在有花植物（被子植物）的演化史上，specialized metabolites（特化代谢物，如生物碱、萜类、酚类等）一直是它们应对 herbivores（植食者）、吸引 pollinators（传粉者）的关键武器——这些分子不仅决定了植物“能不能活”，还影响了“能不能传宗接代”。但长期以来，植物化学研究像“盲人摸象”：有的团队盯着石蒜科（Amaryllidaceae）的生物碱，有的专注禾本科（Poaceae）的酚类，还有的研究菊科（Asteraceae）的萜类，虽然搞清楚了具体谱系的生物合成机制，却没人能回答一个根本问题：整个被子植物的化学多样性，到底是怎么“长”出来的？是像搭积木一样慢慢积累（Accumulation Model），还是像换衣服一样频繁替换（Turnover Model）？
更麻烦的是，传统数据库（比如SciFinder）要么偏向非特化代谢物，要么数据访问受限，还没法把分子结构和分类学来源“绑”在一起——要知道，要是连“这个化合物到底来自哪个科”都搞不清，怎么能研究演化规律呢？直到近年来，像LOTUS这样的开放FAIR（可查找、可访问、可互操作、可重用）天然产物库出现，加上World Flora Online（WFO）这样的全球标准化分类框架，才让“跨类群的定量比较”成为可能。
为了解开这个谜团，研究人员整合了LOTUS数据库（含天然产物结构与生物来源）和WFO分类学 backbone（主干），筛选出12个代表性被子植物科（覆盖Magnoliids、Monocots、Eudicots三大支系），构建了包含77 404条家族支持记录的“化学核心”（去除广布性化合物和科内单例记录），通过phylometabolomics（系统发育代谢组学）结合多样性分析、化学空间映射等方法，最终发现：被子植物的化学演化是“动态替换+约束下的稳定”——代谢物组成高频替换，但支系的理化特征（如亲脂性、氮含量）却像“遗传密码”一样保留下来。这项研究发表在《The Plant Journal》上，为理解植物化学多样性的宏进化机制提供了全新的定量框架。
主要关键技术方法
研究基于LOTUS数据库获取化学发生数据，通过WFO标准化植物名称；采用两步过滤（广布性化合物：≥6科或≥20%物种；科内单例：仅1物种）构建“化学核心”；用Hill数（q=0,1,2）量化化学多样性，iNEXT包进行覆盖度标准化；基于Jaccard相异矩阵的PCoA（主坐标分析）和PERMANOVA（置换多元方差分析）解析化学空间；用betapart包分解β-多样性为替换（β_SIM）和嵌套性（β_SNE）；以Random Forest（随机森林）识别支系诊断标记；通过Kruskal-Wallis检验和FDR校正比较多支系的理化参数（分子量MW、亲脂性XLogP、sp³碳比例Fsp³、拓扑极性表面积TPSA、氮原子数、碳氧比C/O）。
研究结果
An integrated framework for Phylometabolomics
开发了一套可重复的phylometabolomic流程：从LOTUS获取原始化学记录，用WFO harmonize（统一）植物名称，通过“广布性过滤+科内支持过滤”得到“化学核心”，再结合chemotaxonomic clustering（化学分类聚类）、多样性划分、多变量排序和网络分析，确保结果反映真实演化信号而非采样偏差。
Filtering effects and data refinement
初始159 192条记录经过滤后保留77 404条（48.6%），形成“化学核心”——其中广布性代谢物（如某些酚类、萜类）平均出现在60.0±44.6科、253.7±308.6物种中，代表酶 promiscuity（底物宽泛性）产生的背景化学；科内支持过滤减少了采样误差。不同科保留率差异显著：石蒜科（26.5%）、胡椒科（26.3%）保留率高（依赖谱系限制性通路），而紫葳科（14.9%）、木兰科（15.6%）保留率低（现有代谢组数据多为广布或弱支持代谢物）。此外，胡椒科化学密度（≈4.96化合物/物种）最高，豆科（≈1.91）最低，Magnoliids平均化学密度（3.46）高于Monocots（2.41）和Eudicots（2.60）。
Chemotaxonomic signatures and biosynthetic allocation across angiosperms
Random Forest分析显示，各支系/科有独特的生物合成投资模式：Magnoliids以酪氨酸衍生生物碱（樟科30%、番荔枝科44%）和木脂素（木兰科47%、胡椒科28%）为主，形成“芳香 scaffold + 高氮”特征；Eudicots共享黄酮骨架，但分化出独特模块——紫葳科（46%单萜类/环烯醚萜）、豆科（29%异黄酮）、菊科（53%倍半萜+17%黄酮）、芸香科（29%香豆素+24%色氨酸生物碱）；Monocots中，薯蓣科（79%甾体）、兰科（27%芪类+19%黄酮）、禾本科（20%黄酮+16%脂肪酰+14%甾体）、石蒜科（53%特征生物碱）各有侧重。Alluvial diagram（流图）进一步显示，每个科将代谢资源导向内部一致的通路，从“强 canalization（如薯蓣科→甾体）”到“分布式投资（如菊科、禾本科）”不等。
Chemotaxonomic architecture of angiosperm chemical space
在MW（分子量）和XLogP（亲脂性）定义的化学空间中，支系占据独特区域：Magnoliids集中在相对紧凑但偏向亲脂性的空间；Monocots因科而异（如禾本科的脂肪酸 corridor）；Eudicots覆盖最广但结构清晰。科水平分析显示极端案例：番荔枝科呈双峰分布（亲脂/高分子量+极性成分），薯蓣科沿窄高分子量 corridor 分布（甾体/皂苷为中心），菊科覆盖宽MW-XLogP范围（倍半萜+黄酮为主）。这表明“代谢物替换”发生在支系特有的理化约束内。
Phylogenetic constraints define divergent physicochemical landscapes
支系理化参数差异显著（Kruskal-Wallis P<0.001）：Magnoliids亲脂性最高（XLogP=4.10±2.91）、TPSA最低（63.18±47.76 Ų）、Fsp³最低（0.462±0.263，结构饱和度低）；Monocots MW最高（367.91±218.01 Da）、Fsp³最高（0.560±0.289，结构最饱和）；Eudicots氮原子数最少（0.26±0.63）、C/O比最低（5.27），体现“氮经济”策略（减少氮昂贵生物碱，增加氧-rich碳 scaffold 如黄酮）。这种分化与繁殖生态相关：Magnoliids依赖气味吸引甲虫传粉（“mess-and-soil”模式），需亲脂性挥发油；Eudicots依赖视觉信号（色素），需水溶性酚类。
Universal constraints: red queen dynamics, turnover pulses, and chemical democracy
所有科对的β-多样性中，替换占比达98.7%（中位数99.4%），嵌套性仅占~1.3%——说明化学分化主要是“代谢物替换”而非“保留子集”。且替换率在各支系间无显著差异（Kruskal-Wallis P=0.146），符合Red Queen dynamics（捕食者-猎物协同演化，需持续创新）。化学均匀性（Hill比q1/q0）在各支系间也无差异（P=0.694），即“少数优势代谢物+大量稀有类似物”的零和约束——代谢通量不能无限增加，只能在通路间分配。
Turnover-dominated divergence and lineage strategies: plasticity versus canalization
通过“总化合物丰富度（log）”与“生物合成可塑性指数（化学类Shannon多样性）”的散点图，发现科的策略分为两类：一类是“高丰富度+中等可塑性”（如Eudicots的大科），通过模块化框架内扩展（如萜类代谢）实现多样化；另一类是“高可塑性+中等丰富度”，通过广谱通路投资实现。多变量离散度分析显示，Eudicots的化学空间离散度显著高于Magnoliids（P<0.001），说明其探索化学空间的方式更“发散”。
Phylometabolomic congruence with modern systematics
化学聚类结果与APG IV系统学高度一致：Magnoliids（樟科、番荔枝科等）、Monocots（薯蓣科、兰科等）、Eudicots（菊科、豆科等）各自形成独立簇，且Magnoliids不聚类到Eudicots——这与分子系统发育（如Zuntini等的核基因组研究）吻合，证明“特化代谢物保留了深层系统发育印记”，phylometabolomics可作为系统发育的补充工具。
结论与讨论
研究得出核心结论：被子植物化学演化是“turnover-dominated（替换主导）”的宏进化 regime——深层谱系的差异主要来自代谢物的反复替换，而非定向积累；同时，主要支系（Magnoliids、Monocots、Eudicots）占据独特的physicochemical neighborhoods（理化邻域），受生物合成、运输、储存等约束（如分泌组织、液泡处理）。
具体来说：
- 1.
化学分化的机制：β-多样性中替换占98.7%，支持“Escape and Radiate”假说（防御代谢物是 transient solution，一旦被天敌适应就需替换）；且替换率在各支系间一致，符合Red Queen dynamics——即使Magnoliids演化较慢，化学创新压力仍存在。
- 2.
支系的理化约束：Magnoliids高亲脂性、高氮（适合甲虫传粉的挥发油+组织防御）；Monocots高分子量、高饱和度（如薯蓣科的甾体）；Eudicots低氮、高氧（适合视觉传粉的水溶性酚类），这种分化连接了繁殖生态与化学演化。
- 3.
数据与方法的突破：通过LOTUS+WFO构建的“化学核心”，解决了传统数据库的偏差问题，且流程完全可重复（代码与数据存于GitHub），为后续研究提供了基准。
- 4.
系统发育的一致性：化学聚类与APG IV系统学吻合，说明“特化代谢物可作为系统发育标记”——比如Magnoliids的化学特征能区分于Eudicots，即使二者都有“dicots”的旧称。
更重要的是，这项研究将生态动力学（替换）与宏进化结构（支系化学架构）联系起来：代谢物在“替换”中保持支系的理化边界，既解释了“为什么不同科有不同的化学物质”，也解释了“为什么这些物质能保留演化印记”。未来，这套框架可用于测试“生物合成基因簇如何驱动化学创新”“生态 antagonists（如植食者）如何影响代谢物替换速率”等问题，为理解植物-昆虫协同演化、天然产物药物开发提供了新的视角。
