美国能源部橡树岭国家实验室的科学家对植物根系释放到周围环境中的化合物进行了细致的分析。分析得出了大量数据，可以指导旨在改善能源和粮食作物种植方式的研究。

研究人员早就知道，植物与细菌和真菌等微生物形成的关系可以使植物更耐受恶劣的生长条件，例如干旱或营养缺乏。植物生长时会向土壤中释放有机分子，这一过程称为根系沉积。这些有机物质反过来又会影响植物和微生物与其他地下过程的相互作用。

ORNL的科学家开发了一种基于代谢组学(一门研究小分子的学科)的全新分析框架，用于系统地表征植物来源的根际沉积物。这项研究产生了大量关于土壤中化合物多样性和相对含量的数据，正如发表在《植物、细胞与环境》杂志上的一篇文章所述。

该项目收集的信息增强了对植物与微生物组之间相互作用的理解，从而指导高产抗逆作物品种的开发，以及增强作物抗逆性的微生物工程改造。这些成果有助于为生物经济开发耐寒、高产的生物能源原料，从而加强国内供应链和能源安全。

非针对性方法扩大结果

研究人员设计了一项实验，在受控条件下种植两种杨树，分别添加和不添加营养物质。研究人员在不同时间从活跃生长和较成熟的根部区域采集样本，并使用一种名为非靶向代谢组学的方法，这种方法使他们能够检测和分析尽可能多的分子，而不仅仅是预先选定的少数几个分子。

研究团队利用高分辨率质谱法对化合物进行识别和定量分析，生成样品的分子指纹图谱。随后，他们利用计算方法对化合物进行分组和比较。

这项研究成果揭示了大量根系沉积物化合物，其中许多化合物此前从未被发现。它们的组成成分随植物类型、养分供应情况、生长地点和时间而变化。研究人员利用橡树岭国家实验室(ORNL)关于杨树(一种重要的生物能源作物)的大量基因组数据，以了解遗传学如何在这些化合物的形成过程中发挥重要作用。

“代谢组学主要局限于靶向分析，确认样本中怀疑存在的特定化合物或相互作用，”ORNL生物科学部的项目联合负责人Paul Abraham说道。“但通过非靶向方法，我们可以捕捉到更广泛的化学多样性，揭示出可能在土壤和植物系统中发挥关键作用的意料之外或先前未被认识的化合物。”

下一步：人工智能辅助发现

“这个项目得益于ORNL的超精密质谱仪器和跨学科环境，”Abraham说道。“这些仪器的准确性和灵敏度对于非靶向代谢组学的成功至关重要。我们基因组学、植物系统生物学和生物分析化学领域的专家团队在设计和执行这项研究以及理解其意义方面发挥了至关重要的作用。”

亚伯拉罕补充道，后续研究可能包括部署人工智能工具来分析数据。“我们测量的化学空间非常广阔，我们检测到的大多数分子无法用现有的参考标准来确认，”他说。

为了理解这种复杂性，我们将越来越依赖机器学习和人工智能来将化学式解析为预测结构。因此，我们的主要目标之一是让更广泛的科学界能够查找、访问和重复使用我们的数据。

他补充说，科学家还可以利用橡树岭国家实验室先进植物表型实验室安装的数字地下根分析系统，实现基于图像的根系动态分析，从而可能提取更多特征。

更多信息： Manasa R. Appidi 等人，《木本多年生毛果杨(Populus trichocarpa)的根系动态沉积》，《植物、细胞与环境》(2025)。