Maksimālās entropijas modelēšana Morchella diļļu izplatības apgabalā. Bijušais pers. Sugas Ķīnā mainīgā klimata apstākļos 1. daļa

Vienkāršs kopsavilkums:Klimata pārmaiņas vienmēr ir bijis pamanāms faktors sugu izplatības izpētē. Pēdējās desmitgadēs, mainoties klimatam, sugu biotopi ir pakāpeniski iznīcināti. Tādējādi prognozēt, kā klimata pārmaiņas ietekmēs savvaļas Morchella Dill izdzīvošanu un piemērotos biotopus. bijušais pers. sugas Ķīnā, mēs izmantojām maksimālās entropijas modeli, lai modelētu izmaiņas tās izplatības apgabalā no vēsturiskiem periodiem uz nākamajiem periodiem. Mūsu rezultāti parāda, ka nokrišņi, augstums un temperatūra ir neaizstājami faktori, kas ietekmē savvaļas Morchella sugu klātbūtni un piemērotos biotopus. Turklāt šis pētījums parādīja mums daudzsološu tendenci, ka neatkarīgi no scenārija sugas piemērotā platība drīzumā palielināsies līdz noteiktam mērogam. Pamatojoties uz šiem atklājumiem, mēs varētu izpētīt un izstrādāt optimālu shēmu savvaļas Morchella resursu saglabāšanai.

Cistanche glikozīds var arī palielināt SOD aktivitāti sirds un aknu audos un būtiski samazināt lipofuscīna un MDA saturu katrā audā, efektīvi attīrot dažādus reaktīvos skābekļa radikāļus (OH-, H2O₂ utt.) un aizsargājot no izraisītiem DNS bojājumiem. ar OH-radikāļiem. Cistanche feniletanoīda glikozīdiem ir spēcīga brīvo radikāļu attīrīšanas spēja, augstāka reducējošā spēja nekā C vitamīnam, tie uzlabo SOD aktivitāti spermas suspensijā, samazina MDA saturu un zināmā mērā aizsargā spermas membrānas darbību. Cistanche polisaharīdi var uzlabot SOD un GSH-Px aktivitāti eksperimentāli novecojošu D-galaktozes izraisītu peļu eritrocītos un plaušu audos, kā arī samazināt MDA un kolagēna saturu plaušās un plazmā, kā arī palielināt elastīna saturu. laba attīrošā iedarbība uz DPPH, pagarina hipoksijas laiku novecojošām pelēm, uzlabo SOD aktivitāti serumā un aizkavē plaušu fizioloģisko deģenerāciju eksperimentāli novecojošām pelēm Ar šūnu morfoloģisko deģenerāciju eksperimenti ir parādījuši, ka Cistanche ir labas antioksidanta spējas un tas var būt zāles ādas novecošanās slimību profilaksei un ārstēšanai. Tajā pašā laikā ehinakozīdam Cistančā ir ievērojama spēja attīrīt DPPH brīvos radikāļus un novērst reaktīvās skābekļa sugas un novērst brīvo radikāļu izraisītu kolagēna noārdīšanos, kā arī tam ir laba iedarbība uz timīna brīvo radikāļu anjonu bojājumiem.

Noklikšķiniet uz Vai Cistanche darbojas kā antioksidants

【Lai iegūtu plašāku informāciju:george.deng@wecistanche.com / WhatApp:86 13632399501】

Abstrakts: 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), norādot, ka maksimālās entropijas modeļa rezultāti ir labi. Sugu izplatības modelēšana parādīja, ka galvenie faktori, kas ietekmēja Morchella sugu ģeogrāfisko izplatību, bija sausākā ceturkšņa nokrišņi (Bio17), augstums, aukstākā ceturkšņa vidējā temperatūra (Bio11) un gada vidējā temperatūra (Bio1). Ģeogrāfiskā izplatības simulācija liecināja, ka pašreizējais piemērotais Morchella biotops galvenokārt atradās Yunnan, Sichuan, Gansu, Shaanxi, Sjiņdzjanas Uiguru autonomajā reģionā (XUAR) un citās Ķīnas provincēs. Salīdzinot ar pašreizējiem laikiem, piemērotā platība Ķīnas ziemeļrietumos un ziemeļaustrumos samazinājās LGM un MH periodos. Attiecībā uz turpmākajiem periodiem piemērotie biotopi palielinājās dažādos scenārijos, salīdzinot ar mūsdienu apstākļiem, parādot paplašināšanās tendenci uz Ķīnas ziemeļaustrumiem un ziemeļrietumiem. Šie rezultāti varētu sniegt teorētisku pamatu savvaļas Morchella resursu aizsardzībai, racionālai izmantošanai un izmantošanai klimata pārmaiņu scenārijos.

1. Ievads

Klimata pārmaiņas ir vides faktors, ar kuru visu laiku jāsaskaras visiem organismiem uz Zemes. Mainoties klimatam, mainās arī sugu telpiskā ģeogrāfiskā izplatība un izplatības apgabali. Pēdējos gados globālās klimata pārmaiņas ir izraisījušas dažādu sugu biotopu izmaiņas un pat dažu sugu izzušanu [1,2]. Pētījumi liecina, ka dažas sugas nākotnē pārvietosies uz augstu platuma un augstuma reģioniem divas līdz trīs reizes ātrāk [3]. Tādējādi lielu uzmanību ir piesaistījusi klimata pārmaiņu ietekmes uz sugu izplatību un bioloģisko daudzveidību zinātniska izvērtēšana un prognozēšana [4]. Lai izprastu dažādu sugu mainīgās īpašības nākotnes klimata apstākļos, ir ļoti steidzami jāpēta sugu un klimata saistību.

Iespējamais risinājums ir izmantot sugu izplatības modeli (SDM). SDM ir svarīga metode sugu izplatības diapazonu izmaiņu analīzei, un to plaši izmanto bioģeogrāfijas pētījumos. Pēdējos gados sugu izplatības modeļu izmantošana apdraudēto sugu [5], reto sugu [6] un invazīvo sugu [7] reālās un iespējamās izplatības prognozēšanai ir kļuvusi par ekoloģijas jomas karsto potenciālu. Sugu izplatības izpētē klimats, augsne un citi faktori (piemēram, sugu migrācijas spējas) zināmā mērā var ietekmēt sugu ģeogrāfisko izplatību [8]. Apvienojumā ar sugu izplatības datiem un vides faktoriem SDM projicē šos datus noteiktā ģeogrāfiskā telpiskā diapazonā, kā arī nosaka sugas izdzīvošanai piemērotos reģionus un to dzīves vides preferences [9–11]. Tagad pieejamie SDM ietver BIOCLIM, ekoloģiskās nišas faktoru analīzi (ENFA), ģeneralizēto lineāro modeli (GLM), Bajesa pieeju (BA), ģenētiskos algoritmus (GA) un MaxEnt [12]. Tostarp MaxEnt izmanto sugu faktiskās klātbūtnes datus un atbilstošos vides mainīgos, lai aprēķinātu ideālo sugu izplatības stāvokli saskaņā ar noteiktiem nišas ierobežojumiem, tas ir, iespējamo sugu izplatību prognozētajā apgabalā, kad entropija ir maksimāla. Šis modelis no citiem modeļiem atšķiras ar sugu izplatības vietu datu prasību, modeļa parametru uzstādīšanu un vides mainīgo apstrādi [13,14]. Lielākajai daļai modeļu ir nepieciešami sugu izplatības esamības un neesamības dati; tomēr MaxEnt paļaujas tikai uz reālām esošām vietnēm [15]. MaxEnt varbūtības sadalījumam ir īsa matemātiska definīcija, kuru ir viegli analizēt. Piemēram, tāpat kā GLM un GAM gadījumā, modeļa aditivitāte ļauj interpretēt, kā katrs mainīgais ir saistīts ar piemērotību, ja starp mainīgajiem nav mijiedarbības [16]. Tajā pašā laikā MaxEnt modeļa prognozēšanas precizitāte ir tik augsta, ka tas zināmā mērā var pareizi atspoguļot sugu sastopamības iespējamību neliela izlases lieluma apstākļos [17].

Ņemot vērā MaxEnt pārākumu, daudzi zinātnieki ir publicējuši vairākus nozīmīgus pētījumu sasniegumus, izmantojot MaxEnt, nodrošinot ļoti vērtīgu teorētisko bāzi dažādās jomās, piemēram, invazīvo sugu pārvaldībai, bioloģiskās daudzveidības aizsardzībai un sugu dzīves vides apstākļu atlasei. . MaxEnt var izmantot ne tikai augiem un dzīvniekiem, bet arī sēnītēm. Sun et al. izmantoja MaxEnt, lai modelētu piemērotu milzu pandu dzīvotni un izskaidroja sugas reakciju uz vides mainīgajiem lielumiem dažādos mērogos [18]. Liu et al. simulēja Houttuynia cordata Thunb (Ceercao) izplatību pašreizējos klimatiskajos apstākļos un paredzēja tās iespējamās ģeogrāfiskās izplatības izmaiņas, un rezultāti atklāja, ka piemērotā Ceercao biotopa platība ir samazinājusies saskaņā ar trīs siltumnīcefekta gāzu emisiju scenārijiem 2050. un 2070. gados [19]. Yuan et al. prognozēja Phellinus boksīta iespējamo izplatību Pilát, Phellinus Ignatius (L.) Quél. un Phellinus vaninii Ljub. un atklāja, ka rezultātu precizitāte bija augsta [20].

Morchella ir svarīgu sēņu grupa, kas pieder pie Ascomycotina Morohellaceae, kas ir plaši izplatīta ziemeļu puslodē. Bagātīgās uzturvērtības un ārstniecisko vērtību dēļ Morchella sugas ieņem vietu visvērtīgāko ēdamo sēņu vidū un piesaista daudzu mikologu uzmanību [21]. Dabiskajiem bioaktīvajiem komponentiem [22], piemēram, polisaharīdiem, olbaltumvielām un lipīdiem, kas iegūti no Morchella, ir nozīmīga loma slimību profilaksē, tostarp imūnregulācijā [23], pretaudzēju aktivitātēs [24] un antioksidācijas aktivitātēs [25]. ]. Molekulārie filoģenētiskie pētījumi ir parādījuši, ka Morchella var iedalīt trīs galvenajās evolūcijas kladēs, proti, dzeltenajā morchella, melnā morchella un sarkanā morchella [26]. Austrumāzija un Ķīna ir iespējamie Morchella sugu diferenciācijas un daudzveidības centri. Šobrīd vairāk nekā trīsdesmit Morchella sugas ir reģistrētas Ķīnā [27], kas ir viena no valstīm ar visbagātīgākajiem savvaļas Morchella resursiem.

Tomēr pārmērīga izmantošana un biotopu iznīcināšana nopietni apdraud savvaļas Morchella sugu daudzveidību [28]; tikmēr Morchella augšanas īpašās prasības un vides īpašības mikoloģijas jomā jau sen ir ignorētas [29]. Turklāt Taheri et al. [2] parādīja, ka ir maz pētījumu par sēņu ģeogrāfisko diapazonu, kas saistītas ar klimata pārmaiņām, salīdzinot ar augiem un dzīvniekiem. Pašlaik joprojām nav skaidrs, kā klimata pārmaiņas ietekmēs Morchella sugu ģeogrāfisko izplatību dažādos periodos. Šī pētījuma mērķis ir prognozēt Morchella sugu iespējamo izplatību dažādos vēsturiskā un nākotnes klimata scenārijos, pamatojoties uz MaxEnt modeli. Šī pētījuma mērķis ir analizēt vides faktoru ietekmi uz Morchella augļķermeņu veidošanos un simulēt izmaiņas Morchella potenciālajos izplatības apgabalos dažādos periodos. Paredzams, ka rezultāti nodrošinās zinātnisku pamatu Morchella bioloģiskās daudzveidības un savvaļas resursu saglabāšanai nākotnē.

2. Materiāli un metodes

2.1. Sugu izplatības datu avots

Morchella sugu sastopamības dati iegūti no lauka apsekojumiem un publicētajiem rakstiem; mēs kopā ieguvām 288 vietnes. Pirmkārt, atkārtotas atrašanās vietas tika izmestas, un pēc tam tika izmantota bufera metode. Vides faktoru telpiskā izšķirtspēja bija 2, 5 loka minūtes, un telpiski sakrītošie datu punkti 5 km attālumā viens no otra tika izmesti, ļaujot izvairīties no modeļa pārmērīgas pielāgošanas, ko izraisīja dublētās izplatīšanas vietas. Visbeidzot, kopumā tika saglabātas 180 Morchella vietas (S1 attēls un S1 tabula).

2.2. Vides faktoru iegūšana un pirmapstrāde

Kopumā no Pasaules klimata datu bāzes tika lejupielādēti 19 vides faktori (Bio1–Bio19, 1. tabula), un telpiskais sadalījuma ātrums bija 2,5 loka minūtes. No Harmonized World Soil Database tika iegūti pavisam 2 reljefa mainīgie un 7 augsnes mainīgie (1. tabula). Reljefa un augsnes mainīgos lielumus kopīgi noteica Apvienoto Nāciju Organizācijas Pārtikas un lauksaimniecības organizācija, Starptautiskais lietišķo sistēmu analīzes institūts, Augsnes zinātnes institūts, Ķīnas Zinātņu akadēmija un Eiropas Komisijas kopīgais pētniecības centrs. Šo datu telpiskā izšķirtspēja tika apvienota 2,5 loka minūtēs, un visi dati tika pārveidoti ASCII formātā, izmantojot ArcGIS 10.2. Morchella potenciālais sadalījums tika novērtēts piecos periodos, proti, pēdējā ledāja maksimumā (LGM), vidējā holocēna (MH), pašreizējā, 2050. un 2070. gados. Gan pagātnes, gan nākotnes klimatiskie dati izmanto CCSM4.0 modeli, kas publicēts IPCC piektajā ziņojumā; mēs izvēlējāmies trīs dažādus siltumnīcefekta gāzu emisiju scenārijus nākamajiem periodiem (S2 tabula), un šie scenāriji ir definēti saskaņā ar kopējo radiācijas spēku 2100. gadā [30].

Lai izvairītos no rezultātu pārmērības vides mainīgo lielās kolinearitātes dēļ [31], tika veiktas vides mainīgo ieguldījumu un korelācijas analīzes, pamatojoties uz MaxEnt un SPSS programmām. Mēs izmantojām programmu MaxEnt 3.4.1, lai analizētu mainīgo ieguldījumu, pamatojoties uz vides mainīgajiem un Morchella izplatīšanas vietām, un iestatījām atkārtojumus uz 10 reizi. Pēc tam tika iegūta informācija par Morchella vides faktoriem, izmantojot ArcGIS 10.2, un tika veikta Pīrsona korelācijas analīze starp vides mainīgajiem SPSS 25 (1. attēls). Apvienojumā ar vides faktoru ieguldījumu mēs saglabājām faktorus, kuru korelācijas koeficienti ir mazāki par 0, 8 aptuveni sešiem galvenajiem faktoriem. Pāris vides faktoru korelācijas koeficienta vērtības bija lielākas par |0,8|, un tikai viens mainīgais ar lielāku ieguldījumu tika saglabāts un izmantots MaxEnt modeļos [32,33]. Visbeidzot, modelēšanā tika izmantoti 18 vides faktori (1. tabula).

2.3. MaxEnt modeļa analīze

2.3.1. Modeļa parametru izvēle

Morchella sugu izplatības vietas un 18 vides faktori tika importēti MaxEnt3.4.1 programmā modelēšanas analīzei. Kopumā 25 procenti sadalījuma datu tika nejauši izvēlēti kā testēšanas kopa, lai pārbaudītu modeļa precizitāti, un atlikušie 75 procenti tika izmantoti kā apmācības komplekts [34]. Mēs palaidām 10 bootstrap atkārtojumus, kuru veids bija Subsample. Bez tam izvēlētais slieksnis bija maksimālais treniņu jutīgums plus specifiskums, izvades formāts bija Cloglog, un pārējie parametri tika atstāti kā noklusējuma iestatījumi.

2.3.2. Modeļa un vides mainīgo novērtējums

AUC ir visaptverošs kritērijs, kas atspoguļo ROC precizitāti un specifiku. Pirmo reizi tas tika ieviests sugu izplatības modeļu precizitātes novērtēšanā 1997. gadā [35], un kopš tā laika tas tiek izmantots modeļu veiktspējas novērtēšanai. AUC vērtība svārstās no 0,5 līdz 1. Ja vērtība ir tuvāk 1, tas nozīmē, ka modeļa paredzamā precizitāte ir augstāka. AUC vērtība zem 0.7 norāda, ka modeļa simulācijas efekts ir vājš; AUC vērtība no 0.7 līdz {{10}}.8 norāda, ka modeļa simulācijas efekts ir mērens; AUC vērtība no 0.8 līdz 0.9 norāda, ka modeļa simulācijas efekts ir labs; un, protams, ja AUC vērtība ir lielāka par 0,9, simulācijas efekts ir lielisks [36]. Turklāt MaxEnt nodrošina Jackknife metodi, lai analizētu Morchella vides mainīgo relatīvo ieguldījumu un nozīmi un noteiktu galvenos vides faktorus.

2.3.3. Piemērota reģionu klasifikācija

Saskaņā ar klātbūtnes varbūtības novērtējumu IPCC piektajā ziņojumā [37], mēs pārklasificējām Morchella piemēroto biotopu, izmantojot Reclass moduli ArcGIS 10.2 ar dabiskā segmenta metodi. Morchella biotops tika sadalīts četrās pakāpēs, izmantojot dabiskā segmenta metodi: nepiemērots biotops (0 mazāks vai vienāds ar vērtību Mazāks vai vienāds ar 0.13), zemi piemērots biotops ({{8) }},13 < vērtība Mazāka vai vienāda ar {{10}},35), vidēji piemērots biotops (0,35 < vērtība Mazāks vai vienāds ar 0,63) un ļoti piemērots biotops (0,63 < vērtība Mazāka vai vienāda ar 1).

2.3.4. Izmaiņas Morchella izplatīšanas centrā

SDM rīki ir ĢIS rīku komplekts, ko izmanto, lai analizētu centroīda izmaiņas piemērotos izplatīšanas reģionos [38]. Šajā pētījumā SDM rīki un Morchella bināri piemērotie apgabali dažādos periodos tika izmantoti, lai aprēķinātu tā izplatīšanas centra ģeogrāfisko atrašanās vietu, tādējādi ilustrējot Morchella laika un telpiskās evolūcijas maršrutu.

3. Rezultāti

3.1. Modeļa precizitātes novērtējums

Kā parādīts MaxEnt vadītās ROC līknes AUC vērtībā, Morchella potenciāla sadalījuma modeļa apmācības datu vidējā AUC vērtība pagātnes klimatiskajos apstākļos bija {{0}}.907 , un testa datu vidējā AUC vērtība bija 0,847; pašreizējā periodā apmācības datu vidējā AUC vērtība bija 0,905, un testa datu vidējā vērtība bija 0,852; kas attiecas uz turpmākajiem periodiem, apmācības datu vidējā AUC vērtība bija 0,903, bet testa datu vidējā vērtība bija 0,848 (2. tabula). Saskaņā ar AUC vērtības novērtēšanas standartu šie rezultāti ir labi un ticami.

3.2. Dominējošie vides faktori

3. tabulā parādīts modelēšanas vides faktoru relatīvais ieguldījums. Bio17, pacēlums, Bio11 un Bio1 bija galvenie vides faktori, kas ietekmēja Morchella izplatību. LGM, MH, pašreizējā un turpmākajos periodos (2050 un 2070. gados) kumulatīvās iemaksu likmes sasniedza 75,8 procentus, 79,9 procentus, 70,6 procentus, 74,6 procentus, 77,5 procentus, 74,6 procenti, 76,8 procenti, 74,0 procenti un 80,0 procenti. Bio17 visvairāk ietekmēja Morchella, un pacēlums un Bio11 bija attiecīgi otrie un trešie efektīvākie faktori, kas arī ļoti ietekmēja Morchella rašanās iespējamību.

Pamatojoties uz viena faktora atbildes līknēm, tika analizēta dominējošo faktoru ietekme uz Morchella klātbūtnes varbūtību. Ļoti piemēroti vides apstākļi Morchella izdzīvošanai bija šādi: Bio17 bija 11,32–77,78 mm, augstums bija 1480,78–3827,03 m, Bio11 bija –5,98–9,32 ◦C un Bio1 bija 6,16–16,98 C (Figure)

3.3. Morchella piemēroto apgabalu iespējamā ģeogrāfiskā izplatība un novērtējums

3.3.1. Piemērotas teritorijas pagātnē

Piemērotais biotops gan LGM, gan MH ir samazinājies, salīdzinot ar pašreizējo vecumu. MaxEnt prognozēja, ka Morchella kopējā piemērotā platība LGM ir samazinājusies par 12,43 procentiem un augsti piemērota platība samazinājās par 5,07 procentiem , kas galvenokārt atspoguļojās piemērotās platības samazināšanā Gansu dienvidaustrumos, Šansi centrā un dienvidos, un uz ziemeļiem no Guidžou Ķīnā; mēreni piemērota platība samazinājās par 2,48 procentiem, kas tika prognozēts galvenokārt XUAR un Ziemeļķīnā; un zemā piemērotā platība samazinājās par 4,88 procentiem, galvenokārt Ķīnas ziemeļaustrumos un XUAR ziemeļrietumos (S2 attēls un 4. un 5. tabula).

Kas attiecas uz MH, samazinājuma diapazons bija mazāks nekā LGM. Bija neliela MH un strāvas atšķirība, ko mēs nevarējām skaidri atšķirt attēlos (S2 un S3 attēls). Sīkāka informācija par izplatības apgabalu ir parādīta 4. un 5. tabulā.

3.3.2. Pašreizējiem laikiem piemēroti apgabali

S3 attēlā redzams, ka piemērotais Morchella biotops mūsdienu klimata apstākļos ir salīdzinoši plašs. Kopējā piemērotā biotopa platība bija aptuveni 405,8195 × 104 km2, kas veido 42,34 procentus no Ķīnas teritoriālās platības (4. un 5. tabula). Tas galvenokārt atradās Ķīnas dienvidrietumos un ziemeļrietumos, aptverot Junaņas ziemeļus, Tibetas dienvidaustrumus, Sičuaņu, Šaaņsji centrālo un dienvidu daļu, Šaņsji dienvidus, Guidžou ziemeļus, Gansu dienvidaustrumus, Siņdzjanas ziemeļrietumus un dažas Fudzjaņas daļas.

【Lai iegūtu plašāku informāciju:george.deng@wecistanche.com / WhatApp:86 13632399501】