用于表征复杂天然有机物混合物的单吞吐量互补高分辨率分析技术

在全球范围内, 湿地估计含有 529 pg 的碳 (c), 主要是埋在泥炭矿床¹中的有机 c。目前, 这类泥炭地起到了净 c 汇的作用, 仅在北美^就有 29 tg c-1。然而, 排水、火灾、干旱和温度升高等环境干扰可以通过增加有机物分解来抵消这种 c 汇,从而通过温室气体 (二氧化碳 [co2] 和甲烷 [ch₄]) 生产^1,2。如果温度升高或干燥机条件刺激微生物更快地分解 c, 气候变化可能会导致 c 损失。另外, 较高的温度和空气二氧化碳浓度可能会刺激初级生产, 以将更多的 co2 作为有机碳 (oc) 来固存.然后将 oc 分解为 co2 和 ch4 的程度和速度取决于电子供体基板、电子受体的可用性以及介导转型。在许多情况下, 这些机制的特点并不好, 因此它们对环境扰动的反应没有得到很好的限制, 气候变化对泥炭地生态系统碳平衡的净结果仍然不清楚。

天然有机物 (nom) 的复杂性使得即使是识别 nom 混合物中存在的有机化合物也变得困难。最近的进展大大提高了我们对传统上被视为顽抗的腐殖质或黄腐化合物^的化合物的特性的能力, 3^,4,5。我们现在了解到, 这些化合物中的许多实际上是微生物可用的, 如果一个合适的终端电子受体 (tea) 可用^{6,7, 可能}会被分解。计算化合物的碳 (nosc) 的名义氧化状态为预测分解潜力和所需的 tea 的能量产率提供了一个指标。然而, 它需要分子水平的表征的有机物 7.nosc通过以下等式⁷计算: nosc =-(-z + 4 (#C) + (#H)-3 (#O) + 5 (#P)-2 (#S))/(#C)) + 4, 其中 z 为净电荷。nosc 与热力学驱动力⁸相关, 其中具有较高的 nosc 的化合物更容易降解, 而具有较低的 nosc 的化合物需要越来越高的能量 tea 才能减少。nosc 小于-2 的化合物需要高能量产生的 tea, 如 o₂、硝酸盐或锰^iv, 并且不能通过通常发生的较低的能量产生的 tea (如^{fe iii}或 thatif7) 而降解.这是一个重要的考虑因素, 在湿地的水淹缺氧条件下发现, 那里的 o₂和其他高能量产生的 tea 很少⁹ , 因此, 在这些条件下, 低 nosc 化合物的降解是热力学上的限制。环境扰动可以通过影响 o_{2 (}最有能量的电子受体) 的水文变化、有机基板的变化和初级可获得的电子受体来影响生态系统的热力学状态生产, 并在较小的范围内由温度。湿地系统中温度影响的一个重要例子是在同质乙酰发生 (即二氧化碳和 h2_产生的醋酸盐) 和氢养能力甲烷生成 (即_, co2 和 h2 的 ch₄生产)。在低温下, 同种异体的表现似乎略受欢迎, 而温度较高则有利于_ch4生产¹⁰。这种温度效应可能对生态系统对气候变化的反应产生重要影响, 因为 ch4 是一种比 co2-11 ^强得多的温室气体, 因此增加了_ch4的产量, 而牺牲了在温度较高的情况下, 二氧化碳_可能会对气候变暖产生积极的反馈。

泥炭地通过天然有机质的微生物呼吸产生全球大量的 co2 和 ch46^.有机碳基板的 nosc 决定了生产的 co:ch₄的相对比例, 这是一个关键参数, 因为 ch₄的辐射强迫高于_co2^11,但也因为建模工作已确定该比率为估计泥炭地12中 c 通量的关键参数。在没有二氧化碳_以外的终端电子受体的情况下, 电子天平可以看出 nosc > 0 的有机 c 基板会产生 co2:ch 4 >1, 有机 c 与 nosc₌ 0 产生 co2 和 ch 4 .在等摩尔比和有机 c 与 nosc < 1 将产生 co2:ch 4 < 1 13.oc 在自然生态系统中的分解是由微生物介导的, 因此, 即使特定化合物的降解在热力学上是可行的, 它也受到微生物酶活性的内在限制, 在缺氧条件下, 也受到热力学驱动力 (即nosc)⁷。到目前为止, 充分表征有机物一直是一项挑战, 因为存在的化合物的多样性需要不同的互补技术来表征其特性。最近的进展弥补了这一差距;使用一套分析技术, 我们可以分析大量的有机化合物提供分子水平的表征, 并在某些情况下量化, 从小质代谢物, 如葡萄糖到800大多杂环。以前, 这样的大型复杂分子会被简单地描述为木质素样或单宁样, 并被认为是顽抗的。分子级表征, 然而, 允许计算 nosc, 即使这些大的复杂分子。这些 nosc 值与热力学驱动力呈线性关系, 可以评估可分解的有机物的质量, 这在许多情况下表明, 这些复杂的分子实际上可能是微生物的即使在湿地普遍存在的缺氧条件下也可以降解。

由于引入 o2可以分解几乎所有自然观测到的 nosc 值的有机物, 因此我们关注的是有机物和微生物蛋白质组学的变化, 这些变化很可能是湿地的主要驱动因素 (即,有限的 o₂) 系统。然而, 我们将要讨论的所有技术都可以应用于来自任何生态系统的有机物。通常, 基于光学和荧光分析的批量测量被用来评估有机物质量^3,14。然而, 当使用这样的批量测量时, 由于大量的分子被归类为腐殖质或富维生物等泛型术语, 因此会丢失精细的细节。这些类别的定义没有受到很好的限制, 事实上, 由于研究的不同, 不可能进行比较, 这些定义可能会有所不同。此外, 体积测量没有提供计算控制系统的热力学所需的分子细节, 因此无法真正评估有机物质量¹⁵。

其它技术, 如傅里叶变换离子回旋共振质谱 (fticr-ms)、核磁共振 (nmr) 光谱、气相色谱质谱 (gc-ms) 和液相色谱质谱 (lc-ms))提供这样的分子级细节。虽然这些技术中的每一种都有其自身的局限性, 但它们也带来了自己的优势, 可以用综合的方法来实现在严格的热力学意义上量化有机物质量所需的精细分子细节.gc-ms 可用于识别可能对 co2 和 ch4 生产有近端影响的关键小代谢物 ( 如葡萄糖、醋酸盐等); 然而, 气相色谱-质谱联用要求对照标准进行验证, 因此仅限于数据库中已经已知的化合物, 无法识别新的化合物。此外, gc-ms 是一种半定性技术, 可以推断相对浓度的变化, 但没有提供计算 gibb 自由能量所需的实际浓度信息。最后, gc-ms 要求分子在分析之前进行衍生化, 这限制了小于 ~ 400 da 的化合物的分辨率, 而挥发性醇在干燥步骤中丢失。

一维 (1d) ¹h 液态核磁共振允许对小代谢物 (包括初级小分子量代谢物和醇、醋酸、丙酮、甲酸酯、丙酮酸、琥珀酸等挥发物) 进行高度定量的表征,短链脂肪酸, 以及一系列的碳水化合物, 众所周知的缺失或妥协的 ms 为基础的方法) 和他们的浓度是特别有用的计算热力学参数。然而, 与 gc-ms 一样, 复杂混合物的一维核磁共振需要相对于数据库的标准化, 因此, 仅靠这些化合物并不容易识别, 而这些化合物在复杂的自然和不断变化的生态系统中可能很丰富。此外, 核磁共振比基于 ms 的技术灵敏度较低, 因此, 使用装有氦冷却冷探头的核磁共振系统, 定量代谢产物分析仅达到1μm 以上。一些核磁共振冷探头没有得到广泛的重视, 在较小直径 (< 3 毫米外径) 样品管16中使用时, 可以在存在四能盐浓度的情况下进行环境混合物分析.然而, 核磁共振的另一个复杂因素是, 大量的顺磁性金属和矿物 (例如, 铁和锰含量在 1-3% 以上), 在高地土壤中可以很丰富, 可以扩大光谱特征, 使核磁共振光谱的解释复杂化.使用固相萃取 (spe) 可以通过减少矿物盐和提高光谱质量来辅助解释核磁共振和基于 ms 的代谢组学方法。

直接注射的 fticr-ms 是一种高度敏感的技术, 能够从单个样本中检测到数万种代谢物, 但它不捕获关键的小代谢物, 如醋酸盐、丙酮酸和琥珀酸, 而且众所周知, 很难用于糖和其他碳水化合物¹⁷, 也不能提供定量信息。然而, 与其他技术不同的是, fticr-ms 擅长识别新化合物并将其分配为分子式, 因此可识别提供比任何其他描述技术更多分子信息的化合物数量最多的化合物。这是有用的, 因为 fticr-ms (和其他技术) 提供的分子信息可用于计算 nosc, 这与控制某些反应的可能性的热力学驱动力和它们在某些情况下的速率有关。条件⁷。此外, 通过将 fticr-ms 与 lc 和串联 ms 等分离技术耦合, 可以获得定量的结构信息, 弥补了该技术的一些缺点。lc-ms 可用于识别脂质类化合物和其他代谢物, 这些化合物和代谢物没有得到任何其他方法的充分表征。将 lc fticr-ms 或 lc-ms 与分数收集器耦合, 并收集特定未知的分数, 通过二维 (2d) 液态核磁共振进行结构阐明, 是识别和量化未知化合物的理想情况^{18 ,19}。然而, 这是一个非常耗时的步骤, 可以在需要时使用。单独来看, 这些技术中的每一种都提供了不同的有机物快照, 通过集成它们, 我们可以实现比单独使用任何技术更完整的理解。

虽然热力学的考虑对一个系统中可能发生的转变设置了最终的约束, 但有机物分解是由酶活性控制反应速率的微生物介导的。因此, 要充分了解湿地对有机物分解和最终温室气体 (co2 和 ch 4) 生产的控制, 需要采用综合的组学方法来描述微生物酶的活性, 以及代谢物。在本文中, 我们介绍了一种方法, 用于从单个样本中使用顺序方法实现这种全面分析, 从而实现完全配对的分析。这种方法扩展了代谢物、蛋白质和脂质提取 (mplex) 协议, 其中蛋白质组学与 gc-ms 和 lc-ms²⁰结合, 通过纳入代谢物定量信息来识别小的代谢物、蛋白质和脂类通过nmr 和通过fticr-ms 对较大的次生代谢物进行鉴定. 与 mplex 稍有不同, 我们从水提取开始, 然后对越来越多的非极性溶剂进行顺序萃取。所有提取都是在单个样品上进行的, 在体积有限或难以获得的情况下, 可以保存样品, 并减少通过不同样品基质 (如土壤和泥炭) 中的等价物之间的变化而引入的实验误差, 或储存条件和持续时间的差异。

最后, 通过将 om 分析与微生物群落的蛋白质组学分析相结合, 我们可以建立描述有机物分解途径和转化的代谢网络。这使我们能够通过改变可用的有机基板、电子受体和微生物群落来测试关于系统扰动_将如何影响最终 co2 和 ch4 生产的具体假设通过酶催化剂的活性来调节反应。

该方法的总体目标是提供一个单一的吞吐量协议, 用于分析单个样本中的代谢物、脂质和微生物蛋白, 从而为构建代谢网络创建一个完全配对的数据集, 同时约束分析错误.