药用植物的空间多组学：从生物合成途径到工业应用-文献精读51

Spatial multi-omics in medicinal plants: from biosynthesis pathways to industrial applications

药用植物的空间多组学：从生物合成途径到工业应用

摘要

随着分子测序和成像技术的快速发展，药用植物的多组学研究进入了单细胞时代。我们讨论了空间多组学在药用植物中的应用，评估了特殊产物的生物合成途径，并重点介绍了天然产物（NPs）生物制造的应用、前景和挑战。

主文本

药用植物因其能够产生多种具有不同药理特性的天然产物（NPs）而闻名，如心血管保护、神经保护、抗炎、抗癌和免疫调节作用等【1】。理解这些代谢物的生物合成途径及其在生产、调控、运输和储存过程中的分子机制，是药用植物生物化学、遗传学和分子生物学的关键研究方向。在过去的二十年里，高质量基因组测序与转录组学、蛋白质组学和代谢组学的整合研究，即多组学，为基因调控、蛋白质功能和代谢物组成提供了全面的见解，为揭示药用植物代谢物的生物合成途径提供了一种前景广阔的方法【2】。此外，单细胞RNA/细胞核测序（sNucRNA-seq）、空间转录组学（ST）、单细胞蛋白质组学和空间代谢组学的快速发展，开启了单细胞水平的多组学新纪元【3】。例如，在模式植物中，整合的单细胞RNA-seq（scRNA-seq）和ST技术提供了植物发育过程中如根再生、根尖干细胞分化以及减数分裂花药发育程序等步骤的细胞协作和基因表达模式的全面概览【4】，从而加深了对植物发育在细胞分辨率上的理解。在药用植物中，识别细胞内的独特化合物对于解开复杂的代谢通量并确定细胞或亚组织水平上的特有NPs至关重要，这促使了空间代谢组学技术的发展【5】。例如，质谱成像（MSI）是一种先进技术，可用于可视化化学物质在不同组织中的空间分布【6】。特别是基质辅助激光解吸电离（MALDI）-MSI和解吸电喷雾电离（DESI）-MSI被用于可视化药用植物中的长春花生物碱、萜类和挥发性油【6, 7】。这些空间组学技术的快速发展为实现药用植物中NPs高分辨率代谢途径的探索提供了技术基础。

单细胞分辨率地图的绘制

两个开创性案例涉及药用植物长春花中单萜吲哚生物碱（MIAs）的生物合成。Sun等组装了高质量的长春花基因组，并对其叶片和根进行了scRNA-seq，揭示了不同细胞类型参与MIA的生物合成【8】。作者结合使用scRNA-seq、ST和单细胞代谢组学（scMet）技术，发现了叶片中不同细胞类型的38步MIA生物合成途径，以及根部的独特MIA途径步骤。此外，研究揭示了与MIA生物合成相关的基因簇，并推测一种新型还原酶参与了长春花碱中间体无水长春新碱的合成，这更新了对长春花中长春碱和长春花生物碱生物合成途径的认识【3】。在另外两个研究中，研究人员结合使用MALDI-MSI和scRNA-seq技术，观察并阐明了红豆杉叶片中紫杉醇的分布及其基因表达谱【6, 9】。结果显示紫杉醇生物合成的上游基因在叶肉细胞中表达，而下游基因在束鞘和脉管细胞中检测到。此外，不同代谢物相关的基因特异性地在不同细胞类型中表达。单细胞分辨率的空间转录和代谢图景为各种细胞类型之间的协作提供了宝贵见解；同时，还识别出在特定代谢物生产中起作用的新型转录因子、潜在调控因子和转运蛋白【6, 9】。此外，单细胞转座酶可及染色质测序（ATAC-seq）被用于揭示红豆杉叶片表皮和叶肉细胞之间染色质可及性的变化，并预测了与紫杉醇生物合成相关的特定转录因子基序，有助于理解细胞类型特异性紫杉醇生产的调控机制【10】。

综上所述，高质量基因组、scRNA-seq与空间组学和生物信息学工具的结合，可以揭示以前未知的酶、转录因子和转运蛋白的基因，从而构建代谢途径及其调控网络的高分辨率地图（图1）。

图1. 单细胞水平的空间多组学整合用于评估生物合成途径。

以红豆杉为例，基于高质量基因组，采用了单细胞RNA测序、空间转录组和空间代谢组分析，对获得的数据集进行了全面分析。随后，鉴定出新型酶和转录因子，为紫杉醇的生物合成提供了高分辨率的最新信息。缩写：MALDI, 基质辅助激光解吸电离；t-SNE, t-分布随机邻域嵌入；UMI, 独特分子标识符。

沿着地图探索新领域

药用植物的高分辨率代谢途径图为利用合成生物学方法体外合成天然产物（NPs）提供了蓝图。通过在工程酵母中合成抗疟药物前体青蒿酸这一开创性成就，标志着NPs工业化生产的开始。抗癌化学物质如单萜吲哚生物碱（MIAs）难以通过化学合成，需要依赖低产量的植物提取。令人兴奋的是，长春花碱的全新酶促步骤已整合入工程酵母中，使得高纯度长春花碱、长春花生物碱等MIAs的生产成为可能【11】。此外，还有报道利用全新生物生产微生物平台实现了高产量的NPs，如萜类、酚类和有机酸【12】。同时，通过设计合成途径、筛选稳定的酶及基于高分辨率生物合成图优化调控位点，提高了纳米粒子的产量和生产效率。

生物合成图的另一应用是分子农场，它有潜力降低生产成本，显著扩大生产规模，并为农业生产者创造新的经济机会。烟草植物是丰富的复杂生物合成网络来源，可生产多种具有高纯度和高产量的工业、药用及营养价值化合物，包括萜类、紫杉醇、维生素E和虾青素【13】。此外，植物生产抗体、疫苗、佐剂、纳米粒子及其他健康相关代谢物的案例也有报道【14】。例如，生菜被工程化用于生产口服疫苗，西红柿则通过工程改造提高了γ-氨基丁酸（GABA）的含量【14】。目前正持续推动这些生产过程的商业化进展。

新领域的发现：挑战与前景

空间多组学在动物和人类研究中迅速发展，但在植物研究中，特别是药用植物的利用还相对有限。近期的技术进展已促进了空间多组学在重要药用植物种类如长春花和红豆杉中的应用，允许对其独特代谢途径及特异性代谢产物的生产进行详细分析。然而，仍存在许多技术问题亟待解决。例如，由于植物细胞壁和液泡的影响，冷冻包埋过程中切片的完整性可能受到影响，导致mRNA含量不足。如何突破细胞壁障碍制备合适的样本？如何精确、灵敏地分离和鉴定分布的基因、蛋白质和代谢物？如何从庞大的数据量中获取所需信息？此外，还需要更多努力来降低单细胞水平空间检测的成本。未来，不仅是ST和空间代谢组学，空间蛋白质组学、空间表观基因组学及空间组学数据的集成分析平台也应应用于更多药用植物。

此外，尽管空间整合组学在动物和人类健康领域应用已较为成熟，但其在药用植物中的应用文献仍然匮乏。在可预见的未来，随着采样、空间测序、空间成像技术和生物信息学分析的进步，空间整合组学将加强我们对药用植物次生代谢产物合成、运输和积累过程的理解。

目前，微生物和植物细胞工厂提供了一种成本效益高、方便、安全、环保且清洁的高产量纯天然产物生产方法，正在改变全球制药制造供应模式和人们的健康护理实践。在工程化生物体中，利用包括DNA片段组装和CRISPR/Cas进行基因删除和插入等高效基因操作方法，使模块化组件之间相互连接，构建可调控的代谢途径以生产天然产物。这些方法的进步受益于通过空间多组学在细胞水平上获得的更新的高分辨率代谢途径图。除了整合最新的科学发现并优化用于鉴定天然途径或构建人工途径的算法外，自动化、合成生物学和机器学习（ML）的结合有可能加速设计-构建-测试-学习循环，并提高开发模型的精度【15】。此外，先进的机器学习和人工智能（AI）技术已被用于促进基因组挖掘和预测天然产物的生物活性，帮助全面研究药用植物。

未来几年，细胞水平测序和代谢物鉴定的进展、AI和ML推动的分析能力提升，以及微生物或植物细胞中合成过程的改进，预计将在育种、营养与健康、药物生产、新材料及环境修复等多个领域推动快速发展。