Le concept Terroir Interprété par Grape Berry métabolomique et transcriptomique

l'analyse de données à grande échelle basée sur les génomes, transcriptome, protéome et métabolomes de plantes fournit un aperçu sans précédent dans le comportement de systèmes complexes, tels que les caractéristiques du terroir de vin qui reflètent les interactions entre les plantes de la vigne et de leur environnement. Parce que le terroir d'un vin peut être distinct même lorsque des clones de vigne identiques sont cultivées dans différents vignobles, l'analyse génomique est de peu d'utilité parce que les génomes clonales sont identiques. Au lieu de cela, il est nécessaire d'examiner les corrélations entre l'expression génique et les propriétés métaboliques des baies, qui déterminent les caractéristiques de qualité du vin. L'analyse de l'expression des gènes au niveau des transcriptome bénéficie des propriétés chimiques similaires de tous les relevés de notes, ce qui facilite l'analyse quantitative en exploitant des caractéristiques universelles telles que l'hybridation à des sondes immobilisées sur des microréseaux. En revanche, les méthodes d'analyse universelles en protéomique unend métabolomique sont plus difficiles en raison de la grande diversité physique et chimique des protéines et des métabolites individuels. Dans le cas de la métabolomique cette diversité est encore plus extrême parce que les métabolites individuels diffèrent considérablement en taille, la polarité, l'abondance et la volatilité, donc pas de processus d'extraction unique ou méthode analytique offre une approche holistique.

Parmi les plates-formes d'analyse appropriées pour les métabolites non volatils, ceux basés sur la chromatographie liquide à haute performance couplée à la spectrométrie de masse (HPLC-MS) sont beaucoup plus sensibles que des alternatives telles que HPLC avec ultraviolets ou diodes détecteurs matriciels (HPLC-UV, HPLC-DAD ) ou par résonance magnétique nucléaire (RMN), mais une analyse quantitative par HPLC-MS peut être influencée par des phénomènes tels que l'effet de la matrice et la suppression d'ions / amélioration ^1-3. L'enquête de ces effets lors de l'analyse des Corvina baies de raisin par HPLC-MS en utilisant une source d'ionisation électrospray (HPLC-ESI-MS), a montré que les sucres et d'autres molécules avec des temps les plus faibles de rétention ont été fortement sous-déclarées, reflétant probablement aussi le grand nombre de molécules dans cette zone, et que l'abondance d'autres molécules pourrait être sous-estimée, surestimée ou non affecté par l'effet de la matrice , mais la normalisation des données pour l'effet de la matrice semblait avoir un impact limité sur le résultat de ^4,5 globale. Le procédé décrit ici est optimisée pour l'analyse des métabolites à moyen polarité qui accumulent à des niveaux élevés dans les baies de raisin pendant la maturation, et qui sont fortement touchée par le terroir. Ils comprennent anthocyanes, flavonols, flavan-3-ols, procyanidines, d'autres flavonoïdes, le resvératrol, les stilbènes, les acides hydroxycinnamiques et les acides hydroxybenzoïques, qui déterminent ensemble la couleur, le goût et les propriétés liées à la santé des vins. D'autres métabolites, tels que les sucres et les acides organiques aliphatiques, sont ignorées parce que la quantification par CLHP-SM est peu fiable en raison de la matrice effect et la suppression d'ions phénomènes ^5. Dans la gamme de polarité sélectionnée par cette méthode, l'approche est untargeted en ce qu'il vise à détecter autant de métabolites différents que possible ^6.

Méthodes de transcriptomique permettant des milliers de transcriptions de la vigne à surveiller simultanément sont facilitées par la disponibilité de la séquence du génome de la vigne complète ^7,8. méthodes de transcriptomique précoces basées sur séquençage à haut débit d'ADNc ont évolué avec l'avènement du séquençage de nouvelle génération dans une collection de procédures collectivement décrites comme la technologie de l'ARN-Seq. Cette approche est en train de devenir la méthode de choix pour les études de transcriptomique. Cependant, un grand corps de la littérature sur la base de microréseaux, qui permettent à des milliers de transcriptions à quantifier en parallèle par hybridation, a accumulé pour la vigne. En effet, avant l'ARN-Seq est devenue une technologie grand public, de nombreuses plates-formes dédiées microarray commerciales avaient étédéveloppé permettant la vigne transcriptome à inspecter en détail. Parmi la grande variété de plates – formes, deux seulement permis l' analyse du transcriptome génome entier ^9. La gamme la plus évolué a permis à l'hybridation de jusqu'à 12 échantillons indépendants sur un seul appareil, réduisant ainsi les coûts de chaque expérience. Les 12 sous-réseaux constitués chacun 135.000 sondes 60-mères représentant 29,549 transcrits de la vigne. Ce dispositif a été utilisé dans un grand nombre d'études ^10-24. Ces deux plates – formes ont été abandonnées , mais un nouveau microréseau personnalisé a été récemment conçu et représente un développement plus récent , car il contient un plus grand nombre de sondes représentant des gènes de la vigne nouvellement découverts supplémentaires ^25.

Les ensembles de données de grande vente produites par la transcriptomique et la métabolomique analyse nécessitent des méthodes statistiques appropriées pour l'analyse des données, y compris des techniques multivariées pour déterminer les corrélations entre forme différentes de données. Les techniques multivariées les plus utilisées sont celles basées sur la projection, et ceux – ci peuvent être sans surveillance, comme analyse en composantes principales (ACP), ou supervisé, comme projection orthogonale bidirectionnel à des structures latentes analyse discriminante (O2PLS-DA) ^26. Le protocole présenté dans cet article utilise PCA pour l'analyse exploratoire des données et O2PLS-DA pour identifier les différences entre les groupes d'échantillons.