四虎精品在线观看-四虎久久精品国产-四虎久久影院-四虎论坛-一级片免费在线观看视频-一级片片

科技 >

10年探索!植物感知高溫分子機制取得新進展

時間:2022-05-13 13:57:15       來源:中國科學報

“盡管大家用的模型有些差異,但高溫會導致作物減產的結論是肯定的。”

溫度升高會嚴重抑制植物的光合作用,減少碳水化合物的合成;與此同時,呼吸作用會變得強烈,分解并消耗大量有機養分,導致葉片出現“失綠”——這是光合作用機能明顯降低的癥狀。在強光和高溫下,植物的蒸騰作用很大,尤其是葉片和果實溫度升高,如果不及時補充水分,會導致嚴重曬傷、葉片枯黃、果面干白等,影響花芽分化甚至致其死亡。

“光合作用對溫度非常敏感,溫度一升高,光合作用的效率就下降了,進而影響農作物產量。”郭房慶補充說,“在我國長江中下游地區,曾發生過高溫導致水稻絕收的情況,當然這種極端情況并不常發生,但高溫對農作物產量的影響非常顯著。”

發現植物高溫感知新機制

為了抵御高溫傷害,高等植物會啟動自身的防衛熱激反應。

“關于高等植物感知熱的原初信號事件,有3個基礎且有挑戰的科學問題尚待解答。”郭房慶說,“一是植物如何感知熱;二是熱信號的本質是什么;三是產生的熱信號是如何被接收和傳導的。”

植物感知的“熱”是一種物理刺激,既看不見又摸不著。

“以前研究認為,植物高溫響應沒有特異的‘系統信號概念’,每個植物細胞均作為獨立的單元,感知高溫脅迫并啟動細胞自身的熱激反應。”郭房慶說,“我們的研究發現,高溫誘導莖頂端產生一種活分子GSNO, 其作為移動的信號分子由地上部向根部傳遞,在整個植物體水依次激發細胞的高溫防衛反應。”

該研究發現,莖尖生長點是擬南芥感知高溫的器官,高溫誘導莖尖部位導致一氧化氮(NO)的爆發,而隨后生成相對穩定的GSNO,通過維管束從地上部向根部傳遞,在整個植物體水激發細胞的高溫響應和耐熱建成過程。

莖尖生長點是植物最重要的器官之一。莖尖生長點各種細胞分裂和代謝十分活躍,因此也是最敏感、最易受到高溫傷害的地方。

“我們發現,莖尖生長點最先感受到溫度變化,然后及時把信息傳遞到各個部位,包括葉子、根部,并及時做出應對:比如對葉片而言,啟動自身防衛熱激反應以維持高溫下適度的光合作用效率;‘告訴’根部,多吸收點水分和營養元素等。”郭房慶說,“另一方面,高溫下葉片光合作用的運行和根部養分、水分的保障對于莖尖生長點活力維持乃至存活都至關重要。換句話講,莖尖生長點及時‘通風報信’是有回饋和補償的。”

好奇心引發大發現

提起這個重要發現,郭房慶對當時的細節記憶猶新。10年前,團隊發現模式植物擬南芥一個關鍵熱激轉錄因子基因首先在莖尖生長點響應高溫表達。

為進一步弄清這種熱信號的感受傳導機制,研究人員將擬南芥放進培養箱中,在30至45攝氏度之間調控升溫。然后將一種“報告基因”染色,并在顯微鏡下觀察植物體各個器官組織中該基因熱表達啟動的動力學過程。

通常進行這種實驗,都是等6至8小時或過夜后再進行觀察研究。因此,大家會選擇前一天晚上染色、第二天觀察。當時團隊卻出于好奇,想知道染色后一兩個小時內植物中基因表達會有什么變化。

“如果沒有這種好奇心,就不會有細化到5至10分鐘觀察一次的實驗設計方案,也就不會有后面的發現。”郭房慶說。

細節決定成敗。通過細致的實驗方案,團隊看到了“和預想大相徑庭”的現象。

“我們原來認為整個植株會同時發生變化,從淡藍色到天藍色再到深藍色。”論文第一作者、已畢業的何寧宇博士對《中國科學報》說,“實際上我們卻看到莖尖先變藍,然后往下走,到莖、葉脈、老葉子,再延展到根部。”

科學上的結論不能只有“孤證”,他們需要用不同的證據驗證這個獨特的現象。在后續研究中,團隊通過原位雜交技術,在加熱、不加熱條件下進行切片,用探針測試,同樣看到莖尖生長點先起反應。通過生化生理、細胞學和莖尖組織結構方面的驗證,他們認為這是個可信的結論。

此后,研究人員又測試多種植物激素和已知的生物、非生物脅迫信號分子,發現只有NO處理能誘導“報告基因”強烈表達,且高溫誘導的表達可以被NO清除劑所抑制。

“這表明NO介導了這種關鍵熱激轉錄因子基因(HsfA2)的高溫響應表達。”何寧宇說,“NO缺失和過量產生突變體遺傳方面的證據同樣支持上述結論。”

綜合多種形式的野生型和NO突變體地上部、根部嫁接實驗,該團隊揭示了一條全新的植物高溫感知和信號傳導途徑,證實植物通過響應高溫在莖尖生長點爆發累積NO,從而將高溫這一物理脅迫轉換成可傳遞的生化信號;并揭示了轉錄因子GT-1可以承接GSNO信號并啟動下游高溫響應基因的表達。尤為重要的是,GT-1可以作為新的高溫育種分子標記靶點。

關鍵詞: 植物感知高溫分子 機制取得新進展 信號傳導途徑 自然—植物

首頁
頻道
底部
頂部
閱讀下一篇

《自然》雜志:機器學習模型可準確計算大型地震規模

英國《自然》雜志11日發表的一項研究顯示,一個機器學習模型可以對大型地震的演化進行準確地實時估測,這個經過訓練的機器學習模型能測定以