甘膦草甘膦草甘膦草甘膦Pyrenophorol 双丙氨膦草铵膦磺草灵氨磺乐灵苯胺灵乙草胺呋草磺二氯喹啉酸AE944地乐酚萘草胺Z. mays1H NMRA. sterilis1H NMRL. minor L. 1H NMRA. thaliana FT-ICR/MSNN31-32酸合酶(EPSPS)抑制MVA (PCA, PLS-DA

37、, SIMCA) 33MVA (PCA, PLS-DA, HCA) MVA (PCA)MVA (PCA), ICA343536A. thaliana GC-TOF/MSA. sterilis1H NMR MVA (PCA, PLS-DA, SIMCA) 33不明(EPSPS?)谷氨酰胺大环内酯类次膦酸类Z. mays1H NMRA. thaliana GC-TOF/MSH10酶(GS)抑制NNMVA (PCA), ICA NNNN NN NNMVA (PCA), ICA NNMVA (PCA), ICA NNNN32363232323236323632321H NMR1H NMR1H NMR1

38、H NMRI K1 K2 K31832315二氢蝶酸(DHP) 微管组装抑制抑制氨基甲酸酯类Z. maysZ. maysZ. maysZ. mays二胺类有丝/微管组织抑制氨基甲酸酯类氯乙酰胺类苯并呋喃烷基磺酸酯类喹啉羧酸类超长链脂肪酸(VLCFAs)抑制细胞抑制)A. thaliana GC-TOF/MSL26细胞壁(素)抑制Z. mays1H NMRA. thaliana GC-TOF/MSZ. mays1H NMRZ. mays1H NMRM P2419氧化磷酸化解偶联(膜破坏) 植物生长素输送抑制二酚类邻苯二甲酸酯类注：1) HRAC：除草剂抗性行动委员会；WSSA：美国杂草科学学会。

39、2) A. sterilis ：不实野燕麦；A. thaliana ：拟南芥；L. minor L ：浮萍；Z. mays：玉米。3) FT-ICR/MS叶变换-离子回旋共振/质谱仪；GC-TOF/MS气相色谱-飞行时间质谱联用仪；1H NMR：质子核磁共振波谱仪。4) HCA：层序聚类分析法；ICA成分分析法；MVA：多变量分析法；NN：神经网络法；PCA：主成分分析法；PLS-DA：偏最小二乘分类分析法；SIMCA：簇类软模式法。剂MoA的鲁棒代谢组学(代谢分析)模型，对除草剂3 展望虽然代谢组学不是一种通用解决方案，但作为系统生物学的一种新工具，开发利用合适模式生物自动鉴别除草MoA进行

40、大量候选的高通量筛选，在研究初期就将生物活性筛选鉴定出来，必将成为开发新型除草剂864农 药 AGROCHEMICALS第52卷的一个关键环节，可极大地缩短新型除草剂研究和开发进Chromatography B, 2009, 877: 1352-1358.MONTON M R N, SOGA T. Metabolome Analysis by Capillary Electrophoresis-Mass SpectrometryJ. Journal of Chromatography A, 2007, 1168: 237-246.12程。用已经完成组的生物用作模式生物，会很大物活性化合物MoA

41、的代谢组程度上促进开发用于学模型。极有价值的还是利用代谢组学(代谢轮廓(谱)分析)检测作为某个给定MoA的生物标志物的代谢物。虽然13KRALYA J R, HOLCOMBA R E, GUANA Q,. Review:Microfluidic Applications in Metabolomics and MetabolicProfilingJ. Analytica Chimica Acta, 2009, 653: 23-35.应用代谢组学(代谢轮廓(谱)分析)鉴别不同MoA的生物标14TAKAHASHI H, KAI K, SHINBO Y,. Metabolomics志物的研究还处于刚

42、刚起步阶段，希望能在代谢组使Approach for Determining Growth-specific Metabolites Based on Fourier Transform Ion Cyclotron Resonance Mass SpectrometryJ. Analytical and Bioanalytical Chemistry, 2008,391: 2769-2782.用具有卓越分析能力的先进分析仪器来促进各种MoA的生物标志物的鉴别和检测。应用代谢组学还可以研究代表除草剂MoA重要成分的化合物MoA的明确结论生物活性。关于生物活性代谢组学与其他组据15TAYLOR N

43、 S, WEBER R J M, SOUTHAM A D,. A NewApproach to Toxicity Testing in Daphnia Magna: Application of High Throughput ft-icr Mass Spectrometry MetabolomicsJ.Metabolomics, 2009, 5: 44-58.一起联用。值得指出，现有植物代谢途径知识的备以及缺乏用于代谢组学的统一分析方法是代谢组学标准化需要迫切解决的问题。此外，将用于分析多元复杂样品的16HU Qi-zhi, NOLL R J, LI Hong-yan,. The Orbit

44、rap: A NewMass SpectrometerJ. Journal of Mass Spectrometry and IonPhysics, 2005, 40: 430-443.不同分析仪器集成一体，以及在生物据分析法的17OKADA T, NAKAMURA Y, KANAYA S,. Metabolome背景下将代谢组学与其他组学方法集成起来，有望提出代谢网络功能和调节的新见解。参考文献：Analysis of Ephedra Plants with Different Contents of EphedrineAlkaloids by Using UPLC-Q-TOF-MSJ. P

45、lanta Medica, 2009, 75: 1356-1362.18LV Yong-hai, LIU Xin-ru, YAN Shi-kai,. Metabolomic1OLIVER S G, WINSON M K, KELL D B,. SystematicStudy of Myocardial Ischemia and Intervention Effects of Compound Danshen Tablets in Rats Using Ultra-performance Liquid Chromatography/Quadrupole Time-of-flight Mass S

46、pectrometryJ. Journal of Pharmaceutical and BiomedicalAnalysis, 2010, 52: 129-135.Functional Analysis of the Yeast GenomeJ. Trends Biotechnol, 1998, 16(9): 373-378.FIEHN O. Metabolomics-the Link between Genotypes andPhenotypesJ. Plant Mol Biol, 2002, 48(1/2): 155-171.23TAYLOR J, KING R D, ALTMANN T,

47、. Application of19ATHERTON H J , BAILEY N J , ZHANG W,. AMetabolomics to Plant Genotype Discrimination Using Statistics and Machine LearningJ. Bioinformatics, 2002, 18: S241- S248. NIKOLAU B J, WURTELE E S. Concepts in Plant MetabolomicsM. Dordrecht, the Netherlands Springer, 2007: 11- 15.KRISHNAN P

48、, KRUGER N J, RATCLIFFE R G. MetaboliteFingerprinting and Profiling in Plants Using NMRJ. Journal of Experimental Botany, 2005, 56: 255-265.LINDON J C, NICHOLSON J K. Analytical Technologies for Metabonomics and Metabolomics, and Multi-Omic Information RecoveryJ. Trends in Analytical Chemistry, 2008

49、, 27: 194-204. DUNN W B. Current Trends and Future Requirements for the Mass Spectrometric Investigation of Microbial, Mammalian and Plant MetabolomesJ. Physical Biology, 2008, 5: 1-24.ALLWOOD J W, GOODACRE R. HPLC Instrumentation Applied in Plant Metabolomic AnalysesJ. Phytochemical Analysis, 2010,

50、21: 33-47.Combined 1H NMR Spectroscopy-and Mass Spectrometry-based Metabolomic Study of the PPAR- null Mutant Mouse Defines Profound Systemic Changes in Metabolism Linked to the Metabolic SyndromeJ. Physiological Genomics, 2006, 27: 178-186.420MOCO S, FORSHED J, DE VOS R C H,. Intra and5Intermetabol

51、ite Correlation Spectroscopy of Tomato Metabolomics Data Obtained by Liquid Chromatography-Mass Spectrometry and Nuclear Magnetic ResonanceJ. Metabolomics, 2008, 4: 202-215. BIAIS B, ALLWOOD J W, DEBORDE C, . 1H NMR, GC-EI-TOFMS, and Data Set Correlation for Fruit Metabolomics: Application to Spatia

52、l Metabolite Analysis in MelonJ. AnalyticalChemistry, 2009, 81: 2884-2894.621722LEON C, RODRIGUEZ-MEIZOSO I, LUCIO M,.Metabolomics of Transgenic Maize Combining Fourier Transform- ion Cyclotron Resonance-Mass Spectrometry, Capillary Electrophoresis-Mass Spectrometry and Pressurized Liquid Extraction

53、J. Journal of Chromatography A, 2009, 1216: 7314-7323.89GUILLARME D, SCHAPPLER J, RUDAZ S,. CouplingUltra-high-pressure Liquid Chromatography with Mass SpectrometryJ. Trends in Analytical Chemistry, 2010, 29: 15-27.10 FARDET A, LLORACH R, MARTIN J F. Liquid Chromatography- quadrupole Time-of-flight (Lc-Qtof)-based Metabolomic Approach Reveals New Metabolic Effects of Catechin in Rats Fed High-fatDietsJ. Journal of Proteome Research, 2008, 7: 2388-2398.23MCKELVIE J R, YUK J, XU Yun-ping,. 1H NMR and GC/MS Metabolomics of Earthworm Responses