ریشه گیاهان فقط آب و مواد مغذی را جذب نمی‌کنند. آن‌ها همچنین سیگنال‌های شیمیایی – ترکیبات آلی – به محیط آزاد می‌کنند که می‌تواند زندگی خاک را شکل دهد و به گیاهان کمک کند تا در شرایط سخت زنده بمانند.
پژوهشگران سال‌هاست که این تبادلات پنهان را مطالعه می‌کنند. آن‌ها می‌دانند که میکروب‌هایی مانند باکتری‌ها و قارچ‌ها روابط نزدیکی با گیاهان برقرار می‌کنند.
در ازای قندها و دیگر مولکول‌هایی که گیاهان آزاد می‌کنند، میکروب‌ها می‌توانند مقاومت گیاهان را در برابر خشکسالی یا کمبود مواد مغذی افزایش دهند. این فرآیند مداوم که با نام ریزودپوزیشن (Rhizodeposition) شناخته می‌شود، نقش بزرگی در رشد و سازگاری گیاهان ایفا می‌کند.
اکنون دانشمندان آزمایشگاه ملی اوک‌ریج وزارت انرژی آمریکا (ORNL) نگاه تازه‌ای به این دنیای زیرزمینی انداخته‌اند. تمرکز آن‌ها بر درک ترکیبات خاصی است که گیاهان آزاد می‌کنند و این یافته‌ها می‌تواند شیوه تولید محصولات غذایی و انرژی را متحول کند.
ریشه‌ها مولکول‌های متنوعی آزاد می‌کنند
رویکرد متابولومیکس برای کشف ترکیبات
تیم ORNL یک چارچوب جدید بر پایه متابولومیکس – مطالعه مولکول‌های کوچک – ایجاد کرد تا ترکیبات آزادشده توسط ریشه‌های گیاهان را نقشه‌برداری و دسته‌بندی کند.
این مطالعه فهرستی دقیق از تنوع و مقدار این ترکیبات در خاک ارائه داد. چنین دانشی می‌تواند به پرورش محصولاتی منجر شود که غذای بیشتری تولید کنند، منابع کمتری نیاز داشته باشند و در برابر فشارهای محیطی مقاوم‌تر باشند.
این تحقیق همچنین می‌تواند به تولید محصولات زیست‌انرژی مقاوم‌تر منجر شود و زنجیره‌های تأمین داخلی و امنیت انرژی را تقویت کند.
قارچ‌ها به ریشه‌ها در دسترسی به مواد مغذی کمک می‌کنند
ریشه‌ها بسیار فراتر از نگه‌داشتن گیاه در خاک عمل می‌کنند. آن‌ها مانند یک مرکز کنترل برای جذب آب و مواد مغذی هستند. موهای ریز روی سطح ریشه، تماس با خاک را افزایش می‌دهند و به گیاه کمک می‌کنند مواد لازم را جذب کند.
ریشه‌ها همچنین حسگرهایی دائمی هستند که تغییرات رطوبت، دما و شیمی خاک را پایش می‌کنند. هنگامی که شرایط تغییر می‌کند، ریشه‌ها می‌توانند نحوه رشد یا نوع مولکول‌هایی که آزاد می‌کنند را تغییر دهند تا محیط خود را تنظیم کنند.
برخی ریشه‌ها با قارچ‌ها شراکت بلندمدت برقرار می‌کنند و در ازای قندها، مواد مغذی دست‌نیافتنی را دریافت می‌کنند. برخی دیگر پیام‌های شیمیایی سریع ارسال می‌کنند تا میکروب‌های مضر را دفع کنند یا روی گیاهان اطراف تأثیر بگذارند.
شناخت این راهبردهای زیرزمینی به دانشمندان امکان می‌دهد محصولاتی طراحی کنند که با کود و آب کمتر رشد کنند. اینجاست که تحقیقات ORNL اهمیت بیشتری پیدا می‌کند.
دو درخت، سرنخ‌های فراوان
در این آزمایش، دانشمندان دو گونه مختلف درخت صنوبر را در شرایط کنترل‌شده پرورش دادند. به برخی درختان مواد مغذی اضافی داده شد، به برخی دیگر نه. نمونه‌ها در طول زمان از مناطق ریشه جوان و بالغ جمع‌آوری شدند.
به‌جای تمرکز صرف بر ترکیبات شناخته‌شده، تیم از یک رویکرد متابولومیکس بدون هدف (Untargeted) استفاده کرد. این روش به آن‌ها اجازه داد تا بیشترین تنوع مولکولی ممکن را شناسایی کنند.
با استفاده از طیف‌سنجی جرمی با وضوح بالا، دانشمندان توانستند این مولکول‌ها را شناسایی و اندازه‌گیری کنند و یک «اثر انگشت شیمیایی» برای هر نمونه ایجاد کنند. سپس با روش‌های محاسباتی پیشرفته نتایج را گروه‌بندی و مقایسه کردند.
نتیجه این شد که مجموعه‌ای بسیار متنوع از ترکیبات ریزودپوزیت شناسایی شد – بسیاری از آن‌ها برای اولین بار ثبت شدند. ترکیب این ترکیبات بسته به گونه گیاه، میزان مواد مغذی، مکان و زمان تغییر می‌کرد.
با استفاده از داده‌های ژنومی ORNL روی صنوبر، تیم دریافت که ژنتیک گیاه نقش مهمی در پروفایل شیمیایی ایفا می‌کند.
چرا تحلیل بدون هدف مهم است
پل آبراهام، همکار ارشد پروژه در بخش علوم زیستی ORNL گفت:
«متابولومیکس عمدتاً به تحلیل هدفمند محدود بوده، یعنی تأیید ترکیب یا برهم‌کنشی که گمان می‌رود در نمونه وجود دارد. اما با رویکرد بدون هدف، می‌توانیم دامنه بسیار گسترده‌تری از تنوع شیمیایی را ثبت کنیم و ترکیبات غیرمنتظره یا ناشناخته‌ای را کشف کنیم که ممکن است نقش‌های حیاتی در سیستم‌های خاک و گیاه داشته باشند.»
آبراهام افزود که این پروژه به لطف ابزارهای فوق‌دقیق طیف‌سنجی جرمی ORNL و محیط میان‌رشته‌ای آن امکان‌پذیر شده است:
«دقت و حساسیت این قابلیت‌ها برای موفقیت متابولومیکس بدون هدف حیاتی است. تیم متخصصان ما در علوم ژنومی، زیست‌شناسی سیستم‌های گیاهی و شیمی تجزیه‌ای برای طراحی و اجرای این مطالعه و درک پیامدهای آن ضروری بودند.»
ابزارهای دیجیتال برای نقشه‌برداری رشد ریشه
هوش مصنوعی در خدمت کشف روابط شیمیایی
تیم تحقیقاتی قصد دارد در آینده از هوش مصنوعی برای تفسیر مجموعه داده عظیم خود استفاده کند.
آبراهام توضیح داد:
«فضای شیمیایی که اندازه‌گیری می‌کنیم بسیار گسترده است و بیشتر مولکول‌هایی که شناسایی می‌کنیم با استانداردهای مرجع موجود قابل تأیید نیستند. برای درک این پیچیدگی، بیشتر به یادگیری ماشینی و هوش مصنوعی تکیه خواهیم کرد تا فرمول‌های شیمیایی را به ساختارهای پیش‌بینی‌شده تبدیل کنیم. به همین دلیل یکی از اهداف کلیدی ما این است که داده‌های خود را برای جامعه علمی قابل جست‌وجو، در دسترس و قابل استفاده مجدد کنیم.»
دانشمندان همچنین پتانسیل ترکیب این داده‌ها با سیستم دیجیتال تحلیل ریشه‌های زیرزمینی ORNL را می‌بینند.
این فناوری که در آزمایشگاه فنوتیپ‌برداری پیشرفته گیاهان مستقر است، می‌تواند جزئیات تصویری رشد و تعاملات ریشه را ثبت کند و لایه دیگری از بینش را به درک ما از چگونگی ارتباط گیاهان با محیطشان اضافه کند.
نتیجه‌گیری
این پژوهش نه تنها چشم‌اندازی تازه از زندگی پنهان ریشه‌ها ارائه می‌دهد، بلکه نشان می‌دهد چگونه علم متابولومیکس و فناوری‌های نوین می‌توانند مسیر تولید محصولات مقاوم، کم‌مصرف و سازگار با تغییرات اقلیمی را هموار کنند. آینده کشاورزی پایدار به درک بهتر همین ارتباطات زیرزمینی وابسته است.
