Name: the terroir concept interpreted through grape berry metabolomics and transcriptomics
Uploaded: 2016-10-05T13:00:00
Description: Watch this Scientific Journal Video about The Terroir Concept Interpreted through Grape Berry Metabolomics and Transcriptomics at JoVE.com

This work benefited from the networking activities coordinated within the EU-funded COST ACTION FA1106 "An integrated systems approach to determine the developmental mechanisms controlling fleshy fruit quality in tomato and grapevine". This work was supported by the 'Completamento del Centro di Genomica Funzionale Vegetale' project funded by the CARIVERONA Bank Foundation and by the 'Valorizzazione dei Principali Vitigni Autoctoni Italiani e dei loro Terroir (Vigneto)' project funded by the Italian Ministry of Agricultural and Forestry Policies. SDS was financed by the Italian Ministry of University and Research FIRB RBFR13GHC5 project "The Epigenomic Plasticity of Grapevine in Genotype per Environment Interactions".

1. בחר חומרים מתאימים ובונים תוכנית דגימה <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בגין הניסוי ידי פיתוח תכנית דגימה מתאימה. אין גישה גנריים אוניברסלי כך להעריך כל תוכנית על בסיס כל מקרה לגופו. ודא כי תכנית הדגימה קובעת מקומות הדגימה, פעמים ואת שיטת הדגימה המ?...

<ol>
	<li>Jessome, L. L., Volmer, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ion+suppression:+A+major+concern+in+mass+spectrometry.">Ion suppression: A major concern in mass spectrometry.</a> Lc Gc N Am. 24 (5), 498-510 (2006).</li><li>Kim, H. K., Choi, Y. H., Verpoorte, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NMR-based+plant+metabolomics:+where+do+we+stand,+where+do+we+go?.">NMR-based plant metabolomics: where do we stand, where do we go?.</a> Trends Biotech. 29 (6), 267-275 (2011).</li><li>Sumner, L. W., Mendes, P., Dixon, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Plant+metabolomics:+large-scale+phytochemistry+in+the+functional+genomics+era.">Plant metabolomics: large-scale phytochemistry in the functional genomics era.</a> Phytochem. 62 (6), 817-836 (2003).</li><li>Bottcher, C., von Roepenack-Lahaye, E., Willscher, E., Scheel, D., Clemens, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+matrix+effects+in+metabolite+profiling+based+on+capillary+liquid+chromatography+electrospray+ionization+quadrupole+time-of-flight+mass+spectrometry.">Evaluation of matrix effects in metabolite profiling based on capillary liquid chromatography electrospray ionization quadrupole time-of-flight mass spectrometry.</a> Anal Chem. 79 (4), 1507-1513 (2007).</li><li>Toffali, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Novel+aspects+of+grape+berry+ripening+and+post-harvest+withering+revealed+by+untargeted+LC-ESI-MS+metabolomics+analysis.">Novel aspects of grape berry ripening and post-harvest withering revealed by untargeted LC-ESI-MS metabolomics analysis.</a> Metabolomics. 7 (3), 424-436 (2011).</li><li>Martin, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Can+we+trust+untargeted+metabolomics?+Results+of+the+metabo-ring+initiative,+a+large-scale,+multi-instrument+inter-laboratory+study.">Can we trust untargeted metabolomics? Results of the metabo-ring initiative, a large-scale, multi-instrument inter-laboratory study.</a> Metabolomics. 11 (4), 807-821 (2015).</li><li>Jaillon, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+grapevine+genome+sequence+suggests+ancestral+hexaploidization+in+major+angiosperm+phyla.">The grapevine genome sequence suggests ancestral hexaploidization in major angiosperm phyla.</a> Nature. 449 (7161), 463-467 (2007).</li><li>Velasco, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+high+quality+draft+consensus+sequence+of+the+genome+of+a+heterozygous+grapevine+variety.">A high quality draft consensus sequence of the genome of a heterozygous grapevine variety.</a> Plos One. 2 (12), (2007).</li><li>Tornielli, G. B., Zamboni, A., Zenoni, S., Delledonne, M., Pezzotti, M., Ger&#243;s, H., Chaves, M., Delrot, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ch.+11.">Ch. 11.</a> The Biochemestry of the Grape Berry. 11, (2012).</li><li>Anesi, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+a+scientific+interpretation+of+the+terroir+concept:+plasticity+of+the+grape+berry+metabolome.">Towards a scientific interpretation of the terroir concept: plasticity of the grape berry metabolome.</a> BMC Plant Biol. 15, 1-17 (2015).</li><li>Berdeja, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Water+limitation+and+rootstock+genotype+interact+to+alter+grape+berry+metabolism+through+transcriptome+reprogramming.">Water limitation and rootstock genotype interact to alter grape berry metabolism through transcriptome reprogramming.</a> Hort Res. 2, 1-13 (2015).</li><li>Carbonell-Bejerano, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Solar+ultraviolet+radiation+is+necessary+to+enhance+grapevine+fruit+ripening+transcriptional+and+phenolic+responses.">Solar ultraviolet radiation is necessary to enhance grapevine fruit ripening transcriptional and phenolic responses.</a> BMC Plant Biol. 14, 1-16 (2014).</li><li>Carbonell-Bejerano, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reducing+sampling+bias+in+molecular+studies+of+grapevine+fruit+ripening:+transcriptomic+assessment+of+the+density+sorting+method.">Reducing sampling bias in molecular studies of grapevine fruit ripening: transcriptomic assessment of the density sorting method.</a> Theor Exp Plant Phys. 28 (1), 109-129 (2016).</li><li>Carbonell-Bejerano, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Circadian+oscillatory+transcriptional+programs+in+grapevine+ripening+fruits.">Circadian oscillatory transcriptional programs in grapevine ripening fruits.</a> BMC Plant Biol. 14, 1-15 (2014).</li><li>Cavallini, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+diversification+of+grapevine+MYB5a+and+MYB5b+in+the+control+of+flavonoid+biosynthesis+in+a+petunia+anthocyanin+regulatory+mutant.">Functional diversification of grapevine MYB5a and MYB5b in the control of flavonoid biosynthesis in a petunia anthocyanin regulatory mutant.</a> Plant &amp; Cell Physiol. 55 (3), 517-534 (2014).</li><li>Cramer, G. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transcriptomic+analysis+of+the+late+stages+of+grapevine+(Vitis+vinifera+cv.+Cabernet+Sauvignon)+berry+ripening+reveals+significant+induction+of+ethylene+signaling+and+flavor+pathways+in+the+skin.">Transcriptomic analysis of the late stages of grapevine (Vitis vinifera cv. Cabernet Sauvignon) berry ripening reveals significant induction of ethylene signaling and flavor pathways in the skin.</a> BMC Plant Biol. 14, 1-21 (2014).</li><li>Dal Santo, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+plasticity+of+the+grapevine+berry+transcriptome.">The plasticity of the grapevine berry transcriptome.</a> Genome Biol. 14 (6), 1-17 (2013).</li><li>Fasoli, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Grapevine+Expression+Atlas+Reveals+a+Deep+Transcriptome+Shift+Driving+the+Entire+Plant+into+a+Maturation+Program.">The Grapevine Expression Atlas Reveals a Deep Transcriptome Shift Driving the Entire Plant into a Maturation Program.</a> Plant Cell. 24 (9), 3489-3505 (2012).</li><li>Gambino, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Co-evolution+between+Grapevine+rupestris+stem+pitting-associated+virus+and+Vitis+vinifera+L.+leads+to+decreased+defence+responses+and+increased+transcription+of+genes+related+to+photosynthesis.">Co-evolution between Grapevine rupestris stem pitting-associated virus and Vitis vinifera L. leads to decreased defence responses and increased transcription of genes related to photosynthesis.</a> J Exp Bot. 63 (16), 5919-5933 (2012).</li><li>Ghan, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Five+omic+technologies+are+concordant+in+differentiating+the+biochemical+characteristics+of+the+berries+of+five+grapevine+(Vitis+vinifera+L.)+cultivars.">Five omic technologies are concordant in differentiating the biochemical characteristics of the berries of five grapevine (Vitis vinifera L.) cultivars.</a> BMC Genomics. 16 (1), 1-26 (2015).</li><li>Pastore, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Selective+defoliation+affects+plant+growth,+fruit+transcriptional+ripening+program+and+flavonoid+metabolism+in+grapevine.">Selective defoliation affects plant growth, fruit transcriptional ripening program and flavonoid metabolism in grapevine.</a> BMC Plant Biol. 13, 1-13 (2013).</li><li>Pastore, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Increasing+the+source/sink+ratio+in+Vitis+vinifera+(cv+Sangiovese)+induces+extensive+transcriptome+reprogramming+and+modifies+berry+ripening.">Increasing the source/sink ratio in Vitis vinifera (cv Sangiovese) induces extensive transcriptome reprogramming and modifies berry ripening.</a> BMC Genomics. 12, 1-23 (2011).</li><li>Rinaldo, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Grapevine+Anthocyanin+Acyltransferase,+Transcriptionally+Regulated+by+VvMYBA,+Can+Produce+Most+Acylated+Anthocyanins+Present+in+Grape+Skins.">A Grapevine Anthocyanin Acyltransferase, Transcriptionally Regulated by VvMYBA, Can Produce Most Acylated Anthocyanins Present in Grape Skins.</a> Plant Physiol. 169 (3), 1897-1916 (2015).</li><li>Royo, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Developmental,+transcriptome,+and+genetic+alterations+associated+with+parthenocarpy+in+the+grapevine+seedless+somatic+variant+Corinto+bianco.">Developmental, transcriptome, and genetic alterations associated with parthenocarpy in the grapevine seedless somatic variant Corinto bianco.</a> J Exp Bot. , 259-273 (2015).</li><li>Venturini, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=De+novo+transcriptome+characterization+of+Vitis+vinifera+cv.+Corvina+unveils+varietal+diversity.">De novo transcriptome characterization of Vitis vinifera cv. Corvina unveils varietal diversity.</a> BMC Genomics. 14, 1-13 (2013).</li><li>Commisso, M., Strazzer, P., Toffali, K., Stocchero, M., Guzzo, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Untargeted+metabolomics:+an+emerging+approach+to+determine+the+composition+of+herbal+products.">Untargeted metabolomics: an emerging approach to determine the composition of herbal products.</a> Comput Struct Biotechnol J. 4, 1-7 (2013).</li><li>Pluskal, T., Castillo, S., Villar-Briones, A., Oresic, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MZmine+2:+Modular+framework+for+processing,+visualizing,+and+analyzing+mass+spectrometry-based+molecular+profile+data.">MZmine 2: Modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data.</a> BMC Bioinformatics. 11, 1-11 (2010).</li><li>Ashburner, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gene+Ontology:+tool+for+the+unification+of+biology.">Gene Ontology: tool for the unification of biology.</a> Nat Genet. 25 (1), 25-29 (2000).</li></ol>

מאמר זה מתאר את metabolomics, transcriptomics ופרוטוקולים ניתוח סטטיסטי המשמש לפרש את המושג טרואר ברי ענבים. ניתוח Metabolomics ידי HPLC-ESI-MS הוא רגיש מספיק כדי לזהות מספר רב של מטבוליטים זמנית, אבל quantitation ביחס מושפע השפעה מטריקס ודיכוי / שיפור יון. עם זאת, גישה דומה כבר נעשה שימוש כדי לתאר א...

ניתוח נתונים בקנה מידה גדולה מבוססים על הגנום, transcriptomes, proteomes ו metabolomes של צמחים מספק תובנה חסרת תקדים אל תוך ההתנהגות של מערכות מורכבות, כגון מאפייני טרואר יין המשקפים את יחסי הגומלין בין צמחי גפן לבין סביבתם. מכיוון טרואר של יין יכול להיות ברור גם כאשר שיבוטי גפן זהים גדלים בכרמים שונים, ניתוח הגנומיקה הוא שימוש קצת כי הגנום המשובט זהה. במקום יש צורך להסתכל מתאמים בין ביטוי גנים המאפיינים המטבולי של פירות יער, אשר קובעות את תכונות איכות היין. ניתוח ביטוי גנים ברמת יתרונות transcriptome מן התכונות הכימיות הדומות של כל התמלילים, המאפשרות ניתוח כמוני על ידי ניצול מאפיינים אוניברסאליים כמו הכלאת בדיקות משותקות על microarrays. לעומת זאת, שיטות אנליטיות אוניברסלית בתוך פרוטאומיקהnd metabolomics יותר מאתגר בגלל המגוון הפיסיקלי וכימי הענק של חלבונים מטבוליטים פרט. במקרה של metabolomics המגוון הזה הוא עוד יותר קיצוני כי מטבוליטים הפרט להיות שונה בהרבה בגודלם, קוטביות, שפע ותנודתיות, ולכן אין תהליך החילוץ יחיד או שיטה אנליטית מציע גישה הוליסטית. בין פלטפורמות אנליטית מתאימות מטבוליטים בלתי נדיף, אלה המבוססים על כרומטוגרפיה נוזלית ביצועים גבוהים מצמידים ספקטרומטריית מסה (HPLC-MS) הם הרבה יותר רגיש מאשר חלופות כגון HPLC עם גלאי מערך אולטרא סגולים או דיודה (HPLC-UV, HPLC-DAD ספקטרוסקופיה) או תהודה מגנטית גרעינית (NMR), אבל ניתוח כמותי על ידי HPLC-MS יכול להיות מושפע תופעות כגון אפקט מטריקס ודיכוי יון / שיפור 1-3. חקירת תופעות כאלה במהלך הניתוח של פרותי יער ענבי קורבינה ידי HPLC-MS באמצעות מקור יינון electrospray (HPLC-ESI-MS), הראה כי סוכרים ומולקולות אחרות עם פעמי השמירה הנמוכות ביותר היו underreported מאוד, כנראה גם המשקפים את המספר הגדול של מולקולות באזור זה, וכי השפע של מולקולות אחרות יכול לזלזל, בהערכה או מושפע השפעת מטריקס נורמליזציה, אך הנתונים להשפעת מטריקס נראה שתהיה לה השפעה מוגבלת על 4,5 התוצאות הכוללות. השיטה המתוארת במסמך זה הוא אופטימיזציה עבור הניתוח של מטבוליטים בינוני-קוטבי שמצטברים ברמות גבוהות פרותי יער ענבים במהלך הבשלה, ואשר השפיעו באופן משמעותי על ידי טרואר. הם כוללים אנתוציאנינים, flavonols, flavan-3-ols, procyanidins, פלבנואידים אחרים, רזברטרול, stilbenes, חומצות hydroxycinnamic וחומצות hydroxybenzoic, אשר יחד לקבוע את צבע, טעם ומאפיינים הקשורים לבריאות של יינות. מטבוליטים אחרים, כגון סוכרים וחומצות אורגניות אליפטיות, הם התעלמו בגלל quantitation ידי HPLC-MS הוא אמין בשל מטריקס effect ודיכוי יון תופעות 5. בטווח הקוטבי שנבחר על ידי שיטה זו, הגישה היא לא ממוקדת בכך שהיא שואפת לזהות כמה מטבוליטים שונים כמו 6 אפשריים. שיטות transcriptomics המאפשרים אלף תמלילי גפן להיות במעקב בו זמנית הם הקלו על ידי הזמינות של רצף הגנום גפן המלאה 7,8. שיטות transcriptomics מוקדם על סמך רצף cDNA תפוקה גבוהה התפתחו עם כניסתו של רצף הדור הבא לתוך אוסף של הליכים המתוארים קולקטיבי טכנולוגיית RNA-seq. גישה זו הופכת במהירות את שיטת הבחירה של מחקרי transcriptomics. עם זאת, גוף גדול של ספרות המבוססת על microarray, המאפשר אלף תמלילים כדי לכמת במקביל על ידי כלאה, צבר עבור גפן. ואכן, לפני RNA-seq הפך טכנולוגיה המיינסטרים, פלטפורמות microarray מסחריות ייעודיות רבות היוtranscriptome גפן פתח המאפשר להיבדק בפירוט רב. בין המגוון של פלטפורמות המכריעים, רק שתיים להותיר ניתוח transcriptome הגנום כולו 9. המערך המפותח ביותר אפשר ההכלאה של עד 12 דגימות עצמאיות על מכשיר אחד, ובכך להקטין את העלויות של כל ניסוי. 12 תת-המערכים כל מורכבת 135,000 בדיקות 60-mer מייצג 29,549 תמלילי גפן. מכשיר זה נעשה שימוש במספר רב של מחקרים 10-24. פלטפורמות אלה שתי עכשיו כבר הופסקו אלא microarray מנהג חדש תוכנן לאחרונה ומייצגות התפתחות מאוחר יותר מכיוון שהיא מכילה מספר גדול יותר של בדיקות המייצגים גני גפן שהתגלו לאחרונה נוספים 25. בבסיסי הנתונים גדול למכירה המיוצרים על ידי ניתוח transcriptomics ו metabolomics דורשים שיטות סטטיסטיות מתאימות לניתוח נתונים, כוללים טכניקות מרובות משתנות כדי לקבוע מתאמים בין צורה שונהים של נתונים. הטכניקות רבות המשתנה הנפוץ ביותר הן אלה המבוססים על הקרנה, ואלה יכולים להיות ללא השגחה, כגון ניתוח מרכיבים ראשי (PCA), או בפיקוח, כגון היטל אורתוגונלי דו-כיוונית למבנים סמויים ניתוח מבחין (O2PLS-DA) 26. הפרוטוקול המובא במאמר זה מנצל PCA לניתוח נתונים גישוש O2PLS-DA לזהות הבדלים בין קבוצות של דגימות.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Mill Grinder</td>
			<td>IKA</td>
			<td>IKA A11 basic</td>
			<td></td>
		</tr>
		<tr>
			<td>HPLC Autosampler</td>
			<td>Beckman Coulter</td>
			<td>&#160;-</td>
			<td>System Gold 508 Autosampler</td>
		</tr>
		<tr>
			<td>HPLC System</td>
			<td>Beckman Coulter</td>
			<td>&#160;-</td>
			<td>System Gold 127 Solvent Module HPLC</td>
		</tr>
		<tr>
			<td>C18 Guard Column</td>
			<td>Grace</td>
			<td>&#160;-</td>
			<td>Alltima HP C18 (7.5x2.1mm; 5&#956;m) Guard Column</td>
		</tr>
		<tr>
			<td>C18 Column</td>
			<td>Grace</td>
			<td>&#160;-</td>
			<td>Alltima HP C18 (150x2.1mm; 3&#956;m) Column</td>
		</tr>
		<tr>
			<td>Mass Spectometer</td>
			<td>Bruker Daltonics</td>
			<td>&#160;-</td>
			<td>Bruker Esquire 6000; The mass spectometer was equipped with an ESI source and the analyzer was an ion trap.</td>
		</tr>
		<tr>
			<td rowspan="4">Extraction solvents and HPLC buffers</td>
			<td>Sigma</td>
			<td>34966</td>
			<td>Methanol LC-MS grade</td>
		</tr>
		<tr>
			<td>Sigma</td>
			<td>94318</td>
			<td>Formic acid LC-MS grade</td>
		</tr>
		<tr>
			<td>Sigma</td>
			<td>34967</td>
			<td>Acetonitrile LC-MS grade</td>
		</tr>
		<tr>
			<td>Sigma</td>
			<td>39253</td>
			<td>Water&#160; LC-MS grade</td>
		</tr>
		<tr>
			<td>Minisart RC 4 Syringe filters (0.2 &#956;m)</td>
			<td>Sartorius</td>
			<td>17764</td>
			<td></td>
		</tr>
		<tr>
			<td>Softwares for data collection (a) and processing (b)</td>
			<td>Bruker Daltonics</td>
			<td>-</td>
			<td>Bruker Daltonics Esquire 5.2 Control (a); Esquire 3.2 Data Analysis and MzMine 2.2 softwares (b)</td>
		</tr>
		<tr>
			<td>Spectrum Plant Total RNA kit</td>
			<td>Sigma-Aldrich</td>
			<td>STRN250-1KT</td>
			<td>For total RNA extractino from grape pericarps</td>
		</tr>
		<tr>
			<td>Nanodrop 1000</td>
			<td>Thermo Scientific</td>
			<td>1000</td>
			<td></td>
		</tr>
		<tr>
			<td>BioAnalyzer 2100</td>
			<td>Agilent Technologies</td>
			<td>G2939A</td>
			<td></td>
		</tr>
		<tr>
			<td>RNA 6000 Nano Reagents</td>
			<td>Agilent Technologies</td>
			<td>5067-1511</td>
			<td></td>
		</tr>
		<tr>
			<td>RNA Chips</td>
			<td>Agilent Technologies</td>
			<td>5067-1511</td>
			<td></td>
		</tr>
		<tr>
			<td>Agilent Gene Expression Wash Buffer 1</td>
			<td>Agilent Technologies</td>
			<td>5188-5325</td>
			<td></td>
		</tr>
		<tr>
			<td>Agilent Gene Expression Wash Buffer 2</td>
			<td>Agilent Technologies</td>
			<td>5188-5326</td>
			<td></td>
		</tr>
		<tr>
			<td>LowInput QuickAmp Labeling kit One-Color</td>
			<td>Agilent Technologies</td>
			<td>5190-2305</td>
			<td></td>
		</tr>
		<tr>
			<td>Kit RNA Spike In - One-Color</td>
			<td>Agilent Technologies</td>
			<td>5188-5282</td>
			<td></td>
		</tr>
		<tr>
			<td>Gene Expression Hybridization Kit</td>
			<td>Agilent Technologies</td>
			<td>5188-5242</td>
			<td></td>
		</tr>
		<tr>
			<td>RNeasy Mini Kit (50)</td>
			<td>Qiagen</td>
			<td>74104</td>
			<td>For cRNA Purification</td>
		</tr>
		<tr>
			<td>Agilent SurePrint HD 4X44K 60-mer Microarray</td>
			<td>Agilent Technologies</td>
			<td>G2514F-048771&#160;</td>
			<td></td>
		</tr>
		<tr>
			<td>eArray</td>
			<td>Agilent Technologies</td>
			<td>-</td>
			<td><a href="https://earray.chem.agilent.com/earray/">https://earray.chem.agilent.com/earray/</a></td>
		</tr>
		<tr>
			<td>Gasket slides</td>
			<td>Agilent Technologies</td>
			<td>G2534-60012</td>
			<td>Enable Agilent SurePrint Microarray 4-array Hybridization</td>
		</tr>
		<tr>
			<td>Thermostatic bath</td>
			<td>Julabo</td>
			<td>-</td>
			<td></td>
		</tr>
		<tr>
			<td>Hybridization Chamber</td>
			<td>Agilent Technologies</td>
			<td>G2534-60001</td>
			<td></td>
		</tr>
		<tr>
			<td>Microarray Hybridization Oven</td>
			<td>Agilent Technologies</td>
			<td>G2545A</td>
			<td></td>
		</tr>
		<tr>
			<td>Hybridization Oven Rotator Rack</td>
			<td>Agilent Technologies</td>
			<td>G2530-60029</td>
			<td></td>
		</tr>
		<tr>
			<td>Rotator Rack Conversion Rod</td>
			<td>Agilent Technologies</td>
			<td>G2530-60030</td>
			<td></td>
		</tr>
		<tr>
			<td>Staining kit</td>
			<td>Bio-Optica</td>
			<td>10-2000</td>
			<td>Slide-staining dish and Slide rack</td>
		</tr>
		<tr>
			<td>Magnetic stirrer device</td>
			<td>AREX Heating Magnetic Stirrer</td>
			<td>F20540163&#160;</td>
			<td></td>
		</tr>
		<tr>
			<td>Thermostatic Oven</td>
			<td>Thermo Scientific</td>
			<td>Heraeus - 6030</td>
			<td></td>
		</tr>
		<tr>
			<td>Agilent Microarray Scanner</td>
			<td>Agilent Technologies</td>
			<td>G2565CA</td>
			<td></td>
		</tr>
		<tr>
			<td>Scanner Carousel, 48-position</td>
			<td>Agilent Technologies</td>
			<td>G2505-60502</td>
			<td></td>
		</tr>
		<tr>
			<td>Slide Holders</td>
			<td>Agilent Technologies</td>
			<td>G2505-60525</td>
			<td></td>
		</tr>
		<tr>
			<td>Feature extraction software v11.5</td>
			<td>Agilent Technologies</td>
			<td>-</td>
			<td>inside the Agilent Microarray Scanner G2565CA</td>
		</tr>
		<tr>
			<td>SIMCA + V13 Software</td>
			<td>Umetrics</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

the terroir concept interpreted through grape berry metabolomics and transcriptomics

טרואר מתייחס שילוב של גורמים סביבתיים המשפיעים על המאפיינים של גידולים כמו גפן (גפן יין) על פי בתי גידול מסוימים ודרכי ניהולו. מאמר זה מראה כיצד חתימות טרואר מסוימות ניתן לאתר את metabolome גרגרי היער transcriptome של מוסר ים זן גפן באמצעות ניתוח סטטיסטי רב משתנה. השיטה הראשונה דורשת תוכנית הדגימה המתאימה. במחקר במקרה זה, שיבוט מסוים של זן קורבינה נבחר כדי למזער הבדלים גנטיים, דגימות נאספו משבעה כרמים המייצגים שלושה אזורי מאקרו שונים במהלך שלוש עונות גידול שונות. גישת metabolomics ממוקדת LC-MS מומלץ בשל הרגישות הגבוהה שלו, מלווה עיבוד נתונים יעיל באמצעות תוכנת MZmine ואסטרטגית זיהוי המטבוליט סמך ניתוח עץ פיצול. ניתן להשיג ניתוח transcriptome מקיף באמצעות מערכיםבדיקות המכילות כיסוי ~ 99% מכלל גני גפן החזה, המאפשר ניתוח סימולטני של כל הגנים לידי הביטוי באופן דיפרנציאלי בהקשר של terroirs השונה. לבסוף, ניתוח נתונים רבים משתנים המבוסס על שיטות הקרנה ניתן להשתמש כדי להתגבר על ההשפעה וינטאג ספציפי החזקה, המאפשר metabolomics ונתוני transcriptomics להיות משולבים ונותחו בהרחבה לזהות מתאמים אינפורמטיבי.

מקרה המבחן המתואר במאמר זה ניב מטריקס נתונים סופי הכולל 552 אותות (תכונות מ &#39;/ z) כוללים יונים מולקולריים בתוספת איזוטופים שלהם, adducts ושברים מסוימים, לכמת יחסית בקרב 189 דגימות (7 כרמים x 3 שלבי הבשלת x 3 x עונות גידול 3 משכפל ביולוגי). המספר הכולל של נקו...

Watch this Scientific Journal Video about The Terroir Concept Interpreted through Grape Berry Metabolomics and Transcriptomics at JoVE.com

The Terroir Concept Interpreted through Grape Berry Metabolomics and Transcriptomics

מאמר זה מתאר את היישום של metabolomics לא ממוקד, transcriptomics ניתוח סטטיסטי רב משתני תמלילי ברי ענבים מטבוליטים כדי לקבל תובנה לגבי מושג טרואר, כלומר, השפעת הסביבה על תכונות איכות ברה.

קונספט טרואר לפרש דרך הענבים הברים Metabolomics ו transcriptomics

Terroir refers to the combination of environmental factors that affect the characteristics of crops such as grapevine (Vitis vinifera) according to ...

The overall goal of these experimental procedures is to observe the different terroir signatures in the berry metabolome and transcriptome of the grapevine cultivar Corvina. The case study described here involved the collection and analysis of samples at three ripening stages from seven vineyards in three macro zones over three growing seasons. The techniques described reveal the prevalent ripening in vintage effect on the berry metabolome.Clear specific chemical signatures representing the three macro zones were also identified in the ripe berries. The terroir signature at the macro zone level was revealed using suitable statistical techniques such as the PCA, which is the principal component analysis, and the auto BLSDA, which is the bidirectional orthogonal projection to leaden structures, discrete analysis, to analyze both the transcriptomics, and the metabalomics data matrix. On the other side, the differences among individual vineyards are more subtle, and also require more sophisticated and sensitive statistical approaches.Begin the experiment by developing an appropriate sampling plan. Ensure that the sampling plan states the sampling places, times, and the precise sampling procedure. After harvesting 30 clusters from different positions along two vine rows, select three berries randomly from each cluster, avoiding those with visible damage and or signs of infection.Repeat this process to obtain three independent pools for each ripening stage. De-seed the berries, and freeze the pericarp immediately in liquid nitrogen. Crush all the frozen berries from each pool with an automatic mill grinder.Divide each powdered sample into two equal parts, one for transcriptomics analysis, and one for metabolomics analysis. Then, close and remove the duer, and store the powders at minus 80 degrees celsius. Prepare the metabolic extracts of the berry samples at room temperature in three volumes of methanol, acidified with 0.1%formic acid, in an ultrasonic bath at 40 kilohertz for 15 minutes.Centrifuge the extracts at 16, 000 times g for 10 minutes at four degrees celsius. Dilute the supernatent in two volumes of deionized water, and pass through a 0.2 micron filter. Set up the high performance liquid chromatography, coupled to mass spectrometry, using an electro spray ionization source or HPLC-ESI-MS system, as described in the text protocol.Run the HPLC separation with a linear gradient of solvents A and B at a constant flow rate of 0.2 milliliters per minute, using a sample injection volume of 30 microliters. Acquire mass spectra in alternate negative and positive ionization modes, with the parameters listed in the text protocol. To process the LCMS data, implement the peak detection alignment, gap-filling, and peak filtering procedures using suitable software, such as the open source software M Zeta Mine, version 2.14.Import the resulting text files into a spreadsheet. This produces a data matrix in which all the detected metabolites recognized by an identification number, mass-to-charge ratio value, and retention time, are quantified in all samples in terms of their peak area values. Prepare the hybridization assembly based on four pack format specifications, by placing 1.65 micrograms of cyanine-labeled complementary RNA, in a final volume of 41.8 microliters of deionized RNAse free water.Add 11 microliters of 10X blocking agent, and 2.2 microliters of 25X fragmentation buffer. Incubate at 60 degrees celsius for 30 minutes in a thermostatic bath, to fragment the RNA. After 30 minutes, immediately cool on ice for one minute.Finally, add 55 microliters of 2X hybridization buffer, and mix well by pipetting. After spinning for one minute at 15, 500 times g at room temperature, promptly place the micro-centrifuge tube on ice. To load the custom micro-array, load a gasket slide with the label facing up, into the base of a hybridization chamber.Slowly load 100 microliters of hybridization sample onto each gasket well, dispensing the liquid with the tip of a pipette, avoiding bubbles. Slowly place the custom micro-array, facing down, ensuring that the numeric barcode is facing up. Make sure that the sandwich pair is properly aligned.Finally, place the cover of the hybridization chamber onto the sandwiched slides, and hand-tighten the clamp onto the chamber. Rotate the assembled chamber, to assess the mobility of bubbles. Place the assembled slide chamber in a balanced rotisserie, in a hybridization oven set to 65 degrees celsius.Set the rotator to rotate at 10 RPM. Allow the hybridization to proceed for 17 hours. To proceed with the micro-array slide wash, prepare three slide-staining dishes and fill them with the appropriate washing buffers.Fill two dishes with wash buffer one, at room temperature, and one dish with pre-warmed wash buffer two. Disassemble the hybridization chamber, and remove the sandwich. With the micro-array slide numeric barcode facing up, submerge the sandwich into the first slide staining dish filled with wash buffer one at room temperature, and with the help of clean forceps, separate the gasket from the micro-array slide.Quickly transfer the micro-array slide into a slide rack, and place it in the second slide-staining dish filled with wash buffer one at room temperature. Put the slide-staining dish onto a magnetic stirrer, and wash for one minute with moderate stirring. Quickly transfer the slide rack into the third slide-staining dish, filled with pre-warmed wash buffer two, and wash for one minute with moderate stirring.Slowly remove the rack from the slide-staining dish, and carefully remove the slide from the rack, avoiding droplets. Place the micro-array slide into a suitable scanner, and scan each array using the parameter settings recommended in the micro-array manufacturer's instruction manual. To prepare the statistical analysis software, first import the metabolomics and transcriptomics data.Go to File, New Regular Project, New Regular Project, to import the obtained data matrix. Then click on Edit. Transpose the whole matrix, home, and assign the appropriate primary and secondary ID.And finish.To carry out the multivariate statistical analysis, navigate to the Workset window, select PCAX as the model type, and click on AutoFit. Select Scores and then Scatter, to see the plot that shows the possible grouping of the samples. Inspect the PCA score plot.If a good model is obtained, use the same classes of samples to build an O2PLS discriminant analysis model. To build two O2PLS discriminant analysis models using the samples classified by MacroZone, assign the classes by going to Home window, New As, M1, and Observations. Set the desired classes.Then, change the model type from PCAX to O2PLS discriminant analysis. Press Autofit. Proceed to Select M2 in the Project window, and click on Scores, and then Scatter, to see the plot and the position of the sample classes.Go to Select Data Type, and select Observations and Loadings. Then click Add Series, and select the items PQ correlation one, and PQ correlation two, or further components when present. With the mouse's right button pressed on the plot, go to Property, select Color, and then select By Terms, to distinguish the plot symbols among molecules and classes.Go to Layout, Format Plot, Access and or Styles, to modify the plot with the desired characteristics. To observe what metabolites characterize one or more specific classes, go to Plot List, and then Scatter. Exploratory analysis of the whole data matrix by PCA, showed that samples clustered according to the ripening stage, including veraison, mid-ripening, and ripe, along the first and second principal components.The samples clustered according to the growing season along the third principal component. O2PLS discriminant analysis of mature berries allows for identification of specific terroir signatures, representing the three macrozones, Valpolicella, Garda Lake, and Soave. The loading plots of these models are expressed as PQ correlation, the correlation between P, the class of samples, and Q, the metabolites.In the loading plots, the red squares represent the class of samples or macrozones, and the colored triangles represent the individual metabolites. The metabolites are color coded according to their chemical class, and the distance between the metabolites and the samples reflects their relationships. The Lake Garda macrozone was characterized by stilbenes, whereas Soave and Valpolicella was marked by flavonoids.Within the anthocyanins, peonidin and its derivatives were more prevalent in the Lake Garda macrozone, while the other anthocyanins were more prevalent in the Valpolicella macrozone. Moreover, anthocyanin three-O-glucosides were more prevalent in the Valpolicella macrozone, whereas acylated and cumerated derivatives were more prevalent in the Soave macrozone. Transcriptomics, RA, and RNA sig methods, allow thousands of grape vine transcript to be monitored simultaneously.A new custom micro-array has recently been designed and represents an even greater number of probes, representing additional, newly discovered grapevine genus. Given the rapid obsolescence of transcriptomic platforms, we described an alternative procedure using a new platform that contains more probes than the old one, including 249 more peno predicted transcripts, for 1392 newly identified peno loci, and 179 corvina prava genes. Metabolomics analysis by HPLC-ESI-MS, is sensitive enough to detect large numbers of metabolites simultaneously.The ability to create a sampling plain is critical. The choice of one single clone to minimize genetic differences, and the multiple duration of the sampling, allowed identification of the real differences among the terroirs. It would be interesting to compare the same cultivar grown in less optimal zones, but unfortunately, these vineyards were not available.

Research

JoVE Journal

Genetics

In Vitro Transcription Assays and Their Application in Drug Discovery

In Vitro Transcription Assays and Their Application in Drug Discovery

במבחנת תמלול מבחנים ויישומם ותרופות דיסקברי

In vitro transcription assays have been developed and widely used for many years to study the molecular mechanisms involved in transcription. This process ...

Delivery of Nucleic Acids through Embryo Microinjection in the Worldwide Agricultural Pest Insect, Ceratitis capitata

Delivery of Nucleic Acids through Embryo Microinjection in the Worldwide Agricultural Pest Insect, Ceratitis capitata

משלוח חומצות גרעין דרך Microinjection העובר חרקי ההדברה החקלאיים ברחבי העולם,<em&gt; זבוב הפירות הים תיכוני</em

The Mediterranean fruit fly (medfly) Ceratitis capitata (Wiedemann) (Diptera: Tephritidae) is a pest species with extremely high agricultural relevance. ...

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved (Non-model) Organisms

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved Non-model Organisms

מינוף משאבים CyVerse עבור<em&gt; דה נובו</em&gt; תמלול השוואתי של אורגניזמים לא מקופחים (לא מודל)

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative ...

Controllable Ion Channel Expression through Inducible Transient Transfection

ביטוי ערוץ יון לשליטה באמצעות Transfection ועין מתנהל חלוף

Transfection, the delivery of foreign nucleic acids into a cell, is a powerful tool in protein research. Through this method, ion channels can be ...

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

Transcriptomic ניתוח<em&gt; C</em&gt;.<em&gt; elegans</em&gt; RNA רצף נתונים באמצעות Suite טוקסידו על פרויקט גלקסי

Next generation sequencing (NGS) technologies have revolutionized the nature of biological investigation. Of these, RNA Sequencing (RNA-Seq) has emerged ...

Studying Cell Cycle-regulated Gene Expression by Two Complementary Cell Synchronization Protocols

לימוד מחזור גנים ביטוי מוסדר על ידי שני פרוטוקולי סינכרון התא

The gene expression program of the cell cycle represents a critical step for understanding cell cycle-dependent processes and their role in diseases such ...

Robust DNA Isolation and High-throughput Sequencing Library Construction for Herbarium Specimens

DNA חזקים בידוד ובנייה ספריית רצף תפוקה גבוהה עבור דגימות עשבייה

Herbaria are an invaluable source of plant material that can be used in a variety of biological studies. The use of herbarium specimens is associated with ...

Using In Vitro and In-cell SHAPE to Investigate Small Molecule Induced Pre-mRNA Structural Changes

שימוש בחוץ גופית וצורה בתא לחקור מולקולה קטנה המושרה שינויים מבניים Pre-mRNA

In the process of drug development of RNA-targeting small molecules, elucidating the structural changes upon their interactions with target RNA sequences ...

Inducible, Cell Type-Specific Expression in Arabidopsis thaliana Through LhGR-Mediated Trans-Activation

Inducible, Cell Type-Specific Expression in Arabidopsis thaliana Through LhGR-Mediated Trans-Activation

Inducible, תאים ייחודיים לסוג ביטוי תודרנית לבנה בתיווך דרך LhGR טרנס-הפעלה

Inducible, tissue-specific expression is an important and powerful tool to study the spatio-temporal dynamics of genetic perturbation. Combining the ...

Improving Small RNA-seq: Less Bias and Better Detection of 2'-O-Methyl RNAs

שיפור רנ א קטן-seq: פחות הטיה וזיהוי טוב יותר של 2 '-O-מתיל RNAs

The study of small RNAs (sRNAs) by next-generation sequencing (NGS) is challenged by bias issues during library preparation. Several types of sRNA such as ...