Host Tree and Geography Induce Metabolic Shifts in the Epiphytic Liverwort Radula complanata
Notice bibliographique
Résumé
Bryophytes are prolific producers of unique, specialized metabolites that are not found in other plants. As many of these unique natural products are potentially interesting, for example, pharmacological use, variations in the production regarding ecological or environmental conditions have not often been investigated. Here, we investigate metabolic shifts in the epiphytic Radula complanata L. (Dumort) with regard to different environmental conditions and the type of phorophyte (host tree). Plant material was harvested from three different locations in Sweden, Germany, and Canada and subjected to untargeted liquid chromatography high-resolution mass-spectrometry (UPLC/ESI-QTOF-MS) and data-dependent acquisition (DDA-MS). Using multivariate statistics, variable selection methods, in silico compound identification, and compound classification, a large amount of variation (39%) in the metabolite profiles was attributed to the type of host tree and 25% to differences in environmental conditions. We identified 55 compounds to vary significantly depending on the host tree (36 on the family level) and 23 compounds to characterize R. complanata in different environments. Taken together, we found metabolic shifts mainly in primary metabolites that were associated with the drought response to different humidity levels. The metabolic shifts were highly specific to the host tree, including mostly specialized metabolites suggesting high levels of ecological interaction. As R. complanata is a widely distributed generalist species, we found it to flexibly adapt its metabolome according to different conditions. We found metabolic composition to also mirror the constitution of the habitat, which makes it interesting for conservation measures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».