Metabolomic Approach for Discrimination of Cultivation Age and Ripening Stage in Ginseng Berry Using Gas Chromatography-Mass Spectrometry

Abstract

The purpose of this study was to analyze metabolic differences of ginseng berries according to cultivation age and ripening stage using gas chromatography-mass spectrometry (GC-MS)-based metabolomics method. Ginseng berries were harvested every week during five different ripening stages of three-year-old and four-year-old ginseng. Using identified metabolites, a random forest machine learning approach was applied to obtain predictive models for the classification of cultivation age or ripening stage. Principal component analysis (PCA) score plot showed a clear separation by ripening stage, indicating that continuous metabolic changes occurred until the fifth ripening stage. Three-year-old ginseng berries had higher levels of valine, glutamic acid, and tryptophan, but lower levels of lactic acid and galactose than four-year-old ginseng berries at fully ripened stage. Metabolic pathways affected by different cultivation age were involved in amino acid metabolism pathways. A random forest machine learning approach extracted some important metabolites for predicting cultivation age or ripening stage with low error rate. This study demonstrates that different cultivation ages or ripening stages of ginseng berry can be successfully discriminated using a GC-MS-based metabolomic approach together with random forest analysis.

Characterization and Antioxidant Activity Determination of Neutral and Acidic Polysaccharides from Panax Ginseng C. A. Meyer

“…Panax ginseng C.A. Meyer (P. ginseng) is a perennial herb that belongs to the Araliaceae family and is cultivated in Korea, China, and Japan [3][4][5]. In traditional medicine, the plant extracts from P. ginseng have been used as tonics for the treatment of ischemic heart disease, common cold, obstructive pulmonary disease, and erectile dysfunction [6][7][8][9].…”

Research Progress and Trends in Metabolomics of Fruit Trees

“…The combined analysis with transcriptome data demonstrates that the Asr1 [i.e., abscisic acid (ABA), stress, and ripening 1] transcription factor is involved in the cascade regulation of red tomato fruit maturation (Dominguez et al, 2021). Special metabolites also accumulate in mangosteen (Mamat et al, 2020), ginseng berry (Park et al, 2019), starfruit (Ramadan et al, 2020), avocado (Hurtado-Fernández et al, 2015), strawberry (Zhang et al, 2011;Wang et al, 2021e), apple (Rudell and Mattheis, 2009;Risticevic et al, 2016Risticevic et al, , 2020Jing and Malladi, 2020;Xu et al, 2020), grape berry (Dai et al, 2013), mulberry (Lee et al, 2016), cupressaceae (Falasca et al, 2014), olea (Olmo-García et al, 2018), walnuts (Wang et al, 2021b), and African baobab (Baky et al, 2021) during fruit maturing.…”

Ứng dụng phương pháp khoa học dữ liệu để dự báo tuổi phát triển của sâm và phân tích các yếu tố ảnh hưởng

“…Khoa học dữ liệu là ngành khoa học nhằm rút ra những hiểu biết sâu sắc từ dữ liệu bao gồm cả dữ liệu thô và dữ liệu không có cấu trúc. Trong những năm gần đây, máy học (ML)một lĩnh vực của khoa học dữ liệu đang dần trở nên phổ biến và được ứng dụng trong nhiều lĩnh vực khoa học như kỹ thuật dân dụng [12], khoa học thực vật [13], y tế và chăm sóc sức khỏe [11], [14]. Ưu điểm của ML là dựa trên cơ sở dữ liệu sẵn có, nó có thể học các hành vi cơ bản của một hệ thống phức tạp mà không cần biết trước mối quan hệ giữa các biến đầu vào và đầu ra, từ đó dự báo được tham số đầu ra.…”