Genome-scale metabolomics analysis is increasingly used for pathway and function discovery in post-genomics era. The great potential offered by developed mass spectrometry (MS)-based technology has been hindered by the obstacle that only a small portion of detected metabolites were identifiable so far. To address the critical issue of low identification coverage in metabolomics, we adopted a deep metabolomics analysis strategy by integrating advanced algorithms and expanded reference databases. The experimental reference spectra, and in silico reference spectra were adopted to facilitate the structural annotation. To further characterize the structure of metabolites, two approaches, structural motif search combined with neutral loss scanning, and metabolite association network were incorporated into our strategy. An untargeted metabolomics analysis was performed on 150 rice cultivars using Ultra Performance Liquid Chromatography (UPLC)-Quadrupole (Q)-Orbitrap mass spectrometer. 1939 of 4491 metabolite features in MS/MS spectral tag (MS2T) library were annotated, representing an extension of annotation coverage by an order of magnitude on rice. The differential accumulation patterns of flavonoids between indica and japonica cultivars were revealed, especially O-sulfated flavonoids. A series of closely-related flavonolignans were characterized, adding further evidence for the crucial role of tricin-oligolignols in lignification. Our study provides a great template in the exploration of phytochemical diversity for more plant species.

ABSTRACT Tiller number and effective panicle number are important factors affecting rice yield. In this study, the sequencing data of 331 rice varieties were used to carry out genome‐wide association study (GWAS) of these two factors. A total of 58 candidate genes related to tiller number were identified, and their functions involved energy metabolism and cytoplasmic membrane metabolism pathways. There were 19 candidate genes related to effective panicle number, whose functions involved energy metabolism, cytoplasmic membrane metabolism and signal transduction pathways. A new QTL ‘ qTNP12 ’, which controls both tiller number and effective panicle number, was identified on chromosome 12. There was specific variation in the 275th amino acid in the coding frame of the candidate gene. Indica rice with multiple tillers had histidine variation, while japonica rice with few tillers and Oryza rufipogon had arginine variation. Evolutionary analysis showed that the multi‐tiller trait of indica rice was developed through artificial selection and domestication. The results of this study provide a foundation for further clarifying the molecular mechanism of qTPN12 regulating tiller and effective panicle, as well as improving rice architecture through molecular marker‐assisted selection.

Chemical compositions of crops are of great agronomical importance, as crops serve as resources for nutrition, energy, and medicines for human and livestock. For crop metabolomics research, the lack of crop reference metabolome and high-quality reference compound mass spectra, as well as utilities for metabolic profiling, has hindered the discovery and functional study of phytochemicals in crops. To meet these challenging needs, we have developed the Crop Metabolome database (abbreviated as CropMetabolome) that is dedicated to the construction of crop reference metabolome, repository, and dissemination of crop metabolomic data, and profiling and analytic tools for metabolomics research. CropMetabolome contains a metabolomics database for more than 50 crops (belonging to eight categories) that integrated self-generated raw mass spectral data and public-source datasets. The reference metabolome for 59 crop species was constructed, which have functions that parallel those of reference genome in genomic studies. CropMetabolome also contains 'Standard compound mass spectral library', 'Flavonoids library', 'Pesticide library', and a set of related analytical tools that enable metabolic profiling based on a reference metabolome (CropRefMetaBlast), annotation and identification of new metabolites (CompoundLibBlast), deducing the structure of novel flavonoid derivatives (FlavoDiscover), and detecting possible residual pesticides in crop samples (PesticiDiscover). In addition, CropMetabolome is a repository to share and disseminate metabolomics data and a platform to promote collaborations to develop reference metabolome for more crop species. CropMetabolome is a comprehensive platform that offers important functions in crop metabolomics research and contributes to improve crop breeding, nutrition, and safety. CropMetabolome is freely available at https://www.cropmetabolome.com/.