Decoding and designing: Promising routes to tailor-made herbs

解码与设计：定制化草药的潜力路径

摘要

理想药用植物的特征可归纳为高次生代谢产物含量、高抗逆性、理想的形态以及高产量。本研究提出了两种策略，用于解析中药活性成分的生物合成与质量形成机制，并为提高中药产量与抗性的遗传育种提供靶点。第一，利用多组学技术解析次生代谢产物的合成通路及理想性状形成机制；第二，通过全基因组关联分析（GWAS）识别与理想性状相关的分子标记和靶基因。通过基因组选择与基因编辑技术，可进一步培育理想中药材。这些策略将为药用植物的育种研究提供重要参考。

1. 背景与定义

中药资源是中国极其重要的战略资产，是中药产业健康发展的基础，关系国民健康和共同富裕。众所周知，“好药材才能出好中药”。只有优质药材才能保障中医临床疗效的稳定和可靠。药材的质量主要受到三个因素影响：遗传因素、环境因素和人为干预。遗传因素通常由药材原植物的种质决定；环境因素包括生物和非生物因素；人为干预则是指种植、采收、加工和运输等环节的科学化管理。

以传统高品质中药材“道地药材”为例，它们是在特定自然条件和生态环境中长期应用筛选出来的，具有成熟的种植技术和采收加工方法。与其他地区种植的同类药材相比，道地药材通常具有更优的质量和疗效。

Salk研究所提出了“理想植物（Salk Ideal Plant）”的概念，该植物具有发达的根系结构，可长期将碳固定于土壤中，从而更有效应对气候变化并改善土壤肥力。在这一理念下，Salk研究所发现了一个新的基因 EXOCYST70A3，可调节生长素运输，进而影响拟南芥的根形态和抗旱能力。[1]

对于水稻而言，“理想株型”包括分蘖少、抗倒伏和高产等特性。李等人首次报道了转录因子 OsSPL14 的一个点突变，创造了理想株型的水稻，该基因被命名为“理想株型基因（IPA1）”。[2] IPA1不仅能提高产量，还能增强水稻抗稻瘟病能力，正向调控耐冷性，负向调控耐盐性。[3–12]

受理想植物和理想水稻株型概念的启发，本文聚焦中药资源所面临的需求与挑战，提出新的战略举措——构建理想中药材。

道地药材的标准比理想药材更为严格。随着现代生物技术的飞速发展，外部环境与种植过程已可被人为调控，因此制约药材质量提升的主要瓶颈在于其遗传因素，特别是种质资源。理想药材以道地药材的种质为核心，通过调控环境和人为干预，有望达到道地药材的标准。

考虑到不同中药对某些性状的需求差异，理想药材的定义相比理想植物碳汇能力或理想水稻的产量与抗性，将更加多样、复杂且个性化。

高产 是理想药材的一项关键特征。除了药材整体产量外，还包括药用部位的高产，如当归的根、淫羊藿的叶、五味子的果实、红花的花、藏红花的柱头等。有些药材不同部位均可入药，如板蓝根的根用于板蓝根，叶用于大青叶，这对同一药材提出了不同的产量要求。

某些药材对外形也有特殊要求。例如野山参的辨识标准包括根体细长、芦碗密、形如枣核、皮紧纹细、须根呈珠针状等；三七则以“狮子头”状为佳。在这些情况下，根形也成为高产的评判标准之一。

在药材生长过程中，还面临着存活率低、早期抽苔、病虫害严重、连作障碍等诸多问题，如当归、三七和丹参均受到这些因素的影响，因此高抗性也是理想药材的必要特征。

此外，有效成分含量是中药材区别于普通植物的核心指标。对于具有明确有效成分的药材来说，高含量是理想的重要标准。例如，黄花蒿中的青蒿素、灯盏花中的灯盏细辛内酯、丹参中的丹参酮和丹酚酸等，均要求在治疗中达到较高含量。

综上所述，中药材质量提升的瓶颈在于其种质资源。理想药材的种质应能满足实际应用需求。例如，为实现高产与质量一致性，丹参需具备抗连作障碍的稳定种质；饮片厂则需丹参具有粗壮直立的主根，以便加工生产；制药厂则需具有高含量有效成分的丹参种质，如用于复方丹参片的高丹参酮含量，或用于复方丹参酊的高丹酚酸含量。

值得注意的是，在满足具体特征需求的同时，仍需符合国家与地方的标准要求，且遵循相关法规制度。

2. 通过多组学解析中药有效成分的生物合成与质量形成机制

中药有效成分的生物合成及其质量形成机制可以通过多组学手段进行系统解析。该过程可分为以下几个阶段：

首先，建立多组学数据库，采集包括基因组学、转录组学、蛋白质组学、表型组学、微生物组学、代谢组学及表观遗传组学等多种类型的数据。接下来，从这些多组学数据中提取与理想性状相关的共性特征。为了处理高维组学数据，开发特征提取模型，并将数据嵌入到一个统一的低维子空间中。在该子空间中，对每个组学数据的嵌入特征进行优化，以确保数据间的一致性。随后，应用人工智能技术从各类组学数据中提取共性特征。

基于多组学提取的共享特征，识别与次生代谢产物（SMs）相关的目标基因，并构建基因-次生代谢网络及器官发育-代谢网络，进而明确参与SM合成的代谢通路。通过稳定转化（过表达/基因编辑）、瞬时表达、异源表达等实验手段，对控制SM合成的关键目标基因进行验证。

在此基础上，利用动态模拟、冷冻电镜和X射线晶体学等技术解析关键蛋白的三维结构，并通过基于蛋白突变的定向进化或计算驱动的理性设计方法（如 trRosetta、ProteinMPNN）对蛋白进行优化设计。

例如，通过多组学分析，识别出丹参（Salvia miltiorrhiza）中与萜类化合物合成相关的关键酶包括：DXS2、DXR、CPS1、KSL1、CYP76AK1、CYP76AH1、CYP76AH3、CYP76AK5 和 CYP71D375。[13] 类似地，在黄花蒿（Artemisia annua）中，多组学手段识别出与青蒿素合成相关的关键基因包括：ADS、CYP71AV1 和 FPS。[14]

通过上述研究策略，可以全面解析中药中次生代谢产物的合成路径及理想性状的形成机制，如图1所示。

图1：通过多组学解析中药有效成分的生物合成及质量形成机制。

(A) 多组学数据整合与数据融合算法优化。 整合基因组学、转录组学、蛋白质组学、代谢组学等多组学数据，并对整合算法进行优化处理。

(B) 生物合成路径解析与关键酶功能鉴定。 构建基因-次生代谢网络及器官发育-代谢网络，并通过稳定转化（过表达/基因编辑）、瞬时表达技术和异源表达技术对目标基因进行功能验证。

(C) 基于结构的蛋白质工程。 利用X射线晶体学、核磁共振（NMR）*或*冷冻电镜（Cryo-EM）*解析关键蛋白的三维结构，并通过*基于突变的定向进化或计算驱动的理性设计方法（如 trRosetta、ProteinMPNN）进行蛋白优化设计。

3. 通过全基因组关联分析（GWAS）识别与理想药用性状相关的分子标记与目标基因

在中药育种研究中，性状通常分为数量性状和质量性状，这与作物育种中的分类类似。

• 数量性状指的是可连续测量的特征，受多个基因及环境因素的共同影响，如产量、抗逆性和有效成分含量等，通常由多个基因位点的互作决定。

• 质量性状则表现为离散分类的特征，通常由一个或少数基因控制，例如中药材的花色或根形等。

除整合多组学分析外，全基因组关联分析（GWAS）也是识别中药理想性状相关分子标记和目标基因的常用手段。其流程如下：

1. 收集中药理想种质资源，并对其表型性状进行评估；

2. 通过重测序建立表型与基因型之间的遗传关联图谱；

3. 对药用植物的数量性状和质量性状开展GWAS研究，以挖掘与表型性状密切相关的特定基因或分子标记。

GWAS 能有效识别与有效成分含量、产量、理想外观性状、抗逆性等重要农艺性状相关的基因或分子标记（见图2）。

例如：

• 在紫苏中，GWAS 研究识别出一个关键基因 acyl-CoA: lysophosphatidylcholine acyltransferase，该基因在提高种子油中α-亚麻酸含量方面起重要作用。[15]

• 在红花（Carthamus tinctorius）中，GWAS 发现多个与关键性状相关的显著单核苷酸多态性（SNPs），其中候选基因 HH_034464（CtCGT1） 与羟基红花黄色素A的生物合成密切相关。[16]

图2：通过全基因组关联分析识别分子标记与目标基因，并利用基因组选择和基因编辑技术设计理想中药材。

(A) 收集多种种质资源，评估土壤微生物和表型特征，包括高有效成分含量、抗逆性、理想外形和高产性。 (B) 筛选与理想性状相关的分子标记和目标基因，构建育种模型并进行样本分类。 (C) 通过基因组选择与基因编辑技术培育理想中药材。

4. 利用基因组选择与基因编辑技术设计理想中药材

通过系统分析生物大数据，可以将基因组多样性与复杂性状表型进行关联。在全基因组水平上建立的机器学习预测模型，有助于智能化地设计结合自然变异、人为变异与数量性状优良等位基因位点（QTL）*的育种方案。这些模型能够筛选具有理想性状组合的各种基因型，从而预测最优的育种策略。通过*基因组选择可实现精准的育种设计（见图2）。

基因组选择已被证实可提升育种效率，如用于盐碱地水稻的育种策略中。[17] 同时，还可精准识别与理想药用性状相关的关键调控因子。深入研究关键基因及其遗传调控网络，可揭示与高含量、抗逆性、理想形态和高产性等重要性状相关的遗传机制。

此外，还可解析与药用器官产量性状（如根系发育、花柱形成）和质量性状（如有效次生代谢物合成）相关的多基因调控网络。通过高通量计算生物学方法，可揭示调控产量与质量性状的关键基因间的互作关系。通过多基因突变和基因型组合的精准设计，可实现理想中药品种的培育。

基因编辑技术在聚合多种优良基因方面起到了关键作用（见图2）。2023年，中国批准了AE15-18-1 大豆品种，该品种通过基因编辑获得，油酸含量超过80%，成为中国首个获得植物基因编辑安全证书的大豆品种。随着组学数据积累和基因编辑技术的进步，将逐步建立适用于不同理想药材的专属基因编辑系统，可通过基因敲除、插入或替换实现不同种质资源中目标基因的聚合。[18] 总之，目标基因突变体的构建为定向创造理想中药材提供了技术基础。

5. 结语

本研究提出了“理想中药材”的系统定义，并探索了其构建的关键技术路径。这些方法虽具应用潜力，但仍面临诸多挑战。例如，许多中药材的组学数据尚不完整，现有的遗传转化体系也存在诸多不足。同时，中药材基因组的高度复杂性也对优良品种的选育带来重大障碍。

不过，随着测序成本的下降，有望逐步解决组学数据不足的问题。未来，Cut-Dip-Budding（CDB）基因导入技术的进一步发展，也有望克服中药材遗传转化体系的局限。针对中药材基因组复杂性高的问题，可通过单倍体育种与多代选育建立优良纯合系，从而推进理想药材的选育进程。

综上所述，多学科交叉融合将为解决理想中药材选育中的核心难题提供支持，并加速中药现代化育种进程。然而，若现代育种手段长期推广某一或少数高纯度优良品种，可能会造成遗传资源流失，使我们难以应对未来环境变化和市场需求。因此，除创制新品种外，仍需加强种质资源库建设，保存野生遗传材料，为未来挖掘新的目标基因提供保障和储备。