Die Vielfalt der morphologischen Merkmale von Quinoa und der Zusammensetzung des Samenstoffwechsels

May 10, 2024

Scientific Data Band 9, Artikelnummer: 323 (2022) Diesen Artikel zitieren

3055 Zugriffe

5 Zitate

9 Altmetrisch

Details zu den Metriken

Quinoa (Chenopodium quinoa Willd.) ist eine einjährige krautige Kulturpflanze aus der Familie der Amaranthgewächse (Amaranthaceae). Es wird zunehmend wegen seines nahrhaften Getreides angebaut, das reich an Proteinen und essentiellen Aminosäuren, Lipiden und Mineralien ist. Quinoa weist eine hohe Toleranz gegenüber verschiedenen abiotischen Belastungen wie Trockenheit und Salzgehalt auf, was seinen landwirtschaftlichen Anbau unter den Bedingungen des Klimawandels unterstützt. Die Verwendung von Quinoa-Körnern wird durch ernährungshemmende Saponine beeinträchtigt, eine Terpenoidklasse sekundärer Metaboliten, die sich in der Samenschale ablagern. ihre Entfernung vor dem Verzehr erfordert umfangreiches Waschen, ein wirtschaftlich und ökologisch ungünstiger Prozess; oder ihre Anhäufung kann durch Züchtung reduziert werden. In dieser Studie analysierten wir die Samenmetabolome, einschließlich Aminosäuren, Fettsäuren und Saponine, von 471 Quinoa-Sorten, darunter zwei verwandte Arten, mittels Flüssigkeitschromatographie – Massenspektrometrie. Darüber hinaus haben wir eine Vielzahl agronomischer Merkmale ermittelt, darunter Biomasse, Blütezeit und Samenertrag. Die Ergebnisse zeigten eine beträchtliche Vielfalt zwischen den Genotypen und bieten eine Wissensbasis für die zukünftige Züchtung oder Genombearbeitung von Quinoa.

Messungen)

Metaboliten

Technologietyp(en)

LC-MS-Massenspektrometrie

Quinoa (Chenopodium quinoa Willd.) erregt zunehmend weltweite Aufmerksamkeit aufgrund seines ungewöhnlich hohen Nährwerts für Getreide, einschließlich des hohen Proteingehalts, der Zusammensetzung und Menge der Lipide, einer guten Balance an essentiellen Aminosäuren sowie Isoflavonen und interessanten antioxidativen funktionellen Eigenschaften1. 2,3. Quinoa wurde erstmals vor etwa 7.000 Jahren im Becken des Titicacasees domestiziert und verbreitete sich von dort aus in andere Regionen Südamerikas und der Welt4.

Ein landwirtschaftlich wichtiger Vorteil von Quinoa ist seine bemerkenswerte Fähigkeit, sich an verschiedene agrarökologische Zonen anzupassen, was das Wachstum in heißen, trockenen Wüsten und in tropischen Gebieten mit bis zu 88 % relativer Luftfeuchtigkeit, von –8 °C bis 40 °C5 und auf Meereshöhe ermöglicht bis hin zu 4.000 m hohen Bergregionen. Bemerkenswert ist auch ihre Anpassungsfähigkeit an natriumhaltige und alkalische Böden, die den Anbau bei pH-Werten von 4,5 bis 9,06 ermöglicht. Quinoa ist eine äußerst dürretolerante Kulturpflanze, die in Regionen mit weniger als 200 mm Jahresniederschlag gut gedeiht (7 und Referenzen darin). Es ist tolerant gegenüber hohem Salzgehalt und gilt als fakultativer Halophyt8,9,10. Im Jahr 2013 erklärte die Ernährungs- und Landwirtschaftsorganisation (FAO) das „Internationale Jahr der Quinoa“ in Anerkennung der Fähigkeit der Pflanze, Hunger und Unterernährung in Ländern mit unsicherer Ernährung zu lindern, und in Anerkennung der uralten Bemühungen der Andenbevölkerung Quinoa als Kulturpflanze zu erhalten (http://www.fao.org/quinoa-2013/en/).

Obwohl Quinoa-Körner einen außergewöhnlichen Nährwert haben, enthält die Samenschale typischerweise bitter schmeckende und möglicherweise ernährungshemmende Saponine11. Daher müssen Quinoa-Samen vor dem Verzehr umfassend verarbeitet (wasserintensives Waschen) werden, um Saponine zu entfernen. Die Reduzierung von Saponinen war ein Züchtungsziel und könnte in Zukunft auch mit biotechnologischen Methoden wie der Genombearbeitung erreicht werden. Die Quinoa-Saponine kommen überwiegend in Form von Triterpenoidglykosiden vor12,13,14. Ihre große strukturelle Vielfalt macht Analysen nicht trivial15.

Die biologischen Funktionen von Saponinen in Quinoa müssen noch untersucht werden. Saponine spielen möglicherweise eine Rolle bei der Samenkeimung und bei der Abschreckung von Vögeln oder Pilzinfektionen (Übersicht in 16). Es gibt Hinweise darauf, dass nicht nur die Gesamtmenge an Saponinen reguliert wird (z. B. durch den bHLH-Transkriptionsfaktor CqTSARL1)17, sondern auch das Saponinprofil17. Bisher wurden jedoch Saponinprofile nur für wenige Quinoa-Genotypen bestimmt17. Da einige Saponine sogar für die menschliche Gesundheit von Vorteil sein können18, stellt die Vielfalt der Saponinzusammensetzung eine großartige Ressource für die Züchtung neuer und gesünderer Quinoa-Sorten dar.

Unsere Studie berichtet über die Variabilität des Metaboloms reifer Quinoa-Samen einer großen Anzahl von Genotypen (insgesamt 471; Ergänzungsdatensatz 1, verfügbar unter figshare19). Darüber hinaus haben wir agronomische Merkmale wie Pflanzenhöhe, Gesamtbiomasse, Rispendichte, Tage bis zur Blüte und Samengewicht ermittelt (Abb. 1 und Ergänzungstabelle 119). Die experimentelle Pipeline, die für die auf Flüssigkeitschromatographie und Massenspektrometrie (LC-MS) basierende Metabolomanalyse von Samen verwendet wird, ist in Abb. 2 dargestellt. Metaboliten wurden mithilfe einer Bibliothek authentischer Referenzverbindungen und Fragmentierungsmustern in der Quelle annotiert, und die Daten sind gemeldet in Übereinstimmung mit etablierten Standards20 (Supplementary Table 219 und MetaboLights-Datenbank, MTBLS2382). Wir haben 400 Samenmetaboliten entdeckt und quantifiziert, die verschiedene chemische Klassen repräsentieren: 37 Triterpenoidsaponine, 14 Flavonoide, 15 Aminosäuren, 117 Dipeptide, 126 Lipide und 91 andere Metaboliten. Um die Variation zwischen Genotypen zu untersuchen, wurden eine Hauptkomponentenanalyse (PCA) und eine hierarchische Cluster-Heatmap (HCA) für metabolische und phänotypische Merkmale erstellt (Abb. 3A, B). Die Heatmap zeigte erhebliche Unterschiede in der Metabolitenhäufigkeit zwischen den Genotypen (Abb. 3A), was durch PCA (Abb. 3B) bestätigt wurde, wobei die erste und die zweite Komponente 41,1 % bzw. 19,9 % der Saponinvarianz erklärten. Die PCA-Analyse identifizierte 21 Genotypen, die größtenteils aus Peru/Lateinamerika stammen und deren Position im PCA-Diagramm weitgehend mit ihrer geografischen Herkunft korreliert (Ergänzungstabelle 3). Schließlich untersuchten wir Korrelationen zwischen und innerhalb verschiedener Metabolitenklassen und phänotypischer Merkmale (Abb. 3C). Dies zeigte, dass viele Metaboliten innerhalb des Netzwerks stark assoziiert sind. Es wurden jedoch keine signifikant starken Korrelationen zwischen dem Saponingehalt und morphologischen Merkmalen gefunden, was darauf hindeutet, dass Genotypen mit niedrigem Saponingehalt in Zukunft durch Züchtung oder Genombearbeitung selektiert werden können, ohne dass dies Auswirkungen auf ertragsbezogene Merkmale hat.

Morphologische Merkmale sowie phänologische und reproduktive Merkmale in Quinoa-Genotypen. (A) Vier qualitative und sieben quantitative Merkmale wurden gemessen und analysiert. 1Glomerulieren: Glomerulen sind in der Primärachse eingefügt und zeigen eine kugelförmige Form; 2Mittelstufe: zeigt beide Formen; 3Amarantiform: Glomerulen sitzen direkt in der Sekundärachse und haben eine längliche Form. Sternchen bedeuten: * Anzahl der Tage von der Aussaat bis zum Beginn der Blüte bei 50 % der Pflanzen; ** erfasst bei physiologischer Reife, vom Wurzelkragen bis zur Rispenspitze; *** Anzahl der Zweige, gezählt von der Basis bis zum zweiten Drittel des Stängels, von Pflanzen bei physiologischer Reife. (B) Repräsentative Genotypen mit Diversität in den Samen. 1. CHEN 274, 2. CHEN 210, 3. D-12038, 4. CHEN 109, 5. D-9998, 6. AMES 13219, 7. D-12020, 8. AMES 19046, 9. PI-433378, 10 . D-12377, 11. Co-Ka-1821, 12. D-11999, 13. CHEN 70, 14. D-12140, 15. CHEN 243, 16. D-11980, 17. D-12275, 18. PI -433231. (C) Repräsentative Genotypen mit Diversität in Rispenform/-farbe; 1. Ames 13727, 2. Ames 13749, 3. PI 634924, 4. Ames 13742, 5. Ames 13761, 6. Ames 22157, 7. PI 665276, 8. Ames 13731.

Schematische Darstellung der experimentellen Pipeline. Samenproben wurden mit der MTBE/Methanol-Methode extrahiert, gefolgt von einer LC-MS-Analyse der Lipid- und Polarfraktionen, einer Peakerkennung mit der GeneData-Software und Verbindungsanmerkungen unter Verwendung interner Referenzbibliotheken sowie einer In-Source-Fragmentierung. Das untere Feld zeigt ein Beispiel einer Saponin-Annotation mithilfe der In-Source-Fragmentierung im positiven Modus. Gegeben ist ein Chromatogramm und eine mutmaßliche Struktur. Die Figur wurde mit BioRender (www.biorender.com) erstellt.

Phänotypische und metabolische Variation zwischen Quinoa-Akzessionen. (A) Heatmap, die die relativen Mengen an Metaboliten und phänotypischen Daten zeigt, die an Quinoa-Genotypen gemessen wurden (vollständiger Datensatz im Ergänzungsdatensatz 1 und Ergänzungstabelle 119). (B) Korrelationsnetzwerk zwischen phänotypischen Merkmalen und Stoffwechselmerkmalen. Jeder Knoten stellt einen Metaboliten oder ein phänotypisches Pflanzenmerkmal dar. Kanten, die zwei Knoten verbinden, zeigen eine Assoziation zwischen zwei Merkmalen. (C) Hauptkomponentenanalyse (PCA) der Saponindaten für alle Genotypen.

Für das Feldexperiment wurden 468 Quinoa-Genotypen sowie eine Akzession von Djulis (Chenopodium formosanum Koidz.) und eine von Gänsefuß (Chenopodium album L.) ausgewählt (Ergänzungstabelle 119). Samen der Quinoa-Akzession QQ74, für die eine Referenzgenomsequenz verfügbar ist17, wurden ebenfalls einbezogen. Die Quelle der Samen ist in der Ergänzungstabelle 119 angegeben. Samen der verschiedenen Genotypen wurden in den Jahren 2016 und 2017 auf den Feldern des International Centre for Biosaline Agriculture (ICBA) vermehrt und in einer Kühlkammer bei 2 °C und relativer Luftfeuchtigkeit gelagert von 30 %. Die Samen wurden von Hand gesät, indem 2–3 Samen pro Loch/Standort bis zu einer Tiefe von 1–2 cm in der Nähe des Tropfers in den Boden gesät wurden. Die Pflanzen wurden nach etwa zwei Wochen ausgedünnt, indem ungewöhnlich schwache oder starke Individuen entfernt wurden, um eine Pflanze pro Standort übrig zu lassen.

Von November 2016 bis April 2017 wurden in den Feldforschungseinrichtungen des International Centre for Biosaline Agriculture, ICBA (N 25° 05.847; E 055° 23.464), Dubai, Vereinigte Arabische Emirate, Experimente durchgeführt. Die Böden auf ICBA-Versuchsfeldern haben eine sandige Textur, d. h. feinen Sand (Sand 98 %, Schluff 1 % und Ton 1 %), kalkhaltig (50–60 % CaCO3-Äquivalente), porös (45 % Porosität) und mäßig alkalisch (pH 8,2). Der Sättigungsprozentsatz des Bodens beträgt 26 mit einer sehr hohen Entwässerungskapazität, während die elektrische Leitfähigkeit seines Sättigungsextrakts (ECe) 1,2 dS m−1 beträgt. Nach der American Soil Taxonomy21 wird der Boden in typische Torripsamments, karbonatisch und hyperthermisch22 eingeteilt. Vor der Aussaat wurde auf dem für die Experimente ausgewählten Feld Geflügelmist (Al Yahar Organic Fertilizers, VAE) in einer Menge von 40 Tonnen pro Hektar (t ha−1) ausgebracht. Nach vierwöchiger Aussaat wurden 40 kg ha-1 Harnstoff (Stickstoff-Phosphor-Kalium (NPK)-Gehalt: 46-0-0) und 30 kg ha-1 NPK (20-20-20) ausgebracht nach achtwöchiger Pflanzung. Für die Ausbringung chemischer Düngemittel wurde die Fertigation-Technik eingesetzt. Die Versuchsparzellen wurden nach einem erweiterten Design23 randomisiert, wobei jede Akzession eine Parzellengröße von 1 mx 1 m beherbergte. Der Abstand zwischen den Reihen und den Pflanzen betrug 25 cm.

Für das Experiment wurde ein Tropfbewässerungssystem mit Tropfern im Abstand von 25 cm verwendet, das Teil des SCADA-Systems (Supervisory Control and Data Acquisition) war. Die Bewässerung erfolgte zweimal täglich für jeweils 10 Minuten. Zur Bewässerung wurden pro Parzelle täglich etwa 13,3 l Wasser verwendet. Daten zu relativer Luftfeuchtigkeit, Temperatur und Niederschlag am Versuchsort wurden von der Wetterstation am ICBA aufgezeichnet (Ergänzungstabelle 4).

Elf verschiedene morphologische Merkmale wurden erfasst, um die Variation zwischen den Quinoa-Genotypen zu beurteilen (darunter zwei mit Quinoa verwandte Arten). Für die Tage bis zur Blüte wurden die Daten aufgezeichnet, als etwa 50 % der Pflanzen blühten (Ergänzungstabelle 119). Daten zur Pflanzenhöhe, Anzahl der Primärzweige, Anzahl der Rispen, Hauptrispenlänge, Pflanzentrockengewicht und Samengewicht wurden nach der Pflanzenreife gesammelt. Für Trockengewichtsmessungen wurden die Pflanzen 48 Stunden lang in einem trockeneren Elektroofen (Modell PF 30, Carbolite, Vereinigtes Königreich) bei 40 °C gehalten.

Das Extraktionsprotokoll wurde von Giavalisco et al.24 angepasst und modifiziert. Metaboliten wurden aus den Quinoa-Samen mit einem Methyl-tert-butylether (MTBE)/Methanol/Wasser-Lösungsmittelsystem extrahiert. Gleiche Volumina der Lipid- und Polarfraktionen wurden in einem Zentrifugalverdampfer getrocknet und bis zur weiteren Verarbeitung bei –20 °C gelagert.

Polare und semipolare Metaboliten: Nach der Extraktion wurde die getrocknete wässrige Phase mithilfe einer Ultra-Performance-Flüssigkeitschromatographie gemessen, die an ein Q-Exactive-Massenspektrometer (Thermo Fisher Scientific) im positiven und negativen Ionisationsmodus gekoppelt war, wie beschrieben24. Die Proben wurden in zehn aufeinanderfolgenden Sätzen zu je 50 Proben und einem Satz zu je 10 Proben analysiert. Lipide: Nach der Extraktion wurde die getrocknete organische Phase mithilfe der Ultra-Performance-Flüssigkeitschromatographie gemessen, die an ein Q-Exactive-Massenspektrometer (Thermo Fisher Scientific) im Positivmodus gekoppelt war, wie beschrieben24. Die Proben wurden in zehn aufeinanderfolgenden Sätzen zu je 50 Proben und einem Satz zu je 10 Proben analysiert.

Für die Verarbeitung der LC-MS-Daten wurde Expressionist Refiner MS 12.0 (Genedata, Basel, Schweiz) verwendet (https://www.genedata.com/products/expressionist). Durch Wiederholungen wurde die Datenmenge reduziert und die Verarbeitung beschleunigt. Alle Datentypen mit Ausnahme der primären MS-Schwerpunktdaten wurden mit Data Sweep entfernt. Die Aktivität „Chemical Noise Subtraction“ wurde verwendet, um Artefakte zu entfernen, die durch chemische Kontamination verursacht wurden. Schnappschüsse von Chromatogrammen wurden zur weiteren Verarbeitung gespeichert. Die weitere Verarbeitung der Chromatogramm-Schnappschüsse wurde wie folgt durchgeführt: Chromatogramm-Ausrichtung (Suchintervall der Retentionszeit (RT) 0,5 Min.), Peak-Erkennung (minimale Peakgröße 0,03 Min., Lücke/Peak-Verhältnis 50 %, Glättungsfenster 5 Punkte, Mittenberechnung nach Intensität- gewichtete Methode mit Intensitätsschwelle bei 70 %, Grenzbestimmung anhand von Wendepunkten), Isotopenclusterung (RT-Toleranz bei 0,02 min, m/z-Toleranz 5 ppm, zulässige Ladungen 1–4), Filterung nach einem einzelnen Peak, der keinem Isotopencluster zugeordnet ist , Ladungs- und Adduktgruppierung (RT-Toleranz 0,02 min, m/z-Toleranz 5 ppm). Eine ausführliche Beschreibung der Softwarenutzung und möglichen Einstellungen wurde bereits veröffentlicht25.

Eine interne MPI-MP-Referenzbibliothek wurde verwendet, um molekulare Merkmale zu identifizieren, die eine Massenabweichung von 0,005 Da und eine dynamische Retentionszeitabweichung (maximal 0,2 Minuten) ermöglichen. Die Verarbeitung fraktionierter Proben führte zur Annotation von 400 Verbindungen (Ergänzungstabelle 2)19.

Die Annotation von Saponin und Ecdysteroid basierte auf dem Fragmentierungsverhalten des Mutterions, das für den positiven Modus charakteristisch ist, und der Masse des Hauptaddukts, die im negativen Modus gemessen wurde.

Die Daten stellen normalisierte Intensitäten des Hauptaddukts dar, gemessen im positiven oder negativen Modus. Die Normalisierung erfolgte auf den Medianwert eines bestimmten Metaboliten, der über einen Satz berechnet wurde.

In dieser Studie haben wir zum ersten Mal ein großes Repertoire des Samenmetaboloms für 471 Quinoa-Genotypen generiert. Morphologische Daten von Pflanzen sind in der Ergänzungstabelle 1 dargestellt. Mithilfe hochauflösender Massenspektrometrie haben wir normalisierte Metabolitendaten von 400 Verbindungen über alle Genotypen hinweg mit Anmerkungen versehen und bereitgestellt. Die Daten werden in EXCEL-Dateien dargestellt (Supplementary Dataset 1). Für jede Verbindung geben wir m/z, Retentionszeit, Ionendetektionsmodus und Anmerkungskonfidenz an (Ergänzungstabelle 2)24. Die Daten werden gehostet und sind verfügbar unter figshare19). Die primäre Zugriffsseite für rohe Stoffwechseldaten der 471 Proben ist MetaboLights26.

Um die Reduzierbarkeit der Daten zu validieren, wählten wir 14 Genotypen mit niedrigem und hohem Saponingehalt aus und analysierten erneut den Saponingehalt ihrer Samen (Abb. 4; Ergänzungstabelle 5). Die Daten zeigten eine hohe Korrelation (Pearson-Korrelationskoeffizient 0,98) zwischen der Summe der Saponin-Peaks, die in den beiden Experimenten zur Validierung der Metabolomics-Analyse identifiziert wurden.

Samen von 14 Quinoa-Genotypen, die sich durch den niedrigsten und höchsten Saponingehalt auszeichnen. Metaboliten wurden zweimal extrahiert und gemessen, um die Reproduzierbarkeit des Stoffwechselprofils zu beurteilen. Die Daten stellen eine Summe aller im Positivmodus im Retentionszeitfenster zwischen 8,14 und 14,00 Minuten erfassten Stoffwechselmerkmale dar, was der Saponinelution entspricht und hier als Proxy für den Gesamtsaponingehalt verwendet wird.

Wie oben erwähnt, zeigten die Profilierungsdaten erhebliche Unterschiede in der Metabolitenhäufigkeit zwischen den Genotypen. Die Daten können verwendet werden, um die fache Veränderung bestimmter Metaboliten zwischen ausgewählten Genotypen zu berechnen. In einigen Fällen kann die Zusammensetzung der Metaboliten die Produktqualität beeinflussen, wie beispielsweise bei der Maillard-Reaktion bei der Brotherstellung bekannt ist27. Daher kann dieser Datensatz in Zuchtprogrammen verwendet werden, wenn bestimmte Genotypen mit wünschenswerten Metabolitenprofilen ausgewählt werden, die sich möglicherweise positiv auf die Produktqualität auswirken. Darüber hinaus können die Daten in Kombination mit der Verfügbarkeit von Genomsequenzen für funktionelle genomische und metabolitbasierte genomweite Assoziationsstudien (mGWAS) verwendet werden, um die genetischen Grundlagen des Quinoa-Samenstoffwechsels zu analysieren. Die Informationen über das Vorhandensein und die Menge von Metaboliten können auch als Grundlage für die Entwicklung molekularer Marker zur Charakterisierung von Reaktionen auf abiotischen Stress dienen. Der Datensatz ist in genetischen und Korrelationsstudien nützlich, um die Beziehung zwischen metabolischer Diversität, geografischer Verteilung und Integration mit physiologischer und phänotypischer Diversität zu untersuchen. Die Rohdaten der Massenspektrometrie sind in MetaboLights verfügbar, was das Herunterladen und erneute Verarbeiten mit mehreren allgemein verfügbaren Tools wie xcm, GNPs und OpenMS ermöglicht. Darüber hinaus ermöglicht dies der Community, Metabolitendaten von 471 verschiedenen Genotypen zu sammeln, um ein Standard-Metabolom von Quinoa zu erstellen.

Für die LC-MS-Datenanalyse wurde die kommerziell erhältliche GeneData-Software (https://www.genedata.com/) verwendet.

Pereira, E. et al. Chenopodium quinoa Willd. (Quinoa-)Körner: Eine gute Quelle für phenolische Verbindungen. Lebensmittelres. Int. 137, 109574 (2020).

Artikel CAS Google Scholar

Burrieza, HP, Rizzo, AJ, Moura Vale, E., Silveira, V. & Maldonado, S. Shotgun-Proteomanalyse von Quinoa-Samen enthüllt neuartige lysinreiche Samenspeicherglobuline. Lebensmittelchem. 293, 299–306 (2019).

Artikel CAS Google Scholar

Pereira, E. et al. Chemische und ernährungsphysiologische Charakterisierung von Chenopodium quinoa Willd (Quinoa)-Körnern: Eine gute Alternative zu nahrhaften Lebensmitteln. Lebensmittelchem. 280, 110–114 (2019).

Artikel CAS Google Scholar

Pearsall, DM: Pflanzendomestizierung und die Umstellung auf Landwirtschaft in den Anden, in The Handbook of South American Archaeology, H. Silverman und WH Isbell, Herausgeber, Springer New York: New York, NY., 105-120 (2008).

Tapia, M.: Die lange Reise der Quinoa: Wer hat ihre Geschichte geschrieben? In FAO & CIRAD. State-of-the-Art-Bericht über Quinoa in der Welt im Jahr 2013. S. 17-13. Rom (2015).

Jacobsen, S.-E. Das weltweite Potenzial für Quinoa (Chenopodium quinoa Willd.). Food Rev. Int. 19, 167–177 (2003).

Artikel Google Scholar

Hinojosa, L., Gonzalez, JA, Barrios-Masias, FH, Fuentes, F. & Murphy, KM Quinoa abiotische Stressreaktionen: Ein Rückblick. Pflanzen (Basel) 7, 106 (2018).

Artikel CAS Google Scholar

Bosque Sanchez, H., Lemeur, R. & van Damme, P. Ökophysiologische Analyse von Dürre und Salzgehaltstress von Quinoa (Chenopodium quinoa Willd.). Food Rev. Int. 19, 111–119 (2003).

Artikel Google Scholar

Adolf, VI, Jacobsen, S.-E. & Shabala, S. Salztoleranzmechanismen in Quinoa (Chenopodium quinoa Willd.) Environ. Exp. Bot. 92, 43–54 (2013).

Artikel CAS Google Scholar

López-Marqués, RL et al. Aussichten für eine beschleunigte Verbesserung der widerstandsfähigen Kulturpflanze Quinoa. J. Exp. Bot. 71, 5333–5347 (2020).

Artikel Google Scholar

Satheesh, N. & Fanta, SW Übersicht über die strukturelle, ernährungsphysiologische und anti-ernährungsphysiologische Zusammensetzung von Teff (Eragrostis tef) im Vergleich zu Quinoa (Chenopodium quinoa Willd.). Cogent Food Agric. 4, 1546942 (2018).

Artikel Google Scholar

Kuljanabhagavad, T., Thongphasuk, P., Chamulitrat, W. & Wink, M. Triterpensaponine aus Chenopodium quinoa Willd. Phytochemistry 69, 1919–1926 (2008).

Artikel CAS Google Scholar

Madl, T., Sterk, H., Mittelbach, M. & Rechberger, GN Tandem-massenspektrometrische Analyse einer komplexen Triterpen-Saponin-Mischung aus Chenopodium quinoa. Marmelade. Soc. Massenspektrometer. 17, 795–806 (2006).

Artikel CAS Google Scholar

Woldemichael, GM & Wink, M. Identifizierung und biologische Aktivitäten von Triterpenoid-Saponinen aus Chenopodium quinoa. J. Agrar. Lebensmittelchem. 49, 2327–2332 (2001).

Artikel CAS Google Scholar

El Hazzam, K., et al. Ein Einblick in Saponine aus Quinoa (Chenopodium quinoa Willd): Ein Rückblick. Moleküle 25 (2020).

Otterbach, S., Wellmann, G. & Schmöckel, SM Saponine von Quinoa: Struktur, Funktion und Möglichkeiten, in The Quinoa Genome, S. Schmöckel, Herausgeber. 2021, Springer.

Jarvis, DE et al. Das Genom von Chenopodium quinoa. Natur 542, 307–312 (2017).

Artikel ADS CAS Google Scholar

Man, S., Gao, W., Zhang, Y., Huang, L. & Liu, C. Chemische Untersuchung und medizinische Anwendung von Saponinen als Antikrebsmittel. Fitoterapia 81, 703–714 (2010).

Artikel CAS Google Scholar

Tabatabaei, I. et al. Die Vielfalt der morphologischen Merkmale von Quinoa und der Zusammensetzung des Samenstoffwechsels. figshare https://doi.org/10.6084/m9.figshare.19780462.v1 (2022).

Fernie, AR et al. Empfehlungen für die Meldung von Metabolitendaten. Plant Cell 23, 2477–2482 (2011).

Artikel CAS Google Scholar

Bodenvermessungspersonal: Schlüssel zur Bodentaxonomie. 11. Auflage hrsg. 2010, Landwirtschaftsministerium der Vereinigten Staaten.

Shahid, SA, Dakheel, AH, Mufti, KA & Shabbir, G. Automatisierte In-situ-Erfassung des Bodensalzgehalts in der Bewässerungslandwirtschaft. EUR. J. Sci. Res. 26, 288–297 (2009).

Google Scholar

Federer, W. Erweiterte Designs. Hawaiian Planters´ Record 55, 191–208 (1956).

Google Scholar

Giavalisco, P. et al. Annotation der Elementarformeln polarer und lipophiler Metaboliten mittels (13) C-, (15) N- und (34) S-Isotopenmarkierung in Kombination mit hochauflösender Massenspektrometrie. Plant J. 68, 364–376 (2011).

Artikel CAS Google Scholar

Sokolowska, EM, Schlossarek, D., Luzarowski, M. & Skirycz, A. PROMIS: Globale Analyse von Protein-Metabolit-Wechselwirkungen. Curr. Protokoll. Pflanzenbiol. 4, e20101 (2019).

Artikel CAS Google Scholar

Tabatabaei, I. et al. Die Vielfalt der morphologischen Merkmale von Quinoa und der Zusammensetzung des Samenstoffwechsels. MetaboLights https://www.ebi.ac.uk/metabolights/MTBLS2382 (2022).

Scalone, GL, Cucu, T., De Kimpe, N. & De Meulenaer, B. Einfluss freier Aminosäuren, Oligopeptide und Polypeptide auf die Bildung von Pyrazinen in Maillard-Modellsystemen. J. Agrar. Lebensmittelchem. 63, 5364–5372 (2015).

Artikel CAS Google Scholar

Referenzen herunterladen

SB dankt dem Bundesministerium für Bildung und Forschung (BMBF) und der Arabisch-Deutschen Jungen Akademie der Wissenschaften (AGYA) für die Finanzierung von zwei Stipendien des Forschungsmobilitätsprogramms nach Dubai, Vereinigte Arabische Emirate, die die Etablierung der hier beschriebenen Forschung ermöglichten . BM-R. dankt der Universität Potsdam und SB dankt dem Max-Planck-Institut für molekulare Pflanzenphysiologie für die finanzielle Unterstützung. ARF und BM-R. danken dem Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union, Projekt PlantaSYST (SGA-CSA Nr. 739582 unter FPA Nr. 664620) für die Finanzierung. Alle Autoren danken Rostyslav Braginets und Dirk Walther vom Max-Planck-Institut für molekulare Pflanzenphysiologie, Potsdam, für ihre großartige Hilfe beim Hochladen der Metabolomics-Daten in die MetaboLights-Datenbank.

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL.

Max-Planck-Institut für molekulare Pflanzenphysiologie (MPI-MP), Am Mühlenberg 1, 14476, Potsdam, Deutschland

Iman Tabatabaei, Saleh Alsekh, Ewa Leniak, Alisdair R. Fernie, Bernd Mueller-Roeber, Aleksandra Skirycz und Salma Balazadeh

Universität Potsdam, Fachbereich Molekularbiologie, Karl-Liebknecht-Straße 24-25, Haus 20, 14476, Potsdam, Deutschland

Iman Tabatabaei & Bernd Müller-Roeber

Zentrum für Pflanzensystembiologie und Biotechnologie (CPSBB), 139 Ruski Blvd., 4000, Plovdiv, Bulgarien

Saleh Alsekh, Alisdair R. Fernie und Bernd Mueller-Roeber

Internationales Zentrum für biosaline Landwirtschaft (ICBA), Akademische Stadt, in der Nähe der Zayed-Universität, Dubai, Vereinigte Arabische Emirate

Mohammad Shahid, Henda Mahmoudi und Sumitha Thosehar

Boyce Thompson Institute, 533 Tower Rd., Ithaca, NY, 14853, USA

Mateusz Wagner & Aleksandra Skirycz

Washington State University, Sustainable Seed Systems Lab, 273 Johnson Hall, PO Box 646420, Pullman, WA, 99164-6420, USA

Kevin M. Murphy

Abteilung Physiologie der Ertragsstabilität, Institut für Nutzpflanzenwissenschaften, Universität Hohenheim, Fruwirthstr. 21, 70599, Stuttgart, Deutschland

Sandra M. Schmöckel

King Abdullah University of Science and Technology (KAUST), Abteilung für Bio- und Umweltwissenschaften und Ingenieurwesen, Thuwal, Saudi-Arabien

Markentester

Institut für Biologie, Universität Leiden, Sylviusweg 72, 2333 BE, Leiden, Niederlande

Salma Balazadeh

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

SB und BMR konzipierten und koordinierten das Projekt. SB erhielt Fördermittel. IT- und EL-extrahierte Metaboliten. AS und SA analysierten Metabolitendaten. MW half bei der Saponin-Annotation unter der Aufsicht von ASSA, führte PCA- und Clusteranalysen unter der Aufsicht von ARFMS durch, ST und HM führten Feldexperimente durch und sammelten die Morphotrait-Daten. KMM, SMS und MT trugen zum Aufbau der Saatgutsammlung am ICBA bei.

Korrespondenz mit Aleksandra Skirycz oder Salma Balazadeh.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Tabatabaei, I., Alsekh, S., Shahid, M. et al. Die Vielfalt der morphologischen Merkmale von Quinoa und der Zusammensetzung des Samenstoffwechsels. Sci Data 9, 323 (2022). https://doi.org/10.1038/s41597-022-01399-y

Zitat herunterladen

Eingegangen: 27. Juli 2021

Angenommen: 19. Mai 2022

Veröffentlicht: 20. Juni 2022

DOI: https://doi.org/10.1038/s41597-022-01399-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt