Maximal entropi modellerar distributionsområdet för Morchella Dill. Ex Pers. Arter i Kina under förändrat klimat Del 1

Enkel sammanfattning:Klimatförändringar har alltid varit en märkbar faktor i forskningen om arternas utbredning. Under de senaste decennierna har arters livsmiljöer gradvis förstörts på grund av det förändrade klimatet. Alltså att förutsäga hur klimatförändringarna kommer att påverka överlevnaden och lämpliga livsmiljöer för vilda Morchella Dill. ex Pers. arter i Kina använde vi en maximal entropimodell för att simulera förändringarna i dess utbredningsområde från historiska perioder till framtida perioder. Våra resultat visar att nederbörd, höjd och temperatur är oumbärliga faktorer som påverkar närvaron och lämpliga livsmiljöer för vilda Morchella-arter. Dessutom visade denna forskning oss en lovande trend att, oavsett vilket scenario, artens lämpliga område kommer att öka till en viss skala inom kort. Baserat på dessa fynd kunde vi utforska och utforma ett optimalt system för bevarande av vilda Morchella-resurser.

Glykosid av cistanche kan också öka aktiviteten av SOD i hjärt- och levervävnader och avsevärt minska innehållet av lipofuscin och MDA i varje vävnad, effektivt rensa upp olika reaktiva syreradikaler (OH-, H₂O₂, etc.) och skydda mot DNA-skador orsakade av OH-radikaler. Cistanche-fenyletanoidglykosider har en stark rensande förmåga av fria radikaler, en högre reducerande förmåga än vitamin C, förbättrar aktiviteten av SOD i spermiesuspension, minskar innehållet av MDA och har en viss skyddande effekt på spermiemembranets funktion. Cistanche-polysackarider kan öka aktiviteten av SOD och GSH-Px i erytrocyter och lungvävnader hos experimentellt åldrande möss orsakade av D-galaktos, samt minska innehållet av MDA och kollagen i lungor och plasma, och öka innehållet av elastin, har en god renande effekt på DPPH, förlänger hypoxitiden hos åldrande möss, förbättrar aktiviteten av SOD i serum och fördröjer den fysiologiska degenerationen av lungor hos experimentellt åldrande möss. Med cellulär morfologisk degeneration har experiment visat att Cistanche har den goda antioxidantförmågan och har potential att vara ett läkemedel för att förebygga och behandla åldrande hudsjukdomar. Samtidigt har echinacoside i Cistanche en betydande förmåga att avlägsna DPPH-fria radikaler och har förmågan att avlägsna reaktiva syrearter och förhindra friradikal-inducerad kollagennedbrytning, och har även en god reparationseffekt på anjonskada av tymin-fria radikaler.

Klicka på Fungerar Cistanche för antioxidant

【För mer information:george.deng@wecistanche.com / WhatApp:86 13632399501】

Abstrakt: 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), vilket indikerar att resultaten av modellen för maximal entropi är bra. Artdistributionsmodellering visade att de viktigaste faktorerna som påverkade den geografiska fördelningen av Morchella-arter var nederbörden i det torraste kvartalet (Bio17), höjd, medeltemperaturen för det kallaste kvartalet (Bio11) och den årliga medeltemperaturen (Bio1). Simuleringen av geografisk spridning antydde att Morchellas nuvarande lämpliga livsmiljö huvudsakligen var belägen i Yunnan, Sichuan, Gansu, Shaanxi, Xinjiang Uygur autonoma region (XUAR) och andra provinser i Kina. Jämfört med nuvarande tider minskade det lämpliga området i nordvästra och nordöstra Kina under LGM- och MH-perioderna. När det gäller framtida perioder ökade de lämpliga livsmiljöerna under de olika scenarierna jämfört med de i samtida tider, vilket visar en trend av expansion till nordöstra och nordvästra Kina. Dessa resultat skulle kunna ge en teoretisk grund för skydd, rationellt utnyttjande och utnyttjande av vilda Morchella-resurser under scenarier av klimatförändringar.

1. Introduktion

Klimatförändringar är en miljöfaktor som alla organismer på jorden måste möta hela tiden. Med det förändrade klimatet förändras också arternas rumsliga geografiska utbredningar och utbredningsområden. De senaste åren har globala klimatförändringar resulterat i förändringar i livsmiljöerna för olika arter och till och med utrotning av vissa arter [1,2]. Forskning har visat att vissa arter kommer att flytta till områden på hög latitud och -höjd två till tre gånger snabbare i framtiden [3]. Att vetenskapligt utvärdera och förutsäga klimatförändringarnas inverkan på arternas utbredning och biologisk mångfald har således väckt stor uppmärksamhet [4]. För att förstå olika arters föränderliga egenskaper under framtida klimatförhållanden är forskning om förhållandet mellan arter och klimat av stor brådska.

En möjlig lösning är att använda artdistributionsmodellen (SDM). SDM är en viktig metod för analys av förändringar i arternas utbredningsområden och den används flitigt i biogeografiska studier. Under de senaste åren har användning av artdistributionsmodeller för att förutsäga den verkliga och potentiella utbredningen av hotade arter [5], sällsynta arter [6] och invasiva arter [7] blivit en hotpot inom ekologiområdet. I forskningen om artutbredning kan klimat, mark och andra faktorer (såsom arters vandringsförmåga) påverka arternas geografiska utbredning i viss mån [8]. I kombination med arternas utbredningsdata och miljöfaktorer projicerar SDM dessa data till ett visst geografiskt rumsligt område, och den uppskattar också arternas lämpliga regioner för överlevnad och deras livsmiljöpreferenser [9–11]. De SDM som nu är tillgängliga inkluderar BIOCLIM, den ekologiska nischfaktoranalysen (ENFA), den generaliserade linjära modellen (GLM), den Bayesiska metoden (BA), genetiska algoritmer (GAs) och MaxEnt [12]. Bland dessa använder MaxEnt faktiska närvarodata för arter och motsvarande miljövariabler för att beräkna det ideala tillståndet för artdistribution under vissa nischrestriktioner, det vill säga den möjliga fördelningen av arter i det förutsagda området när entropin är maximal. Denna modell skiljer sig från andra modeller i kravet på data från arternas utbredningsplatser, inställningen av modellparametrar och hanteringen av miljövariabler [13,14]. De flesta modeller behöver närvaro- och frånvarodata för artfördelning; dock förlitar sig MaxEnt bara på verkliga befintliga sajter [15]. Sannolikhetsfördelningen för MaxEnt har en kortfattad matematisk definition, som är lätt att analysera. Till exempel, som med GLM och GAM, gör modellens additivitet det möjligt att tolka hur varje variabel förhåller sig till lämplighet i frånvaro av interaktioner mellan variabler [16]. Samtidigt är prediktionsnoggrannheten hos MaxEnt-modellen så hög att den kan återspegla sannolikheten för förekomst av arter korrekt till en viss grad under omständigheten av liten provstorlek [17].

Med tanke på MaxEnts överlägsenhet har många forskare publicerat en rad betydande forskningsresultat med hjälp av MaxEnt, vilket ger en mycket värdefull teoretisk grund för olika områden, såsom hantering av invasiva arter, skydd av biologisk mångfald och urval av arter som lever miljöförhållanden. . MaxEnt kan inte bara användas för växter och djur, utan det kan också användas för svampar. Sun et al. använde MaxEnt för att simulera det lämpliga habitatet för jättepandor och förklarade arternas svar på miljövariabler i olika skalor [18]. Liu et al. simulerade utbredningen av Houttuynia cordata Thunb (Ceercao) under nuvarande klimatförhållanden och förutspådde dess potentiella geografiska utbredningsförändringar och resultaten avslöjade att området med lämplig habitat för Ceercao minskade under tre scenarier med utsläpp av växthusgaser på 2050- och 2070-talen [19]. Yuan et al. förutspådde den potentiella distributionen av Phellinus bauxit Pilát, Phellinus Ignatius (L.) Quél. och Phellinus vaninii Ljub. och fann att noggrannheten i resultaten var hög [20].

Morchella är en grupp viktiga svampar som tillhör Morohellaceae av Ascomycotina, som är utbredd på norra halvklotet. På grund av dess rika närings- och medicinska värden tar Morchella-arter en plats i de mest värdefulla matsvamparna och drar till sig uppmärksamhet från många mykologer [21]. De naturliga bioaktiva komponenterna [22], såsom polysackarider, proteiner och lipider, extraherade från Morchella spelar en betydande roll i förebyggande av sjukdomar, inklusive immunreglering [23], antitumöraktiviteter [24] och antioxidationsaktiviteter [25 ]. Molekylära fylogenetiska studier har visat att Morchella kan delas in i tre huvudsakliga evolutionära klader, nämligen Yellow Morchella, Black Morchella och Red Morchella [26]. Östasien och Kina är möjliga differentierings- och mångfaldscentra för Morchella-arter. För närvarande har mer än trettio arter av Morchella registrerats i Kina [27], som är ett av länderna med de mest rikliga vilda Morchella-resurserna.

Överexploatering och förstörelse av livsmiljöer utgör dock ett allvarligt hot mot arternas mångfald av vilda Morchella [28]; Samtidigt har de specifika kraven och miljöegenskaperna för Morchella-tillväxt länge diskonterats inom mykologiområdet [29]. Dessutom har Taheri et al. [2] visade att det fanns få studier om svamparnas geografiska utbredning relaterade till klimatförändringar i jämförelse med växter och djur. I dagsläget är det fortfarande oklart hur klimatförändringarna kommer att påverka den geografiska utbredningen av Morchella-arter under olika perioder. Denna studie syftar till att förutsäga den potentiella distributionen av Morchella-arter under olika scenarier av historiska och framtida klimat baserat på en MaxEnt-modell. Syftet med denna studie är att analysera effekten av miljöfaktorer på bildandet av Morchella fruktkroppar och att simulera förändringar i de potentiella utbredningsområdena för Morchella under de olika perioderna. Det förväntas att resultaten kommer att ge en vetenskaplig grund för den biologiska mångfalden och bevarandet av vilda resurser i Morchella i framtiden.

2. Material och metoder

2.1. Källa för artdistributionsdata

Förekomstdata för Morchella-arter erhölls från fältundersökningar och publicerade artiklar; vi fick totalt 288 platser. Först kasserades upprepade platser och sedan användes buffertmetoden. Den rumsliga upplösningen av miljöfaktorer var 2,5 bågminuter och rumsligt sammanfallande datapunkter inom 5 km från varandra förkastades, vilket gjorde det möjligt att undvika modellöveranpassning orsakad av duplicerade distributionsplatser. Slutligen behölls totalt 180 platser av Morchella (Figur S1 och Tabell S1).

2.2. Förvärv och förbehandling av miljöfaktorer

Totalt 19 miljöfaktorer (Bio1–Bio19, Tabell 1) laddades ner från World Climate Database, och den rumsliga distributionshastigheten var 2,5 bågminuter. Totalt 2 terrängvariabler och 7 jordvariabler (tabell 1) erhölls från Harmonized World Soil Database. Terräng- och jordvariabler fastställdes gemensamt av FN:s livsmedels- och jordbruksorganisation, International Institute for Applied Systems Analysis, Institute of Soil Science, Chinese Academy of Sciences och Europeiska kommissionens gemensamma forskningscenter. Den rumsliga upplösningen för dessa data förenades till 2,5 bågminuter, och alla data omvandlades till ASCII-format med ArcGIS 10.2. De potentiella fördelningarna av Morchella utvärderades under fem perioder, nämligen det sista istidsmaximum (LGM), mitten av holocen (MH), nuvarande, 2050-talet och 2070-talet. Både tidigare och framtida klimatdata använder CCSM4.0-modellen som publicerades i IPCC:s femte rapport; vi valde ut tre olika scenarier för utsläpp av växthusgaser för framtida perioder (tabell S2), och dessa scenarier definieras enligt den resulterande totala strålningskraften år 2100 [30].

För att undvika överanpassning av resultaten på grund av den höga kolineariteten av miljövariabler [31], utfördes miljövariabelbidrag och korrelationsanalyser baserade på MaxEnt- och SPSS-program. Vi använde programmet MaxEnt 3.4.1 för att analysera variablernas bidrag baserat på miljövariabler och Morchellas distributionsplatser, och vi satte upprepningarna till 10 gånger. Därefter extraherades informationen om miljöfaktorerna för Morchella med ArcGIS 10.2, och en Pearson-korrelationsanalys utfördes mellan miljövariabler i SPSS 25 (Figur 1). I kombination med bidraget från miljöfaktorer behöll vi faktorer med korrelationskoefficienter under 0,8 om de sex främsta faktorerna. Ett par miljöfaktorer hade korrelationskoefficientvärden större än |0,8|, och endast en variabel med högre bidrag behölls och användes i MaxEnt-modellerna [32,33]. Slutligen användes 18 miljöfaktorer i modelleringen (tabell 1).

2.3. MaxEnt modellanalys

2.3.1. Val av modellparameter

Utbredningsplatserna för Morchella-arter och 18 miljöfaktorer importerades till MaxEnt3.4.1-programmet för modelleringsanalys. Totalt 25 procent av distributionsdata valdes slumpmässigt ut som testset för att undersöka modellens noggrannhet, och de återstående 75 procenten användes som träningsuppsättning [34]. Vi körde 10 bootstrap-replikat, vars typ var Subsample. Bortsett från detta var den valda tröskeln maximal träningskänslighet plus specificitet, utdataformatet var Cloglog och de andra parametrarna lämnades som standard.

2.3.2. Modell- och miljövariabelutvärdering

AUC är ett omfattande kriterium som representerar noggrannheten och specialiteten hos ROC. Den introducerades först i utvärderingen av artdistributionsmodellernas noggrannhet 1997 [35], och sedan dess har den använts för att utvärdera modellers prestanda. Värdet på AUC sträcker sig från 0.5 till 1. Om värdet är närmare 1 betyder det att modellens prediktiva precision är högre. Ett AUC-värde under 0.7 indikerar att simuleringseffekten av modellen är dålig; ett AUC-värde mellan 0.7 och {{10}}.8 indikerar att simuleringseffekten av modellen är måttlig; ett AUC-värde mellan 0.8 och 0.9 indikerar att simuleringseffekten av modellen är god; och säkert, när AUC-värdet är högre än 0,9, är simuleringseffekten utmärkt [36]. Dessutom tillhandahåller MaxEnt en Jackknife-metod för att analysera det relativa bidraget och betydelsen av miljövariabler på Morchella och för att fastställa de viktigaste miljöfaktorerna.

2.3.3. Lämplig regionklassificering

Enligt bedömningen av närvarosannolikhet i IPCC:s femte rapport [37] omklassificerade vi det lämpliga habitatet för Morchella med hjälp av Reclass-modulen i ArcGIS 10.2 med den naturliga segmentmetoden. Morchellas habitat delades in i fyra klasser med den naturliga segmentmetoden: olämplig habitat (0 Mindre än eller lika med värde Mindre än eller lika med 0.13), låg lämplig habitat ({{8} }}.13 < värde Mindre än eller lika med {{10}}.35), måttligt lämplig livsmiljö (0.35 < värde Mindre än eller lika med 0.63) och hög lämplig livsmiljö (0,63 < värde Mindre än eller lika med 1).

2.3.4. Förändring i Morchellas distributionscenter

SDM-verktyg är en GIS-verktygssats som används för att analysera tyngdpunktsförändringen i lämpliga distributionsregioner [38]. I denna studie användes SDM-verktyg och de binärt lämpliga områdena i Morchella under olika perioder för att beräkna det geografiska läget för dess distributionscenter, vilket illustrerar vägen för Morchellas temporala och rumsliga utveckling.

3. Resultat

3.1. Utvärdering av modellens noggrannhet

Som visas i AUC-värdet för ROC-kurvan som drivs av MaxEnt, var det genomsnittliga AUC-värdet för träningsdata från Morchella potentiella distributionsmodell under tidigare klimatförhållanden {{0}}.907 , och det genomsnittliga AUC-värdet för testdata var 0.847; under den aktuella perioden var det genomsnittliga AUC-värdet för träningsdata 0,905, och medelvärdet för testdata var 0,852; vad gäller de framtida perioderna var det genomsnittliga AUC-värdet för träningsdata 0,903, och medelvärdet för testdata var 0,848 (tabell 2). Enligt utvärderingsstandarden för AUC-värdet är dessa resultat bra och tillförlitliga.

3.2. Dominerande miljöfaktorer

Tabell 3 visar det relativa bidraget från modellering av miljöfaktorer. Bio17, höjd, Bio11 och Bio1 var de viktigaste miljöfaktorerna som påverkade Morchella-distributionen. Under LGM, MH, nuvarande och framtida perioder (2050- och 2070-talen) nådde de kumulativa bidragsnivåerna 75,8 procent , 79,9 procent , 70,6 procent , 74,6 procent , 77,5 procent , 74,6 procent, 76,8 procent, 74,0 procent och 80,0 procent. Bio17 påverkade Morchella mest och höjd och Bio11 var de näst respektive tredje mest effektiva faktorerna, vilket också hade stor inverkan på sannolikheten för Morchella-förekomst.

Baserat på enfaktorsvarskurvorna analyserades påverkan av dominerande faktorer på sannolikheten för Morchella-närvaro. De mycket lämpliga miljöförhållandena för Morchellas överlevnad var följande: Bio17 var 11,32–77,78 mm, höjd var 1480,78–3827,03 m, Bio11 var -5,98–9,32 ◦C och Bio1 var 6,16–16,98 C (Figur ◦C).

3.3. Potentiell geografisk fördelning och utvärdering av lämpliga områden i Morchella

3.3.1. Lämpliga områden i det förflutna

Den lämpliga livsmiljön i både LGM och MH minskade jämfört med nuvarande ålder. MaxEnt förutspådde att det totala lämpliga området för Morchella minskade med 12,43 procent i LGM och att det höga lämpliga området minskade med 5,07 procent, vilket främst återspeglades i minskningen av det lämpliga området i sydost om Gansu, centrum och söder om Shaanxi, och norr om Guizhou i Kina; det måttliga lämpliga området minskade med 2,48 procent, vilket förutspåddes främst förekomma i XUAR och norra Kina; och det låga lämpliga området minskade med 4,88 procent, främst i nordöstra Kina och nordväst om XUAR (Figur S2 och Tabell 4 och 5).

När det gäller MH var reduktionsintervallet mindre än det i LGM. Det fanns en liten skillnad i MH och ström, vilket vi inte tydligt kunde urskilja i figurerna (figurerna S2 och S3). Mer detaljer om distributionsområdet visas i tabellerna 4 och 5.

3.3.2. Lämpliga områden i aktuell tid

Det kan ses i figur S3 att den lämpliga livsmiljön för Morchella är relativt omfattande under samtida klimatförhållanden. Det totala lämpliga livsmiljöområdet var cirka 405,8195 × 104 km2, vilket motsvarar 42,34 procent av Kinas territoriella område (tabellerna 4 och 5). Den låg till stor del i sydvästra och nordvästra Kina och täckte norra Yunnan, sydöstra Tibet, Sichuan, centrala och södra Shaanxi, södra Shanxi, norra Guizhou, sydöstra Gansu, nordvästra Xinjiang och vissa delar av Fujian.

【För mer information:george.deng@wecistanche.com / WhatApp:86 13632399501】