Untargeted metabolomics and advanced data analysis to unravel the mode of action of biostimulants

The use of environmentally friendly biostimulants has been considered a strategic approach to address the challenges of increasing productivity to feed the growing global population in the agricultural sector, which is affected by environmental factors. However, the literature has shown inconsistency and contextdependence in the mode of action of biostimulants. This thesis evaluated the effect of several biostimulants on different plant species, focusing on biochemical and metabolomic reprogramming coupled with advanced data analysis tools. In the first study, we demonstrated that distinct fractions of vermicompost, despite the compositional differences, improved the salt tolerance in Arabidopsis plants mainly by improving photosynthesis and modulation of metabolites involved in antioxidant activities, osmotic adjustment. However, the results showed that the aqueous-extracted vermicompost had the most mitigating effects for salinity tolerance. To gain further insights into species-specific and generalized plant responses, we applied several nonmicrobial biostimulants to different crops, including pepper, cucumber, and tomato under optimal conditions and maize and sunflower under sub-optimal conditions. Interestingly, the supervised AMOPLSDA modelling showed that in both cases, the species factor is the most influential driver of the observed variations in metabolic profiles. The findings revealed shared impacted metabolic pathways across all the crops; however, each crop also exhibited specific adjustments, indicating that the mode of action of biostimulants depends first on the plant’s genetic background and then on the biostimulant type. The metabolic biosynthetic pathways shared across plants included secondary metabolism, in particular phenylpropanoids and nitrogen-containing compounds, which are involved in improving stress tolerance. Regarding crops belonging to a close genetic background, the DIABLO analysis identified three markers shared across pepper, cucumber, and tomato following treatment with the multi-component biostimulant O+Z, but not with other biostimulants. This may indicate that biostimulants with richer compositions can target the same metabolites across species. However, machine-learning approaches did not succeed in identifying any shared markers in plants exposed to single-component biostimulants, for instance, Org, either in closely related or genetically distant species. Overall, the findings of these studies showed that biostimulants influence similar metabolic pathways that boost stress tolerance, but by modulating specific molecules in each species. Moreover, integrating metabolomics data coupled with machine-learning tools helps to distinguish between generalized and species-specific effects.

L’uso di biostimolanti ecocompatibili è stato considerato un approccio strategico per affrontare le sfide legate all’aumento della produttività nel settore agricolo, necessario per nutrire una popolazione globale in continua crescita, in un contesto fortemente influenzato dai fattori ambientali. Tuttavia, la letteratura scientifica ha evidenziato risultati inconsistenti e una forte dipendenza dal contesto nel modo d’azione dei biostimolanti. Questa tesi ha valutato l’effetto di diversi biostimolanti su varie specie vegetali, concentrandosi sulla riprogrammazione biochimica e metabolomica, combinata con strumenti avanzati di analisi dei dati. Nel primo studio abbiamo dimostrato che diverse frazioni di vermicompost, nonostante le differenze compositive, migliorano la tolleranza alla salinità nelle piante di Arabidopsis, principalmente attraverso il miglioramento della fotosintesi e la modulazione di metaboliti coinvolti nelle attività antiossidanti e nell’aggiustamento osmotico. Tuttavia, i risultati hanno mostrato che il vermicompost estratto in fase acquosa presenta gli effetti più efficaci nel mitigare lo stress salino. Per ottenere ulteriori informazioni sulle risposte specifiche delle specie e su quelle generalizzabili, abbiamo applicato diversi biostimolanti non microbici a differenti colture, tra cui peperone, cetriolo e pomodoro in condizioni ottimali, e mais e girasole in condizioni sub-ottimali. È interessante notare che la modellizzazione supervisionata AMOPLS-DA ha mostrato che, in entrambi i casi, il fattore specie rappresenta il principale determinante delle variazioni osservate nei profili metabolici. I risultati hanno evidenziato vie metaboliche condivise tra tutte le colture, ma anche aggiustamenti specifici per ciascuna specie, indicando che il modo d’azione dei biostimolanti dipende innanzitutto dal background genetico della pianta e successivamente dal tipo di biostimolante. Le vie biosintetiche metaboliche condivise tra le piante includono il metabolismo secondario, in particolare i fenilpropanoidi e i composti contenenti azoto, coinvolti nel miglioramento della tolleranza agli stress. Per quanto riguarda colture appartenenti a un background genetico simile, l’analisi DIABLO ha identificato tre marcatori condivisi tra peperone, cetriolo e pomodoro in seguito al trattamento con il biostimolante multicomponente O+Z, ma non con altri biostimolanti. Questo potrebbe indicare che i biostimolanti con composizioni più ricche sono in grado di agire sugli stessi metaboliti in specie diverse. Tuttavia, gli approcci di machine learning non sono riusciti a identificare marcatori condivisi nelle piante esposte a biostimolanti a singolo componente, ad esempio Org, né tra specie strettamente correlate né tra specie geneticamente distanti. Nel complesso, i risultati di questi studi dimostrano che i biostimolanti influenzano vie metaboliche simili che favoriscono la tolleranza agli stress, ma lo fanno modulando molecole specifiche in ciascuna specie. Inoltre, l’integrazione dei dati metabolomici con strumenti di machine learning consente di distinguere tra effetti generalizzati ed effetti specifici della specie. L’uso di biostimolanti ecocompatibili è stato considerato un approccio strategico per affrontare le sfide legate all’aumento della produttività nel settore agricolo, necessario per nutrire una popolazione globale in continua crescita, in un contesto fortemente influenzato dai fattori ambientali. Tuttavia, la letteratura scientifica ha evidenziato risultati inconsistenti e una forte dipendenza dal contesto nel modo d’azione dei biostimolanti. Questa tesi ha valutato l’effetto di diversi biostimolanti su varie specie vegetali, concentrandosi sulla riprogrammazione biochimica e metabolomica, combinata con strumenti avanzati di analisi dei dati. Nel primo studio abbiamo dimostrato che diverse frazioni di vermicompost, nonostante le differenze compositive, migliorano la tolleranza alla salinità nelle piante di Arabidopsis, principalmente attraverso il miglioramento della fotosintesi e la modulazione di metaboliti coinvolti nelle attività antiossidanti e nell’aggiustamento osmotico. Tuttavia, i risultati hanno mostrato che il vermicompost estratto in fase acquosa presenta gli effetti più efficaci nel mitigare lo stress salino. Per ottenere ulteriori informazioni sulle risposte specifiche delle specie e su quelle generalizzabili, abbiamo applicato diversi biostimolanti non microbici a differenti colture, tra cui peperone, cetriolo e pomodoro in condizioni ottimali, e mais e girasole in condizioni sub-ottimali. È interessante notare che la modellizzazione supervisionata AMOPLS-DA ha mostrato che, in entrambi i casi, il fattore specie rappresenta il principale determinante delle variazioni osservate nei profili metabolici. I risultati hanno evidenziato vie metaboliche condivise tra tutte le colture, ma anche aggiustamenti specifici per ciascuna specie, indicando che il modo d’azione dei biostimolanti dipende innanzitutto dal background genetico della pianta e successivamente dal tipo di biostimolante. Le vie biosintetiche metaboliche condivise tra le piante includono il metabolismo secondario, in particolare i fenilpropanoidi e i composti contenenti azoto, coinvolti nel miglioramento della tolleranza agli stress. Per quanto riguarda colture appartenenti a un background genetico simile, l’analisi DIABLO ha identificato tre marcatori condivisi tra peperone, cetriolo e pomodoro in seguito al trattamento con il biostimolante multicomponente O+Z, ma non con altri biostimolanti. Questo potrebbe indicare che i biostimolanti con composizioni più ricche sono in grado di agire sugli stessi metaboliti in specie diverse. Tuttavia, gli approcci di machine learning non sono riusciti a identificare marcatori condivisi nelle piante esposte a biostimolanti a singolo componente, ad esempio Org, né tra specie strettamente correlate né tra specie geneticamente distanti. Nel complesso, i risultati di questi studi dimostrano che i biostimolanti influenzano vie metaboliche simili che favoriscono la tolleranza agli stress, ma lo fanno modulando molecole specifiche in ciascuna specie. Inoltre, l’integrazione dei dati metabolomici con strumenti di machine learning consente di distinguere tra effetti generalizzati ed effetti specifici della specie.