大家好，本周给大家分享的是最近发表在PNAS上与代谢组学选择增强水果风味相关的一篇文章。

文章题目：Metabolomic selection for enhanced fruit flavor (代谢组学选择增强水果风味)

**期刊： **Proceedings of the National Academy of Sciences (PNAS)

影响因子： 2020_IF = 11.205; 中科大类: 综合性期刊 1区; 中科小类: 综合性期刊 1区; JCR分区: Q1

发文单位：美国佛罗里达大学。

文章作者：美国佛罗里达大学园艺科学系Vincent Colantonio为第一作者， Marcio F. R. Resende Jr 为通讯作者。

摘要：水果作为全球美食中的主食，随着时间的推移，许多商业水果品种的味道逐渐变差。由于风味相关表型测定的困难及成本问题，育种家长期以来一直面临着这一类复杂性状的挑战。为了解决这个问题，作者利用不同番茄和蓝莓材料的靶向代谢组学及感官小组品评来创建统计和机器学习模型，以预测水果风味感知。利用这些模型，育种家可以评估大量基因型的风味等级，这些基因型以前受感官小组品评通量低的限制。通过10倍交叉验证评估了预测消费者喜好、甜味、酸味、鲜味和风味强度的能力，并评估了18种不同模型的准确性。大多数属性的预测精度都很高，使用XGBoost的蓝莓酸味强度的预测精度为0.87，使用线性回归的番茄总体喜好度的预测精度为0.46。此外，使用表现最好的模型来推断对每种风味属性贡献最大的风味化合物（糖、酸和挥发物）。作者发现番茄和蓝莓中的挥发性有机化合物分别解释了总体喜好得分的42%和56%。作者预计，这些模型将使风味更早地被纳入育种目标，从而培育出更美味的水果品种。

主要结果：

1、网络分析概括代谢途径
为了研究不同预测模型的能力以及不同代谢物在风味感知中的重要性，作者结合番茄和蓝莓之前公布的数据和本研究中两种水果品种的新数据进行分析。对番茄和蓝莓的所有水果材料的代谢物浓度进行加权相关网络分析（图1A和2A）。研究结果表明代谢物在很大程度上与个体生物合成途径的知识相一致。例如，类胡萝卜素挥发物（如香叶醛和β-环柠檬醛）与脂肪酸衍生挥发物（如1-戊醇和E-2-庚醛）之间存在强烈的相关性。类胡萝卜素挥发物来源于质体中的前体，在叶绿体转化为色质体的过程中，其含量显著增加，而脂肪酸挥发物的前体是膜脂。TomloxC是合成五碳和六碳脂肪酸衍生挥发物的必需酶。最近有研究通过数量性状位点（QTL）分析，提出了这些途径之间的潜在联系，指出TomloxC在类胡萝卜素合成中的作用，可能是通过一种共氧化机制。

图1.jpeg

图2.jpeg

图2. （A）基于已知生化分类的蓝莓代谢物及其指定簇的加权相关网络分析。每个代谢物节点的大小表示中间中心性，这是一种衡量节点在其他节点之间最短路径上存在的频率的方法。连接代谢物的线条的宽度根据代谢物之间的相关性进行缩放。每个代谢物在图例中用数字表示。（B）蓝莓群体中每种挥发性组的代谢物浓度分布。挥发性代谢物浓度ng/gfw/h。

2、糖、酸和挥发物对风味感知的贡献
为了确定水果代谢组是否可以解释消费者感官小组评分的变化，作者根据代谢产物的生化分类将其划分为不同模块（图1和图2）。然后，作者将消费者感官差异分解为由每个模块解释的聚合组分（图 3）。进一步将单个方差分量组合成两个主要组进行分析：糖/酸和挥发物（图 3）。在番茄和蓝莓中，大部分的方差由糖/酸和挥发物解释，而很少有方差归因于残差（图 3）。此外，由糖/酸解释的差异比例因风味属性而异，并在两个物种之间形成对比。 例如，77% 的番茄酸味变化是由糖/酸的含量来解释的，而这些化合物只解释了 43% 的蓝莓酸味。 同样，虽然糖/酸主要（60%）解释了蓝莓的甜味，但番茄表型变异的大部分（62%）可以用挥发物来解释。结果表明挥发性化合物可能对这两个物种的感官属性产生巨大影响，这反过来又突出了这些化合物对于改善水果风味的育种计划的重要性。 例如，方差分解估计发现番茄和蓝莓中的挥发性有机化合物分别解释了解释了42% 和 56% 的总体喜好分数。
为了进一步了解水果化学成分如何影响消费者风味，作者分析了每个代谢物模块解释的差异。 糖模块是整体喜欢（番茄 43% 和蓝莓 18%）和甜味（番茄 29% 和蓝莓 27%）的强大驱动力，而代表酸的模块在两种水果中的影响酸味（番茄 54% 和蓝莓 38%）。 同时发现一些易丢失模块对风味评级有很大贡献。 例如，苯丙氨酸衍生和脂质衍生化合物对番茄的甜味感知（分别为 34% 和 16%）和总体喜好评分（分别为 16% 和 13%）有贡献。 脂质衍生的挥发物和类胡萝卜素/萜类化合物分别解释了蓝莓总体喜好分数的 15% 和 21%。 这些结果与先前的结果一致，即特定挥发物与水果甜度呈强正相关。

图3.jpeg

3、预测消费者偏好
使用18 种统计和机器学习方法来预测糖、酸和挥发物浓度的感官特征。 每个模型都在 10 倍交叉验证中进行了评估，每折都通过预测和观察到的消费者口味评级之间的相关性进行评估（图 4A）。交叉验证重复 10 次，对最终预测准确度取平均值。从 XGBoost、梯度提升机器和随机森林模型中观察到了最高的预测准确度。XGBoost 模型比线性回归平均提高了 20%，比传统食品科学应用中使用的 PLS 模型平均提高了 11%。研究发现在所有性状和两个物种中表现最佳的模型（XGBoost）的准确度在 0.62 到 0.87 之间，番茄中最可预测的特征是甜度 (0.8)、风味强度 (0.77) 和酸度 (0.69)，而蓝莓中最可预测的特征是酸度 (0.87) 和甜度 (0.75)。
为了进一步评估在育种中使用代谢组学选择的机会并了解其与基因组选择相比的预测潜力，作者收集了来自 70 个番茄品种的信息，包括这些番茄的全基因组序列、化学特征和感官小组数据。使用 10 倍交叉验证，作者应用基因组选择 gBLUP（基因组最佳线性无偏预测）方法从 79,821 个单核苷酸多态性 (SNP) 的子集中预测消费者感官评分（图 4B）。然后，使用相同 70 个品种的代谢组学信息和相同的交叉验证分区来预测小组评级。 这 70 个基因型代表了总共 147 个种质的一个子集。研究表明代谢组学选择在预测所有这些复杂性状方面优于基因组选择，尤其是在甜味和整体风味偏好方面。对于这些性状，使用 70 种基因型进行的代谢组学选择的甜度和整体口味偏好的准确度分别为 0.68 和 0.45。
接下来，为了测试训练代谢组选择模型需要多少样本，作者对番茄进行了二次抽样分析。 对于这个分析，作者随机选择了 39 个样本作为测试集，并以 10 步长将训练集样本量从 50 增加到 170 来训练模型。重复这个过程 10 次，并对每个样本大小的准确度平均（图 4C），发现准确度随着样本量的增加而增加，但对于某些特征，使用至少50 个样本，准确度可能会相对较高。 使用 gBLUP 和 Bayes A 模型可以更准确地预测酸味，而梯度提升机器在预测更复杂的特征（如整体喜好）时实现了更高的准确度。

图4.jpeg

4、与理想风味相关的代谢物
为了找到能够增强或抑制消费者对味道的感官感知的糖、酸和挥发物，作者使用目前拥有代谢组学和感官小组数据的所有样本（番茄209个，蓝莓244个）对每种水果的模型进行了训练。选择了两种对比建模方法，即贝叶斯A和梯度推进机，进行进一步的推理分析。在Bayes A中，β系数表示该化学物质不存在相互作用的单独加性效应。该系数预测一种化学品对增强风味属性（正值）或降低风味属性（负值）是否重要。对于梯度提升机，变量重要性表示该化学品的边际效应，包括与其他化学品的相互作用效应。 该值在 0 和 100 之间缩放，其中 0 不是重要的预测变量，而 100 是重要的预测变量（图 5）。
对于番茄的甜味，作者发现葡萄糖和果糖是最重要的感官感知增强剂。 梯度提升机还估计1-戊烯-3-酮和2-苯乙醇对感知甜味很重要，而 Bayes A 模型高度评价两种挥发物（E-2-戊烯醛和 4-蒈烯）对甜味增强很重要。 E-2-戊烯醛也被发现是整体风味强度和鲜味的重要贡献者。在蓝莓中，喜欢的重要成分包括可溶性固体、果糖和葡萄糖。此外，发现对增强好感很重要的挥发物包括 2-十一酮、2-己烯基丁酸酯和丙酸乙酯，而对好感不利的挥发物包括桉树脑和苯乙醛。 有趣的是，两种脂质衍生的挥发物（2-己烯-1-醛和2-戊烯醛）分别对蓝莓的酸味有很高的正贡献和最高的负贡献。

图5.jpeg

图5. 在预测蓝莓和番茄风味属性等级时，用梯度推进机（x轴）估计每个代谢物的相对重要性，用Bayes A（y轴）估计β系数。颜色表示代谢物的类型。TA，可滴定酸度。

讨论

水果风味是水果生物化学和消费者感官感知之间的一个复杂特征。在这里，为了创建更高通量的风味表型方法，作者应用了统计和机器学习模型，可以根据水果的化学成分预测消费者感官小组的评分。使用代谢组学分析作为表型分析可以在育种计划的早期阶段准确表征风味特征，此时有更多遗传变异性可供选择（图 6）。在育种计划的早期阶段进行的代谢分析开辟了识别可能被丢弃的优质风味基因型的可能性。此外，使用代谢组学选择来估计风味感知是对分子育种计划的补充。这种两步法可以在育种计划的最早阶段使用 MAS，从而加快风味相关性状的遗传富集（图 6，步骤 2）。代谢组学选择的价值来自于在预测模型中包含所有代谢物，即使是那些影响很小的代谢物，从而更好地整体估计风味感知。因此，代谢组学选择最实际的应用是在育种计划的中间阶段，其中参与推断挥发物生物合成的基因仍然保留足够的遗传变异性来选择美味的品种（图 6，步骤 3 和 4）。最后，消费者感官分析可以限制在最后阶段，其中一些目标基因型将在发布前接受消费者评估（图 6，步骤 5）。在这项工作中，作者展示了预测消费者偏好的不同算法的比较。这些信息有利于植物育种计划，以提高新品种的风味感知。值得注意的是，虽然此处概述的方法通常有用，但对整体喜好的具体化学贡献可能会因消费者群体的种族和地理构成而异。

图6.jpeg

图6. 与感官小组相比，代谢组学选择如何应用于育种项目早期阶段的示意图。

总之本文中，作者结合水果化学成分和消费者感官品评信息来训练机器学习模型，可以通过化学成分预测水果的味道。通过增加风味评估的通量，这些模型将帮助植物育种家在育种过程中尽早整合风味，并帮助设计具有特殊风味的品种。。

文中所有图片均来自Metabolomic selection for enhanced fruit flavor

文中有表述不当的地方，是我的问题，请在后台与小编联系修改，也可以自行阅读原文，谢谢理解与支持。如有团体或个人认为本文侵犯您的权利，请及时联系小编删除。

文章链接地址：https://www.pnas.org/doi/10.1073/pnas.2115865119

参考文献：
Colantonio V, Ferrão LFV, Tieman DM, Bliznyuk N, Sims C, Klee HJ, Munoz P, Resende MFR Jr. Metabolomic selection for enhanced fruit flavor. Proc Natl Acad Sci U S A. 2022 Feb 15;119(7):e2115865119. doi: 10.1073/pnas.2115865119. PMID: 35131943; PMCID: PMC8860002