Modeliranje maksimalne entropije distribucijskega območja Morchella Dill. Ex Pers. Vrste na Kitajskem v podnebnih spremembah, 1. del

Preprost povzetek:Podnebne spremembe so bile vedno opazen dejavnik pri raziskovanju razširjenosti vrst. V zadnjih desetletjih so se habitati vrst zaradi podnebnih sprememb postopoma uničevali. Tako predvideti, kako bodo podnebne spremembe vplivale na preživetje in primerne habitate divjega morchella Dill. ex Pers. vrst na Kitajskem smo uporabili model največje entropije za simulacijo sprememb v območju njegove razširjenosti od zgodovinskih obdobij do prihodnjih obdobij. Naši rezultati kažejo, da so padavine, nadmorska višina in temperatura nepogrešljivi dejavniki, ki vplivajo na prisotnost in primerne habitate divjih vrst Morchella. Poleg tega nam je ta raziskava pokazala obetaven trend, da se bo primerno območje vrste v kratkem povečalo do določenega obsega, ne glede na scenarij. Na podlagi teh ugotovitev bi lahko raziskali in oblikovali optimalno shemo za ohranjanje virov divje morčele.

Glikozid cistanche lahko tudi poveča aktivnost SOD v srčnem in jetrnem tkivu ter znatno zmanjša vsebnost lipofuscina in MDA v vsakem tkivu, učinkovito lovi različne reaktivne kisikove radikale (OH-, H₂O₂ itd.) in ščiti pred povzročeno poškodbo DNK z OH-radikali. Cistanche feniletanoidni glikozidi imajo močno sposobnost lovljenja prostih radikalov, večjo redukcijsko sposobnost kot vitamin C, izboljšajo aktivnost SOD v suspenziji semenčic, zmanjšajo vsebnost MDA in imajo določen zaščitni učinek na delovanje membrane semenčic. Cistanche polisaharidi lahko povečajo aktivnost SOD in GSH-Px v eritrocitih in pljučnem tkivu eksperimentalno starajočih se miši, ki jih povzroča D-galaktoza, pa tudi zmanjšajo vsebnost MDA in kolagena v pljučih in plazmi ter povečajo vsebnost elastina. dober čistilni učinek na DPPH, podaljša čas hipoksije pri starajočih se miših, izboljša aktivnost SOD v serumu in upočasni fiziološko degeneracijo pljuč pri eksperimentalno starajočih se miših. Pri celični morfološki degeneraciji so poskusi pokazali, da ima Cistanche dobro antioksidativno sposobnost in ima potencial, da postane zdravilo za preprečevanje in zdravljenje bolezni staranja kože. Hkrati ima ehinakozid v Cistanche pomembno sposobnost čiščenja prostih radikalov DPPH in ima sposobnost čiščenja reaktivnih kisikovih vrst ter preprečuje razgradnjo kolagena, ki jo povzročijo prosti radikali, ima pa tudi dober učinek popravljanja na poškodbe anionov prostih radikalov timina.

Kliknite Ali Cistanche deluje za antioksidant

【Za več informacij:george.deng@wecistanche.com / WhatApp:86 13632399501】

Povzetek: Morchella is a kind of precious edible, medicinal fungi with a series of important effects,  including anti-tumor and anti-oxidation effects. Based on the data of 18 environmental variables and the distribution sites of wild Morchella species, this study used a maximum entropy (MaxEnt) model to predict the changes in the geographic distribution of Morchella species in different historical periods (the Last Glacial Maximum (LGM), Mid Holocene (MH), current, 2050s and 2070s). The results revealed that the area under the curve (AUC) values of the receiver operating characteristic curves of different periods were all relatively high (>0.83), kar kaže, da so rezultati modela največje entropije dobri. Modeliranje porazdelitve vrst je pokazalo, da so bili glavni dejavniki, ki so vplivali na geografsko porazdelitev vrst Morchella, padavine v najbolj suhi četrtini (Bio17), nadmorska višina, povprečna temperatura v najhladnejši četrtini (Bio11) in povprečna letna temperatura (Bio1). Simulacija geografske porazdelitve je pokazala, da je bil trenutni primeren habitat Morchella v glavnem v Yunnanu, Sichuanu, Gansuju, Shaanxi, Xinjiang Uygur avtonomni regiji (XUAR) in drugih provincah na Kitajskem. V primerjavi s trenutnim časom se je primerno območje na severozahodu in severovzhodu Kitajske zmanjšalo v obdobjih LGM in MH. Kar se tiče prihodnjih obdobij, so se primerni habitati v različnih scenarijih povečali v primerjavi s tistimi v sodobnem času, kar kaže na trend širjenja na severovzhodno in severozahodno Kitajsko. Ti rezultati bi lahko zagotovili teoretično osnovo za zaščito, racionalno izkoriščanje in uporabo virov divje vrste Morchella v scenarijih podnebnih sprememb.

1. Uvod

Podnebne spremembe so okoljski dejavnik, s katerim se morajo ves čas soočati vsi organizmi na Zemlji. S spreminjanjem podnebja se spreminjajo tudi prostorske geografske razširjenosti in območja razširjenosti vrst. V zadnjih letih so globalne podnebne spremembe povzročile premike v habitatih različnih vrst in celo izumrtje nekaterih vrst [1,2]. Raziskave so pokazale, da se bodo nekatere vrste v prihodnosti dvakrat do trikrat hitreje preselile v območja z visoko zemljepisno širino in nadmorsko višino [3]. Zato sta znanstveno ocenjevanje in napovedovanje vpliva podnebnih sprememb na razširjenost vrst in biotsko raznovrstnost pritegnila veliko pozornost [4]. Da bi razumeli spreminjajoče se značilnosti različnih vrst v prihodnjih podnebnih razmerah, so raziskave odnosa med vrstami in podnebjem zelo nujne.

Možna rešitev je uporaba modela distribucije vrst (SDM). SDM je pomembna metoda za analizo sprememb razširjenosti vrst in se pogosto uporablja v biogeografskih študijah. V zadnjih letih je uporaba modelov porazdelitve vrst za napovedovanje dejanske in potencialne porazdelitve ogroženih vrst [5], redkih vrst [6] in invazivnih vrst [7] postala vroča točka na področju ekologije. Pri raziskovanju razširjenosti vrst lahko podnebje, prst in drugi dejavniki (kot je selitvena sposobnost vrst) do neke mere vplivajo na geografsko razširjenost vrst [8]. V kombinaciji s podatki o razširjenosti vrst in okoljskimi dejavniki SDM projicira te podatke na določeno geografsko prostorsko območje, poleg tega pa oceni primerne regije vrste za preživetje in njihove preference glede življenjskega okolja [9–11]. SDM, ki so zdaj na voljo, vključujejo BIOCLIM, analizo dejavnikov ekološke niše (ENFA), generalizirani linearni model (GLM), Bayesov pristop (BA), genetske algoritme (GA) in MaxEnt [12]. Med temi MaxEnt uporablja podatke o dejanski prisotnosti vrst in ustreznih okoljskih spremenljivk za izračun idealnega stanja porazdelitve vrst pod določenimi nišnimi omejitvami, to je možne porazdelitve vrst na predvidenem območju, ko je entropija največja. Ta model se od drugih modelov razlikuje po zahtevah po podatkih o mestih razširjenosti vrst, nastavitvi parametrov modela in ravnanju z okoljskimi spremenljivkami [13,14]. Večina modelov potrebuje podatke o prisotnosti in odsotnosti porazdelitve vrst; vendar se MaxEnt zanaša samo na resnično obstoječa spletna mesta [15]. Porazdelitev verjetnosti MaxEnt ima jedrnato matematično definicijo, ki jo je enostavno analizirati. Na primer, tako kot pri GLM in GAM, aditivnost modela omogoča razlago, kako se vsaka spremenljivka nanaša na primernost v odsotnosti interakcij med spremenljivkami [16]. Hkrati je natančnost napovedi modela MaxEnt tako visoka, da lahko do določene mere pravilno odraža verjetnost pojavljanja vrst v okoliščinah majhne velikosti vzorca [17].

Glede na superiornost MaxEnta so številni znanstveniki objavili vrsto pomembnih raziskovalnih dosežkov z uporabo MaxEnta, ki zagotavljajo zelo dragoceno teoretično podlago za različna področja, kot so upravljanje invazivnih vrst, zaščita biotske raznovrstnosti in izbira življenjskih okoljskih pogojev vrst. . MaxEnt se ne uporablja samo za rastline in živali, ampak tudi za glive. Sun et al. uporabil MaxEnt za simulacijo primernega habitata velikih pand in razložil odzive vrste na okoljske spremenljivke na različnih lestvicah [18]. Liu et al. simulirali porazdelitev vrste Houttuynia cordata Thunb (Ceercao) v trenutnih podnebnih razmerah in napovedali njene morebitne spremembe geografske porazdelitve, rezultati pa so pokazali, da se je območje primernega habitata vrste Ceercao zmanjšalo po treh scenarijih emisij toplogrednih plinov v letih 2050 in 2070 [19]. Yuan et al. napovedal potencialno porazdelitev boksita Phellinus Pilát, Phellinus Ignatius (L.) Quél. in Phellinus vaninii Ljub. in ugotovil, da je bila natančnost rezultatov visoka [20].

Morchella je skupina pomembnih gliv, ki pripadajo družini Morohellaceae Ascomycotina, ki je zelo razširjena na severni polobli. Zaradi svoje bogate hranilne in zdravilne vrednosti zasedajo vrste Morchella mesto med najdragocenejšimi užitnimi gobami in pritegnejo pozornost številnih mikologov [21]. Naravne bioaktivne komponente [22], kot so polisaharidi, beljakovine in lipidi, ekstrahirani iz Morchelle, igrajo pomembno vlogo pri preprečevanju bolezni, vključno z imunsko regulacijo [23], protitumorskimi aktivnostmi [24] in antioksidacijskimi aktivnostmi [25]. ]. Molekularne filogenetske študije so pokazale, da lahko Morchella razdelimo v tri glavne evolucijske klade, in sicer rumeno morchella, črno morchella in rdečo morchella [26]. Vzhodna Azija in Kitajska sta možni središči diferenciacije in raznolikosti vrst Morchella. Trenutno je bilo na Kitajskem zabeleženih več kot trideset vrst Morchella [27], ki je ena od držav z najbogatejšimi divjimi viri Morchella.

Vendar prekomerno izkoriščanje in uničevanje habitatov resno ogrožata vrstno raznovrstnost divjega Morchella [28]; medtem pa so bile posebne zahteve in okoljske lastnosti rasti Morchella na področju mikologije dolgo zavrnjene [29]. Poleg tega Taheri et al. [2] je pokazalo, da je bilo malo študij o geografskem območju gliv, povezanih s podnebnimi spremembami, v primerjavi s tistimi o rastlinah in živalih. Trenutno še vedno ni jasno, kako bodo podnebne spremembe vplivale na geografsko porazdelitev vrste Morchella v različnih obdobjih. Namen te študije je napovedati potencialno porazdelitev vrst Morchella v različnih scenarijih zgodovinskega in prihodnjega podnebja na podlagi modela MaxEnt. Namen te študije je analizirati vpliv okoljskih dejavnikov na nastanek plodov Morchella in simulirati spremembe v potencialnih območjih razširjenosti Morchella v različnih obdobjih. Pričakuje se, da bodo rezultati zagotovili znanstveno osnovo za ohranjanje biotske raznovrstnosti in divjih virov Morchelle v prihodnosti.

2. Materiali in metode

2.1. Vir podatkov o razširjenosti vrst

Podatki o pojavljanju vrst Morchella so bili pridobljeni s terenskimi raziskavami in objavljenimi članki; skupaj smo pridobili 288 mest. Najprej so bile ponovljene lokacije zavržene, nato pa je bila uporabljena metoda medpomnilnika. Prostorska ločljivost okoljskih dejavnikov je bila 2,5 kotne minute in prostorsko sovpadajoče podatkovne točke znotraj 5 km druga od druge so bile zavržene, kar je omogočilo, da se je treba izogniti prekomernemu opremljanju modela, ki ga povzročajo podvojena distribucijska mesta. Končno je bilo ohranjenih skupno 180 lokacij Morchella (slika S1 in tabela S1).

2.2. Pridobivanje okoljskih dejavnikov in predobdelava

Skupaj 19 okoljskih dejavnikov (Bio1–Bio19, tabela 1) je bilo prenesenih iz svetovne baze podatkov o podnebju, stopnja prostorske porazdelitve pa je bila 2,5 kotne minute. Skupaj 2 spremenljivki terena in 7 spremenljivk tal (tabela 1) sta bili pridobljeni iz harmonizirane svetovne baze podatkov o tleh. Spremenljivke terena in tal so skupaj določili Organizacija Združenih narodov za prehrano in kmetijstvo, Mednarodni inštitut za uporabno sistemsko analizo, Inštitut za vedenje o tleh, Kitajska akademija znanosti in skupno raziskovalno središče Evropske komisije. Prostorska ločljivost teh podatkov je bila poenotena na 2,5 kotne minute, vsi podatki pa so bili pretvorjeni v format ASCII z uporabo ArcGIS 10.2. Potencialne porazdelitve Morchelle so bile ocenjene v petih obdobjih, in sicer zadnji ledeniški maksimum (LGM), srednji holocen (MH), sedanjost, 2050-a in 2070-a. Tako pretekli kot prihodnji podnebni podatki sprejmejo model CCSM4.0, objavljen v petem poročilu IPCC; izbrali smo tri različne scenarije emisij toplogrednih plinov za prihodnja obdobja (tabela S2), ti scenariji pa so opredeljeni glede na posledično skupno sevalno silo leta 2100 [30].

Da bi se izognili prevelikemu prilagajanju rezultatov zaradi visoke kolinearnosti okoljskih spremenljivk [31], so bile izvedene analize prispevka okoljskih spremenljivk in korelacije na podlagi programov MaxEnt in SPSS. Uporabili smo program MaxEnt 3.4.1 za analizo prispevkov spremenljivk na podlagi okoljskih spremenljivk in distribucijskih mest Morchelle, ponovitve pa smo nastavili na 10-krat. Nato so bile informacije o okoljskih dejavnikih Morchelle ekstrahirane z uporabo ArcGIS 10.2 in izvedena je bila Pearsonova korelacijska analiza med okoljskimi spremenljivkami v SPSS 25 (slika 1). V kombinaciji s prispevkom okoljskih dejavnikov smo obdržali dejavnike s korelacijskimi koeficienti pod 0,8 pri prvih šestih dejavnikih. Nekaj ​​okoljskih dejavnikov je imelo vrednosti korelacijskega koeficienta večje od |0,8| in le ena spremenljivka z večjim prispevkom je bila ohranjena in uporabljena v modelih MaxEnt [32,33]. Končno je bilo pri modeliranju uporabljenih 18 okoljskih dejavnikov (tabela 1).

2.3. Analiza modela MaxEnt

2.3.1. Izbira parametrov modela

V program MaxEnt3.4.1 za analizo modeliranja smo uvozili mesta razširjenosti vrste Morchella in 18 okoljskih dejavnikov. Skupaj 25 odstotkov podatkov o porazdelitvi je bilo naključno izbranih kot testni niz za preverjanje točnosti modela, preostalih 75 odstotkov pa je bilo uporabljenih kot učni niz [34]. Izvedli smo 10 zagonskih ponovitev, katerih tip je bil Podvzorec. Poleg tega je bil izbrani prag največja občutljivost vadbe in specifičnost, izhodni format je bil Cloglog, drugi parametri pa so ostali privzeti.

2.3.2. Model in vrednotenje okoljskih spremenljivk

AUC je celovit kriterij, ki predstavlja točnost in posebnost ROC. Prvič je bil uveden v ocenjevanje točnosti modela porazdelitve vrst leta 1997 [35] in od takrat se uporablja za ocenjevanje delovanja modelov. Vrednost AUC se giblje od 0,5 do 1. Če je vrednost bližja 1, pomeni, da je napovedna natančnost modela večja. Vrednost AUC pod 0.7 pomeni, da je simulacijski učinek modela slab; vrednost AUC med 0.7 in {{10}}.8 kaže, da je simulacijski učinek modela zmeren; vrednost AUC med 0.8 in 0.9 kaže, da je simulacijski učinek modela dober; in seveda, ko je vrednost AUC višja od 0,9, je učinek simulacije odličen [36]. Poleg tega MaxEnt ponuja metodo Jackknife za analizo relativnega prispevka in pomena okoljskih spremenljivk na Morchella in za določitev glavnih okoljskih dejavnikov.

2.3.3. Primerna regionalna klasifikacija

Glede na oceno verjetnosti prisotnosti v petem poročilu IPCC [37] smo z uporabo modula Reclass v ArcGIS 10.2 z metodo naravnih segmentov preklasificirali primeren habitat Morchella. Habitat Morchella je bil z metodo naravnih segmentov razdeljen v štiri razrede: neprimeren habitat (0 manj kot ali enako vrednosti manj kot ali enako 0.13), nizko primeren habitat ({{8 }}.13 < vrednost Manj ali enako {{10}}.35), srednje primeren habitat (0.35 < vrednost Manj ali enako 0.63) in visoko primeren habitat (0,63 < vrednost manjša ali enaka 1).

2.3.4. Sprememba v distribucijskem centru Morchella

Orodja SDM so komplet orodij GIS, ki se uporablja pri analizi spremembe centroida v ustreznih distribucijskih regijah [38]. V tej študiji so bila za izračun geografske lokacije distribucijskega središča uporabljena orodja SDM in binarna primerna območja Morchelle v različnih obdobjih, s čimer je bila prikazana pot časovnega in prostorskega razvoja Morchelle.

3. Rezultati

3.1. Ocena točnosti modela

Kot je prikazano v vrednosti AUC krivulje ROC, ki jo upravlja MaxEnt, je bila povprečna vrednost AUC podatkov o usposabljanju modela porazdelitve potenciala Morchella v preteklih podnebnih razmerah {{0}}.907 , srednja vrednost AUC testnih podatkov pa je bila 0.847; v trenutnem obdobju je bila povprečna vrednost AUC podatkov o vadbi 0.905, srednja vrednost podatkov o testu pa 0,852; kar zadeva prihodnja obdobja, je bila povprečna vrednost AUC podatkov o treningu 0,903, povprečna vrednost podatkov o testu pa 0,848 (tabela 2). Glede na standard vrednotenja vrednosti AUC so ti rezultati dobri in zanesljivi.

3.2. Prevladujoči dejavniki okolja

Tabela 3 prikazuje relativni prispevek modeliranja okoljskih dejavnikov. Bio17, nadmorska višina, Bio11 in Bio1 so bili glavni okoljski dejavniki, ki so vplivali na porazdelitev Morchelle. V LGM, MH, trenutnem in prihodnjih obdobjih (2050s in 2070) so kumulativne prispevne stopnje dosegle 75,8 odstotka, 79,9 odstotka, 70,6 odstotka, 74,6 odstotka, 77,5 odstotka, 74,6 odstotka, 76,8 odstotka, 74,0 odstotka in 80,0 odstotka. Bio17 je najbolj vplival na Morchella, višina in Bio11 pa sta bila drugi oziroma tretji najučinkovitejši dejavnik, ki sta tudi močno vplivala na verjetnost pojava Morchelle.

Na podlagi enofaktorskih krivulj odziva smo analizirali vpliv dominantnih dejavnikov na verjetnost prisotnosti Morchella. Zelo primerni okoljski pogoji za preživetje Morchelle so bili naslednji: Bio17 je bil 11,32–77,78 mm, nadmorska višina je bila 1480,78–3827,03 m, Bio11 je bil −5,98–9,32 ◦C in Bio1 je bil 6,16–16,98 ◦C (slika 2).

3.3. Potencialna geografska porazdelitev in ocena primernih območij Morchella

3.3.1. Primerna območja v preteklosti

Primeren habitat v LGM in MH se je zmanjšal v primerjavi s tistim v sedanji dobi. MaxEnt je napovedal, da se je skupno primerno območje Morchelle zmanjšalo za 12,43 odstotka v LGM in da se je visoko primerno območje zmanjšalo za 5,07 odstotka, kar se je v glavnem odrazilo v zmanjšanju primernega območja na jugovzhodu Gansuja, središču in jugu Shaanxija, in severno od Guizhouja na Kitajskem; zmerno primerno območje se je zmanjšalo za 2,48 odstotka, kar je bilo predvideno predvsem v XUAR in Severni Kitajski; nizko primerno območje pa se je zmanjšalo za 4,88 odstotka, predvsem na severovzhodu Kitajske in severozahodno od XUAR (slika S2 ter tabeli 4 in 5).

Pri MH je bil razpon zmanjšanja manjši kot pri LGM. Obstajalo je rahlo neskladje v MH in toku, ki ga na slikah nismo mogli jasno razločiti (sliki S2 in S3). Več podrobnosti o območju distribucije je prikazano v tabelah 4 in 5.

3.3.2. Primerna območja trenutnih časov

Na sliki S3 je razvidno, da je primeren habitat Morchella v sodobnih podnebnih razmerah razmeroma obsežen. Skupna površina primernega habitata je bila približno 405,8195 × 104 km2, kar je predstavljalo 42,34 odstotka ozemeljske površine Kitajske (tabeli 4 in 5). Večinoma se je nahajal na jugozahodu in severozahodu Kitajske, pokrival je severni Yunnan, jugovzhodni Tibet, Sečuan, osrednji in južni Shaanxi, južni Shanxi, severni Guizhou, jugovzhodni Gansu, severozahodni Xinjiang in nekatere dele Fujiana.

【Za več informacij:george.deng@wecistanche.com / WhatApp:86 13632399501】