Envisaging the Regulation of Alkaloid Biosynthesis and Associated Growth Kinetics in Hairy Roots of Vinca minor Through the Function of Artificial Neural Network
- 作者
- Priyanka Verma, Shahin Anjum, Shamshad Ahmad Khan, Sudeep Roy, Jan Odstrcilik, Ajay Kumar Mathur
- 杂志
- Applied Biochemistry and Biotechnology（2015）
- DOI
- 10.1007/s12010-015-1935-1
- 所属领域
- 代谢工程
- 关键词
- 阅读原文
- 查看 PDF 原文
解决的核心问题
以长春花小长春花（Vinca minor）毛状根为体系，通过人工神经网络（ANN）预测和优化萜类吲哚生物碱（尤其是文卡明）的生物合成及其生长动力学，弥补传统实验优化耗时费力且难以模拟复杂非线性生物过程的不足。
研究策略
在V. minor毛状根（克隆PV8）中，联合使用环氧化酶抑制剂（萘普生、苯并三唑）、羟化酶/乙酰转移酶/过氧化物酶诱导剂（过氧化氢、乙酸酐）以及莽草酸和裂环环烯醚萜途径前体（莽草酸、色氨酸、色胺、马钱苷、断马钱苷）进行组合处理，筛选有利于文卡明积累的组合；同时建立GRNN和FFBPNN两种神经网络模型，以处理条件为输入、生长指数（GI）、总生物碱和文卡明产量为输出进行训练和预测，比较实验值与预测值的相关性。
核心内容
本研究以长春花小长春花（Vinca minor）毛状根克隆PV8为体系，通过组合添加环氧化酶抑制剂（萘普生、苯并三唑）、羟化酶/乙酰转移酶/过氧化物酶诱导剂（过氧化氢、乙酸酐）及莽草酸途径和裂环环烯醚萜途径前体（莽草酸、色氨酸、色胺、马钱苷、断马钱苷），系统筛选促进文卡明积累的处理组合，并构建广义回归神经网络（GRNN）与前馈反向传播神经网络（FFBPNN）两种模型，以处理条件为输入、生长指数（GI）、总生物碱和文卡明产量为输出进行训练预测。结果显示，补充莽草酸和色氨酸可将GI提升至440.2至540.5；在断马钱苷联合色氨酸、萘普生、过氧化氢和乙酸酐的组合下，总生物碱最高达3.7%干重，文卡明产量达0.017±0.001%干重，实现了原本不含该产物的体系中从头积累。GRNN对生长指数、总生物碱和文卡明的相关系数分别为0.9997、0.9980和0.9511，其生长指数MAE仅0.63，显著优于FFBPNN的11.75，表明GRNN能更精准地解析复杂非线性生物过程。该工作证实人工神经网络可作为植物毛状根培养与次生代谢产物优化的高效预测工具，为生物碱类天然产物的定向调控提供了新策略。
创新点
将人工神经网络技术应用于V. minor毛状根次生代谢调控的建模与预测，系统比较了GRNN和FFBPNN在预测植物毛状根生长和产物合成中的性能；通过多因子组合处理成功促进了文卡明在原本不含文卡明的V. minor毛状根中的积累。
研究对象（4）
| 底盘细胞 | 代谢通路 | 基因 | 蛋白 | 功能 | 说明 |
|---|---|---|---|---|---|
| Vinca minor 毛状根（克隆PV8） | 萜类吲哚生物碱生物合成 | — | 羟化酶 | 催化 | 通过过氧化氢和乙酸酐处理增强其活性，促进文卡明合成 |
| Vinca minor 毛状根（克隆PV8） | 萜类吲哚生物碱生物合成 | — | 乙酰转移酶 | 催化 | 通过过氧化氢和乙酸酐处理增强其活性，参与文卡明生物合成 |
| Vinca minor 毛状根（克隆PV8） | 萜类吲哚生物碱生物合成 | — | 过氧化物酶 | 催化 | 过氧化氢诱导其活性，可能参与氧化转化步骤 |
| Vinca minor 毛状根（克隆PV8） | 萜类吲哚生物碱生物合成 | — | 环氧化酶 | 催化 | 被萘普生和苯并三唑抑制，以阻断蛇根碱型生物碱合成，促进文卡明积累 |
关键发现
- 补充莽草酸和色氨酸可促进生物量积累，生长指数（GI）达440.2~540.5
- 在断马钱苷+色氨酸+萘普生+过氧化氢+乙酸酐组合处理下，总生物碱最高达3.7%干重，文卡明产量最高达0.017±0.001%干重。GRNN对生长指数、总生物碱和文卡明的相关系数分别为0.9997、0.9980、0.9511，FFBPNN分别为0.9725、0.9444、0.9422
- GRNN的均绝对误差（MAE）和归一化均方误差（NMSE）均优于FFBPNN，如生长指数MAE为0.63（GRNN）vs 11.75（FFBPNN），显示GRNN预测更准确。
研究结论
通过环氧化酶抑制和诱导剂/前体饲喂策略成功实现了V. minor毛状根中文卡明的从头合成调控。GRNN模型能够以更高的精度预测生长指数、总生物碱和文卡明产量，而FFBPNN因权重随机初始化导致对生物碱和文卡明的预测效果较差。研究表明ANN可作为植物体外培养和次生代谢产物优化的高效预测工具。