O Conceito Terroir Interpretado através da baga da uva Metabolomics e transcriptómica

análise de dados em larga escala com base nos genomas, transcriptomes, proteomas e metabolomes de plantas oferece uma visão sem precedentes sobre o comportamento de sistemas complexos, tais como as características terroir do vinho que refletem as interações entre plantas de videira e seu ambiente. Porque o terroir de um vinho pode ser diferente, mesmo quando clones de videira idênticos são cultivadas em vinhedos diferentes, a análise genômica é de pouca utilidade, porque os genomas clonais são idênticos. Em vez disso, é necessário olhar para as correlações entre a expressão do gene e as propriedades metabólicas das bagas, que determinam os traços de vinho de qualidade. A análise da expressão do gene ao nível dos benefícios transcriptoma de as propriedades químicas semelhantes de todos os transcritos, o que facilita a análise quantitativa por exploração das características universais, tais como hibridação com sondas imobilizadas em microarrays. Em contraste, os métodos analíticos universais em proteômica umnd metabolômica são mais difíceis por causa da enorme diversidade física e química de proteínas e metabólitos individuais. No caso de metabolômica esta diversidade é ainda mais extrema, porque metabólitos individuais diferem muito em tamanho, polaridade, abundância e volatilidade, de forma que nenhum processo de extração única ou método analítico oferece uma abordagem holística.

Entre as plataformas de análise adequados para os metabolitos não voláteis, os baseados em cromatografia líquida de alto desempenho acoplada a espectrometria de massa (HPLC-MS) são muito mais sensíveis do que as alternativas, tais como a CLER com raios ultravioleta ou de diodos detectores de matriz (HPLC-UV, HPLC-DAD ) ou espectroscopia de ressonância magnética nuclear (RMN), mas a análise quantitativa por meio de HPLC-MS pode ser influenciado por fenómenos tais como o efeito da matriz e de supressão de iões / realce ^1-3. A investigação de tais efeitos durante a análise dos bagos de uva Corvina por HPLC-MS usando uma fonte de ionização electrospray (HPLC-ESI-MS), mostrou que os açúcares e outras moléculas com as menores tempos de retenção foram fortemente subestimada, provavelmente reflectindo também o grande número de moléculas nesta zona, e que a abundância de outras moléculas pode ser subestimada, excessivas ou afectada pelo efeito matriz , mas a normalização de dados para o efeito de matriz parecia ter impacto limitado sobre o resultado ^{de 4,5} global. O método aqui descrito é otimizado para a análise dos metabolitos média polaridade que se acumulam em níveis elevados em bagos de uva durante a maturação e que são significativamente impactados pelo terroir. Eles incluem antocianinas, flavonóis, flavan-3-ols, procianidinas, outros flavonóides, resveratrol, estilbenos, ácidos hidroxicinâmico e ácidos hidroxibenzóico, que, juntos, determinam a cor, sabor e propriedades relacionadas com a saúde de vinhos. Outros metabolitos, tais como os açúcares e os ácidos orgânicos alifáticos, são ignorados porque a quantificação por meio de HPLC-MS não é fiável devido à matriz effect e supressão de íons fenômenos ^5. Dentro da gama de polaridade seleccionada por este método, a abordagem é não segmentado em que visa detectar como muitos metabolitos diferentes quanto possível ^6.

Transcriptomics métodos que permitem que milhares de transcritos de videira para ser monitorizada simultaneamente são facilitado pela disponibilidade da sequência do genoma completo videira ^7,8. métodos transcriptômica início com base em high-throughput seqüenciamento de cDNA evoluíram com o advento do sequenciamento de última geração em um conjunto de procedimentos descritos coletivamente como a tecnologia de RNA-Seq. Esta abordagem está se tornando rapidamente o método de escolha para estudos transcriptômica. No entanto, um grande corpo de literatura com base no micro-arranjo, o que permite milhares de transcritos para ser quantificada em paralelo por hibridização, tem acumulado para vinha. Na verdade, antes de RNA-Seq tornou-se uma tecnologia mainstream, muitas plataformas de microarrays comerciais dedicados tinha sidodesenvolvido permitindo transcriptoma vinha a ser inspeccionado em grande detalhe. Entre a grande variedade de plataformas, apenas dois permitiu a análise do transcriptoma do genoma ^9. A matriz mais evoluído permitiu a hibridização de cerca de 12 amostras independentes de um único dispositivo, reduzindo assim os custos de cada experiência. As 12 sub-matrizes cada um composto 135.000 sondas 60-mer representando 29,549 transcrições de videira. Este dispositivo foi usado em um grande número de estudos ^10-24. Estas duas plataformas já foram interrompidas, mas um novo microarray personalizado foi recentemente concebido e representa um desenvolvimento mais recente, já que contém um número ainda maior de sondas que representam genes de videira recém-descobertos mais ^25.

Os conjuntos de dados de grande venda produzidas por transcriptomics e metabolômica análise requer métodos estatísticos adequados para a análise de dados, incluindo técnicas de análise multivariada para determinar correlações entre forma diferentes de dados. As técnicas de análise multivariada mais utilizados são aqueles com base em projeção, e estes podem ser sem supervisão, tais como análise de componentes principais (PCA), ou supervisionado, como projeção ortogonal bidirecional com estruturas latentes análise discriminante (O2PLS-DA) ^26. O protocolo apresentado neste artigo utiliza PCA para análise exploratória de dados e O2PLS-DA para identificar diferenças entre grupos de amostras.