Ciencia de los Pastos y otros Cultivos

Estimación de compuestos secundarios en Tithonia diversifolia a partir de la edad de rebrote y metabolitos primarios

0000-0002-6660-8102M. Silva-Déley¹  , 0000-0003-3772-5200Blanca M. Toro-Molina¹  , 0000-0002-4505-4438D. M. Verdecia-Acosta^{4  *}  , 0000-0001-9590-6451E. Chacón-Marcheco¹  , 0000-0001-9065-7126J. A. Roca Cedeño³  , 0000-0001-5195-1496J. L. Ledea-Rodríguez³  , 0000-0002-0956-0245J. L. Ramírez-De la Ribera²  , 0000-0003-1424-6311R. S. Herrera⁵ 

¹Facultad de Medicina Veterinaria. Universidad Técnica de Cotopaxi. Cantón Latacunga, El Ejido, Sector San Felipe, Ecuador

²Facultad de Ciencias Agropecuarias, Universidad de Granma, Apartado Postal 21, Bayamo, CP. 85 100, Granma, Cuba.

³Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López. Carrera de Medicina Veterinaria. Calceta-Manabí-Ecuador

⁴Universidad Autónoma de Baja California Sur (UABCS) km 5.5. CP 23080. La Paz, Baja California Sur. México

⁵Instituto de Ciencia Animal, Apartado Postal 24, San José de las Lajas, Mayabeque, Cuba.

RESUMEN

Con el objetivo de determinar el efecto de la edad de rebrote y contenido de metabolitos primarios (nitrógeno, fructosa, glucosa y sacarosa) en la estimación de los compuestos secundarios en Tithonia diversifolia, se desarrolló el presente estudio, siguiendo un diseño en bloques al azar, con tres tratamientos (60, 120 y 180 días) y seis repeticiones. Se evaluó para la estimación de estos compuestos el contenido de nitrógeno (N), glucosa (Glu), fructosa (Frut) y sacarosa (Sac) y la madurez de la planta (edad). Para la validación se estableció la diferencia entre los valores observados y estimados, así como la relación de estos y la variabilidad. Para la relación entre ambos valores (observado y estimado), cuando esta se acerca a la unidad (1) y la variabilidad (CV). Durante la lluvia donde se encontraron relaciones entre valores estimados y observados entre 0.84 y 1.39, así como coeficientes de variación entre 0.01-13 %; los mayores valores para CV a los 60 días se encontraron en taninos condensados totales, rafinosa y Flavonoides. (6.96, 8.63 y 8.17 %), 120 días taninos condensados libres y saponinas (10.88 y 10.18 %), durante la poca lluvia los valores de relación de 0.96 a 1.07 para los metabolitos estudiados, excepto para verbascosa, alcaloidesaloides y esteroides totales que estuvieron más alejados de la unidad (1) con 0.64, 0.76 y 1.44, respectivamente. Por lo que, quedó evidenciado que la estimación de los metabolitos secundarios a partir de los modelos de regresión lineal múltiples en ambos períodos del año, pueden ser aplicados debido a que independiente de los diferentes criterios que existen sobre los senderos bioquímicos para las síntesis de estos, sus precursores serán los metabolitos primarios por la dependencia del contenido de nitrógeno, glucosa, fructosa y sacarosa, edad y fenología de planta.

Palabras-clave: azúcares; modelos matemáticos; nitrógeno; estimación; validación

Debido a las características propias de los pastos tropicales, que poseen bajos niveles de proteína digestible y alta tasa de fibra, el follaje de las especies arbustivas y/o arbóreas se ha considerado, en muchos casos, como una estrategia nutricional en la suplementación de los rumiantes en el trópico, con el fin de mejorar el nivel productivo y alimentario de los animales, principalmente durante los períodos de escasez de forraje (^{Verdecia et al. 2020}). En este sentido Tithonia diversifolia es una de las plantas no leguminosas considerada como promisoria para su empleo en la alimentación de diferentes especies animales (^{Rivera et al. 2018}) y su uso ha ido en aumento en los últimos años (^{Li et al. 2020}).

Es importante tener en cuenta un elemento que en cierta medida puede constituir una limitante en el uso de estos recursos y es la presencia de metabolitos secundarios. Durante millones de años muchas de estas especies de plantas han sobrevivido gracias a su capacidad para producir sustancias que las protejan de sus depredadores. Aun cuando algunos de estos compuestos (taninos condensados, fenoles, alcaloidesaloides, oligosacáridos y saponinasoninas) son capaces de producir una reacción violenta e inmediata, en la mayoría de los casos tienen un efecto sutil que se manifiesta con la ingestión prolongada (^{Li et al. 2020}).

Compuestos secundarios como taninos, fenoles, flavonoidesonoides y alcaloidesaloides constituyen mecanismos de defensa contra la presencia de microorganismos patógenos y la depredación por insectos o herbívoros. Además, son importantes en la interacción de la planta con su entorno, al atraer organismos que polinizan y dispersan las semillas (^{Isah 2019}). Estos, no obstante, afectan los procesos metabólicos del animal y/o la tasa de crecimiento de algunos microorganismos después de su ingestión (^{Guillén-Andrade et al. 2019}). De acuerdo con ^{Martín (2017)} e ^{Isah (2019)}, la presencia y concentración de estos compuestos puede variar entre especies debido a los efectos de los factores bióticos (^{Herrera et al. 2020}) y abióticos, aspectos que propician disminución de la actividad fotosintética de la planta y por consiguiente decrecen los niveles de los carbohidratos (glucosa, fructosa y sacarosa) y estos son movilizados para la producción de metabolitos secundarios; así como, los nutrimentos nitrogenados también son destinados a la síntesis de sustancias más complejas provenientes del metabolismo secundario vegetal como mecanismo de defensa (^{Verdecia et al. 2021}).

Por lo que, sería importante conocer el efecto de la edad de rebrote y contenido de metabolitos primarios (nitrógeno, fructosa, glucosa y sacarosa) en la estimación de los compuestos secundarios en Tithonia diversifolia.

Materiales y Métodos

Área de investigación, clima y suelo. El estudio se desarrolló en áreas del Departamento Docente-Productivo de la Universidad de Granma, que se encuentra al sureste de Cuba, en la provincia de Granma, a 17.5 km de la ciudad de Bayamo. Se realizaron estudios durante dos años (2014-2015), y se consideraron dos períodos, el lluvioso (mayo-octubre) y poco lluvioso (noviembre-abril).

El suelo presente en el área fue calcaloidesic haptustept (^{Soil Survey Staff 2014}), con pH de 6.2. El contenido de P₂O₅, K₂O y N total fue de 2.4, 33.42 y 3 mg/100g de suelo respectivamente, con 3.6 % de materia orgánica.

Durante la época de lluvia, las precipitaciones fueron de 731.4 mm; la temperatura media, mínima y máxima registró valores de 26.73, 22.31 y 33.92 ºC, respectivamente y la humedad relativa fue de 80.78, 51.02 y 96.22 %, para la media, mínima y máxima, respectivamente. En el período de pocas lluvias, las precipitaciones alcaloidesanzaron valores de 270 mm; la temperatura fue de 24.05, 18.29 y 31.58 ºC para la media, mínima y máxima, respectivamente y la humedad relativa mínima, media y máxima con promedios de 76.21, 44.16 y 97.03 %, valores que se corresponden con la media histórica para la región.

Tratamiento y diseño experimental. Para la toma de muestras se empleó un diseño en bloques al azar con cuatro réplicas (parcelas), considerándose como tratamientos las edades de rebrote de 60, 120 y 180 días.

Procedimientos. Para la especie ya establecida (T. diversifolia) al inicio de cada período estacional se realizó un corte de homogeneidad a 15 cm de altura del suelo. Los muestreos en cada parcela (0.0282 ha) se realizaron tomando 10 plantas al hilo eliminando la primera y la última para evitar el efecto de borde en un área de 0.5. La muestra se homogenizó y pesó posteriormente separando de forma manual hojas, peciolos y tallos, estos últimos con diámetro inferior a 2 cm considerado como biomasa comestible. Luego se tomó 1 kg por cada uno de los tratamientos para los análisis en el laboratorio. Durante la etapa experimental no se aplicó riego ni fertilización.

Análisis químico. Las muestras se secaron a temperatura ambiente en un local oscuro y ventilado durante 12 días. Con posterioridad se molinaron 300 g para cada repetición hasta tamaño de partícula de un milímetro. Se almacenaron en frascos de color ámbar a temperatura ambiente hasta su análisis.

Se determinó: nitrógeno (N) de acuerdo con la ^{AOAC (2016)}, mientras que los contenidos de glucosa, fructosa y sacarosa según el método de titulación de Lane y Eynon, el cual se fundamenta en la reducción del Cu ⁺² a Cu ⁺¹ por los azúcares reductores, empleando como indicador azul de metileno (^{AOAC 2016}).

Modelos para la estimación de los metabolitos secundarios. Para la estimación de los metabolitos secundarios se consideraron los modelos de regresión lineal múltiples obtenidos por ^{Verdecia (2014)} (tablas 1 y 2), como forma de validar el funcionamiento de los mismo, para lo que partió de los resultados obtenidos (de los metabolitos primarios) a las edades de 60, 120 y 180 días descritos anteriormente en análisis químico. Dichas ecuaciones de regresión múltiple se muestran a continuación donde se relacionan la edad y nitrógeno, glucosa, fructosa y sacarosa en ambos períodos del año:

Tabla 1 Ecuaciones de regresión múltiple lineales para Tithonia diversifolia en el período lluvioso 

Metabolitos	Modelos	R^2	Significación del Modelo
Fenoles totales	17.91-0.03(edad)-703.28(fructosa)	0.99	P<0.001
Taninos totales	10.513-0.019(edad)-626.99(glucosa)	0.99	P<0.001
Taninos condesados totales	33.2-0.06(edad)-0.35(nitrógeno)	0.81	P<0.0001
Taninos ligados totales	8.18+0.01(edad)+197.12(fructosa)	0.99	P<0.0001
Taninos condensados libres	0.67+0.01(edad)+0.06(nitrógeno)-84.97(fructosa)	0.99	P<0.0001
Estaquiosa	0.0015+0.000009(edad)+0.21(fructosa)	0.99	P<0.0001
Rafinosa	0.02-0.00005(edad)+3.35(fructosa)-1.47(sacarosa)	0.99	P<0.0001
Flavonoidesonoides	12.78+0.18(edad)-0.27(nitrógeno)	0.99	P<0.0001
Saponinasoninas	-0.17+0.01(edad)+53.28(fructosa)	0.99	P<0.0001
Alcaloidesaloides	0.57+0.0026(edad)+4.16(fructosa)	0.99	P<0.0001
Triterpenoserpenos	6.54+0.01(edad)-73.89(glucosa)	0.99	P<0.0001
Esteroides totales	4.32+0.05(edad)	0.99	P<0.0001

Table 2 Ecuaciones de regresión múltiple lineales para Tithonia diversifolia en el período poco lluvioso. 

Metabolitos	Modelos	R^2	Sig. Modelo
Fenoles totales	4.77+0.01(edad)	0.98	P<0.001
Taninos condesados totales	8.88+0.02(edad)	0.90	P<0.001
Taninos condesados ligados totales	6.76+0.01(edad)+162.30(glucosa)	0.99	P<0.001
Taninos condesados libres	-3.08+0.019(edad)+543.39(glucosa)-85.07(fructosa)	0.99	P<0.001
Verbascosa	0.01-0.000032(edad)	0.94	P<0.001
Flavonoidesonoides	21.83+0.19(edad)-0.37(nitrógeno)	0.99	P<0.001
Saponinasoninas	1.25+0.01(edad)	0.85	P<0.001
Alcaloidesaloides	1.30+0.0016(edad)-0.01(nitrógeno)-45.82(glucosa)	0.99	P<0.001
Triterpenoserpenos	-0.73+0.04(edad)+0.06(nitrógeno)+279.72(glucosa)	0.99	P<0.001
Esteroides totales	5.01+0.055(edad)	0.99	P<0.001

Para la validación de estos modelos se siguieron los criterios de ^{Giraldo et al. (1998)}. Para lo cual se estableció la diferencia entre los valores observados y estimados, así como la relación de estos y la variabilidad. Para la relación entre ambos valores (observado y estimado), cuando esta se acerca a la unidad (1) y la variabilidad (CV) está dentro de los rangos normales (16) la predicción del modelo es correcta.

Análisis estadístico y cálculos. Se realizaron pruebas Kolmogorov-Smirnov para la distribución normal de los datos (^{Massey 1951}), homogeneidad de las varianzas (^{Bartlett 1937}). Para lo que se empleó el programa estadístico SPSS versión 22.

Resultados

En la tabla 3 se muestran los resultados de la validación de los modelos para el contenido de metabolitos secundarios para la Tithonia diversifolia durante el período lluvioso donde se encontraron relaciones entre valores estimados y observados entre 0.84 y 1.39; así como coeficientes de variación entre 0.01-13 %; los mayores valores para CV a los 60 días se encontraron en taninos condensados totales, rafinosa y flavonoides (6.96, 8.63 y 8.17 %), 120 días taninos condensados libres y saponinas (10.88 y 10.18 %) y 180 días taninos condensados libres, rafinosa y saponinas (7.09, 12.37 y 9.03 %), respectivamente.

Tabla 3 Estimación de metabolitos secundarios de Tithonia diversifolia durante el período lluvioso a partir de modelos de regresión lineal múltiple 

Edad (días)	60				120				180
Metabolitos	Observado	Estimado	Relación Est/Obs	CV, %	Observado	Estimado	Relación Est/Obs	CV, %	Observado	Estimado	Relación Est/Obs	CV, %
FT	6.20	6.16	0.99	0.46	12.38	12.55	1.01	0.96	7.58	7.87	1.04	2.65
TT	0.56	0.78	1.39	3.21	5.36	5.34	0.996	0.26	3.17	3.22	1.02	1.11
TANINOS CONDENSADOS TOTALES	14.29	15.77	1.10	6.96	13.66	15.01	1.10	6.66	14.56	13.17	0.90	7.09
TANINOS CONDENSADOS LIBREST	11.37	11.57	1.02	1.23	9.54	9.87	1.03	2.40	10.79	11.28	1.05	3.14
TANINOS CONDENSADOS LIBRES	2.92	2.44	0.84	2.66	4.13	3.54	0.86	10.88	3.77	3.49	0.93	5.45
Estq	0.005	0.0051	1.02	1.40	0.0032	0.0031	0.97	2.24	0.0046	0.0045	0.98	1.55
Rafinosa	0.02	0.0226	1.13	8.63	0.0096	0.0119	1.24	5.13	0.012	0.0143	1.19	12.37
Flavonoides	11.50	12.91	1.12	8.17	24.43	25.90	1.06	4.13	38.39	38.06	0.99	0.61
Saponinas	1.26	1.18	0.94	4.64	1.34	1.16	0.87	10.18	2.25	1.98	0.88	9.03
Alcaloides	0.79	0.78	0.99	0.90	0.90	0.89	0.99	0.79	1.07	1.06	0.99	0.66
Triterpenos	6.24	6.13	0.98	1.26	7.68	7.40	0.96	2.63	8.30	7.78	0.94	4.57
ET	7.46	7.32	0.98	1.34	10.70	10.32	0.96	2.56	13.80	13.32	0.97	2.50

Durante el período poco lluvioso (tabla 4) se obtuvieron valores de relación de 0,96 a 1,07 para los metabolitos estudiados, excepto para verbascosa, alcaloidesaloides y esteroides totales que estuvieron más alejados de la unidad (1) con 0.64; 0.76 y 1.44, respectivamente. Mientras que, la variabilidad estuvo entre 0.13 a 4.00 %, aunque para verbascosa, saponinas, alcaloides y esteroides totales estuvieron entre 6 y 10 %, con las mayores diferencias entre los valores estimados y observados en verbascosa y los esteroides de 0.0016 y 3.9 g kg^-1.

Tabla 4 Estimación de metabolitos secundarios de Tithonia diversifolia durante el período poco lluvioso a partir de modelos de regresión lineal múltiple 

Edad (días)	60				120				180
Metabolitos	Observado	Estimado	Relación Est/Obs	CV, %	Observado	Estimado	Relación Est/Obs	CV, %	Observado	Estimado	Relación Est/Obs	CV, %
FT	5.36	5.37	1.00	0.13	5.82	5.97	1.03	1.80	6.47	6.57	1.02	1.08
TANINOS CONDENSADOS TOTALES	10.46	10.08	0.96	2.62	11.05	11.28	1.02	1.46	13.13	12.48	0.95	3.59
TANINOS CONDENSADOS LIBREST	8.77	8.53	0.97	1.96	9.35	8.87	0.95	3.73	10.13	9.41	0.93	5.21
TANINOS CONDENSADOS LIBRES	1.69	1.65	0.98	1.69	1.70	1.66	0.98	1.68	3.00	2.94	0.98	1.43
Verbascosa	0.0071	0.0081	1.14	9.30	0.0043	0.0062	1.44	5.59	0.0032	0.0042	1.31	9.11
Flavonoides	15.68	16.05	1.02	1.65	28.55	29.14	1.02	1.45	44.71	45.29	1.01	0.91
Saponinas	1.66	1.85	1.11	7.66	1.87	2.45	1.31	8.99	2.37	3.05	1.29	7.74
Alcaloides	0.79	0.60	0.76	9.33	0.99	0.82	0.83	3.28	1.19	1.06	0.89	8.17
Triterpenos	6.31	6.47	1.03	1.77	7.78	8.16	1.05	3.37	9.05	9.67	1.07	4.68
ET	8.28	5.34	0.64	10.52	11.73	5.67	0.48	9.25	14.90	11.00	0.40	6.22

Discusión

Existen evidencias que con el empleo de adecuados métodos matemáticos se pueden ahorrar tiempo y recursos para calcaloidesular o predecir determinadas variables. Así, ^{Herrera y Hernández (1986)} predijeron la digestibilidad del pasto a partir de sus constituyentes químicos y ^{Ramírez (2010)} predijo la digestibilidad de cinco gramíneas tropicales a partir de los componentes solubles y estructurales. Asimismo, ^{Verdecia (2014)} empleó la edad y compuestos primarios para su predicción y ^{Estrada-Jiménez et al. (2023)} mediante inteligencia artificial emplearon algoritmos de regresión.

^{Verdecia (2014)} señaló que las plantas destinan una cantidad significativa del carbono asimilado, nitrógeno y de la energía a la síntesis de una amplia variedad de moléculas orgánicas que no parecen tener una función directa en procesos fotosintéticos, respiratorios, asimilación de nutrientes, transporte de solutos o síntesis de proteínas, carbohidratos o lípidos, y que se denominan metabolitos secundarios y la variabilidad de estos con la edad

Se establecieron ecuaciones de regresión múltiple lineal donde la variable dependiente fueron los metabolitos secundarios y las variables independientes consistieron en la edad, nitrógeno, glucosa, fructosa y sacarosa. Para la elección de la mejor expresión y su bondad de ajuste se tuvieron en cuenta los criterios de ^{Keviste et al. (2002)}, ^{Guerra et al. (2003)} y ^{Torres y Ortiz (2005)} relacionados con el alto valor del coeficiente de determinación (R²), alta significación de la expresión y sus parámetros, bajos errores estándar de la expresión y sus parámetros, análisis de residuos y prueba de concordancia entre los valores observados y estimados.

De ahí que para la T. diversifolia (tablas 1) en el período lluvioso no se encontró ajuste para la verbascosa, mientras que en el poco lluvioso (tabla 2) la estaquiosa, rafinosa y taninos totales no presentaron ajustes sus modelos, los demás metabolitos mantuvieron valores de R² mayores de 0.85 y se destacaron los fenoles totales, taninos condensados libres, taninos condensados libres, flavonoides, alcaloides, triterpenos y esteroides totales con valores de 0.99.

Las rutas biosintéticas de los metabolitos secundarios de las plantas es un tema que llama poderosamente la atención. La síntesis de cada compuesto suele estar restringida a estados específicos del desarrollo de cada organismo, células especializadas y períodos de estrés causados por la deficiencia de nutrientes o por el ataque de microorganismos. Este fenómeno se debe a la formación, dependiente de fase, de la enzima específica y su actividad, lo que significa que la expresión del metabolismo secundario se basa en un proceso de diferenciación (^{Lozano y Pichón 2018} y ^{Cruz 2019}).

A partir de vías colaterales a la fotosíntesis, las plantas sintetizan los metabolitos secundarios (^{Sieiro Miranda et al. 2020}), los cuales tienen funciones no nutricionales, pero muy importantes para su supervivencia. Son compuestos que le sirven para protegerse de los factores externos, en los que aparecen los flavonoides, taninos, lignanos, cumarinas, alcaloides, terpenos y saponinas, entre otros. Estos se almacenan en varios orgánulos de las células. Por ejemplo, los flavonoides, que se sintetizan en los cloroplastos y se transportan hacia el retículo endoplasmático y a las vacuolas (^{García Parra et al. 2018}).

Por otro lado, según los reportes de ^{Verdecia et al. (2021)} existe una estrecha relación entre la composición de carbohidratos, la edad y el contenido de N, en el tenor de los metabolitos secundarios. De acuerdo con este estudio, además de estos, las condiciones de suelo y clima pueden determinar la composición de algunos compuestos, particularmente los α-galactósidos. El contenido de sacarosa y verbascosa pudieran estar genéticamente determinados, mientras que los de rafinosa y estaquiosa dependen, en menor extensión, de las condiciones ambientales, y fundamentalmente de la actividad fotosintéticas de las plantas y la producción de metabolitos primarios.

Partiendo de la relación de los compuestos secundarios estos con la edad y el contenido de sus metabolitos precursores (nitrógeno, glucosa, fructosa y sacarosa), sería de importancia estimar a partir de los modelos obtenidos por ^{Verdecia (2014)} para el establecimiento de un sistema preciso y de bajo costo, ya que, para la determinación de los metabolitos secundarios y azúcares se requiere de equipos de avanzada tecnología y reactivos con cierta especificación química que repercuten en que su análisis sea costoso y limite el número de muestras que se pueda realizar. El país y en especial la región oriental no disponen de la suficiente base analítica para la cuantificación de los metabolitos secundarios, lo cual se ve limitado por la escasez de recursos materiales y disponibilidad financiera para adquirirlos.

Se pudieron haber estudiado otras expresiones, pero el objetivo central estuvo determinado por encontrar modelos de relativa sencillez, fácil de interpretar y que no resultaran de difícil manejo e interpretación por parte del usuario desde técnicos, especialistas, investigador hasta pequeño y medianos productores y campesinos.

Es de señalar que los modelos (tablas 1 y 2) fueron específicos para cada planta en cada período estacional y no hubo uniformidad en la cantidad de metabolitos primarios que integran cada expresión y siempre hubo efecto significativo de la edad.

Estos modelos reafirman los principios enunciados con anterioridad e indicaron que es necesario desarrollar futuras investigaciones que tengan en cuenta avalar estos resultados en otras condiciones edafoclimáticas y en otras especies, así como desarrollar investigaciones que permitan profundizar y complementar los resultados aquí obtenidos.

De ahí que los resultados expuestos en las tablas 3 y 4 sobre la estimación a partir de los modelos demuestren la estrecha relación entre los metabolitos precursores (nitrógeno, glucosa, fructosa y sacarosa) y la edad en los diferentes metabolitos secundarios, ya que solo la verbascosa y esteroides en T. diversifolia en la poca lluvia, no hayan presentado relaciones cercanas a uno lo que dificulta según ^{Giraldo et al. (1998)} que la predicción del modelo sea perfecta.

Las sustancias naturales que se originan en las plantas se sintetizan a través de múltiples rutas metabólicas y se dividen en metabolitos primarios y secundarios, siendo estos últimos los más importantes en lo referente a sus aplicaciones en la nutrición y, salud animal y humana. Los metabolitos primarios se consideran esenciales o precursores, son moléculas nutricionales y pueden ser empleados en la síntesis de compuestos de mayor complejidad química y estructural. Dentro de este grupo se encuentran los carbohidratos solubles, las proteínas, los lípidos y los compuestos nitrogenados, entre otros (^{Wang et al. 2020}).

A diferencia de otros organismos, las plantas destinan gran cantidad del carbono asimilado y de la energía a la síntesis de una amplia variedad de moléculas orgánicas que no parecen tener una relación directa con los procesos fotosintéticos, respiratorios, asimilación de nutrientes y transporte de solutos, entre otros (^{Giménez et al. 2020}).

Estos elementos justifican las razones por las cuales se emplearon los metabolitos primarios (nitrógeno, glucosa, fructuosa y sacarosa) en las predicciones de los metabolitos secundarios. El nitrógeno es uno de los elementos de mayor importancia en el rendimiento y calidad de las plantas ya que influyen en la síntesis de compuestos fenólicos. Se ha evidenciado que la fertilización disminuye estas sustancias (^{Li et al. 2020}) en especial en estadios tempranos del desarrollo de la planta (^{Cartera et al. 2011}). Esto se ratificó en Labisia pumila cuando al incrementar la fertilización de 0 hasta 270 g kg^-1 de N ha^-1 disminuyeron los polifenoles (^{Ibrahim et al. 2011}).

Sin embargo, el esclarecimiento de la biosíntesis de los compuestos fenólicos pudiera proporcionar la magnitud precisa de las diferencias en el contenido de ellos entre especies y sus tejidos, y básicamente sus consecuencias ecológicas y evolucionaria (^{Salminen y Karonen 2011}). Aunque no se puede descartar que el futuro conocimiento de los genes que codifican este proceso (^{Hichri et al. 2011}) modifique o aclare esta diversidad de criterios.

^{Herlina et al. (2018)} notificaron que la fertilización nitrogenada tiene efecto en el contenido de alcaloides. Concentraciones óptimas de este elemento estimulan la formación de órganos vegetativos y aumentan los alcaloides y flavonoides, mientras que ^{Herlina et al. (2019)} indicaron que sus mayores concentraciones se encontraron en frutos, raíces, hojas y tallos, por este orden. Sin embargo, otros estudios más recientes ^{Ryan et al. (2014)} evidenciaron que esa respuesta está influida por la concentración de CO₂ en el medio.

Por ello, la relación C/N se utiliza frecuentemente como un indicador general de los niveles de protección química natural de la planta contra el impacto de varios factores bióticos. Los ingredientes del metabolismo para la producción de sustancias ricas en carbono, están asociados al aumento de la síntesis de compuestos defensivos tales como fenoles y terpenoides (^{Karolewski et al. 2010}).

Para la comprensión de estos resultados fue necesario comenzar con la recopilación de aspectos básicos relacionados con la síntesis de los metabolitos secundarios y algunos factores que influyen, además, en su contenido debido a la diversidad de criterios que existen sobre estos temas.

El comportamiento de los metabolitos secundarios en T. diversifolia se debe según ^{Verdecia et al. (2021)} a las características de cada especie y los efectos de las condiciones edafoclimáticas en las cuales se desarrolla el cultivo. ^{Herrera et al. (2017b)} encontraron en esta planta entre 0.43 y 2.6 g kg^-1 de fenoles totales y de 3.1 hasta 4.9 g.kg^-1 de taninos condensados, mientras que, ^{Paumier et al. (2020)} y ^{Herrera et al. (2017a} y ²⁰²⁰⁾ informaron de 6.4 a 8.7 g kg^-1 fenoles totales, aunque los triterpenos y esteroides totales fueron superiores con 10.2 a 13.9 y de 25.4 a 29.2 g kg^-1 de materia seca, respectivamente.

En la mayoría de los casos estos compuestos presentan funciones defensivas y sus concentraciones dependen del estatus nutricional y fisiológico de la planta, y de la proporción de compuestos fenólicos derivados de la lignina que forman parte de la fracción fibrosa (^{Cabrera-Carrión et al. 2017} y ^{Hernández-Espinosa et al. 2020}).

Los resultados de la estimación de los metabolitos secundarios a partir de la edad y metabolitos precursores son similares a los obtenidos por ^{Verdecia (2014)} que al realizar el agrupamiento de diferentes especies árboles, arbustos y leguminosas tanto durante el período de lluvia como de poca lluvia la especie evaluada en esta investigación (T. diversifolia) presentó los mejores resultados de forma integral con las concentraciones más bajas de compuestos fitoquímicos.

Conclusiones

Quedó evidenciado que la estimación de los metabolitos secundarios a partir de los modelos de regresión lineal múltiples en ambos períodos del año, pueden ser aplicados debido a que independiente de los diferentes criterios que existen sobre los senderos bioquímicos para las síntesis de estos, sus precursores serán los metabolitos primarios por la dependencia del contenido de nitrógeno, glucosa, fructosa y sacarosa, edad y fenología de planta.

References

AOAC, G. W. 2016. Official methods of analysis of AOAC International. 20th ed., Rockville, MD: AOAC International, ISBN: 978-0-935584-87-5, Available: http://www.directtextbook.com/isbn/9780935584875>. [Consulted: September 22, 2016].

Bartlett, M. 1937. "Properties of sufficiency and statistical tests". Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 160(2): 268–282, ISSN: 1471-2946. http://doi.org/10.1098/rspa.1937.0109.

Cabrera-Carrión, J.L., Jaramillo-Jaramillo, C., Dután-Torres, F., Cun-Carrión, J., García, P.A. & Rojas-de Astudillo, L. 2017. "Variación del contenido de alcaloides, fenoles, flavonoides y taninos en Moringa oleifera Lam en función de su edad y altura". Bioagro, 29(1): 53-60, ISSN: 1316-3361. https://www.redalyc.org/pdf/857/85750098006.pdf

Cartera, M.E., Francisco, M., Soengas, P. & Velasco, P. 2011. "Phenolic compounds in Brassica vegetables". Molecules, 16 (1): 251-280, ISSN: 1420-3049. https://doi.org/10.3390/molecules16010251.

Cruz, D.C. 2019. "Nitrógeno: ¿Elemento esencial? Importancia en la Química de los Productos Naturales". Naturaleza y Tecnología, 6(2): 1-6, ISSN: 2007-672X. http://repositorio.ugto.mx/bitstream/20.500.12059/6380/1/4_Nitr%c3%b3geno%20%c2%bfElemento%20esencial%c2%bf.pdf.

Estrada-Jiménez, P. M., Uvidia-Cabadiana, H. A., Herrera-Herrera, R. D. C., Hernández-Montiel, L. G., Verdecia-Acosta, D. M., Ramírez-de la Ribera, J. L. & Chacón-Marcheco, E. 2023. "Adaptability of regression algorithms to the behavior of protein plants". Enfoque UTE, 14(2): 20-34, ISSN: 1390-6542. https://doi.org/10.29019/enfoqueute.861.

García-Parra, M. Á., Plazas-Leguizamón, N. Z., Rodríguez, D. C. C., Torrado, S. C. F., & Parra, J. D. 2018. "Descripción de las saponinas en quinua (Chenopodium quinoa Willd) en relación con el suelo y el clima: una revisión". Informador Técnico, 82(2): 241-249, ISSN: 2256-5035. https://revistas.sena.edu.co/index.php/inf_tec/article/view/1451/1918.

Giménez, B., Sanabria, M. & Salas, J. 2020. "Efecto del cultivo en dos pisos altitudinales sobre la síntesis de metabolitos secundarios en hojas de Stevia rebudiana Bertoni". Ciencia y Desarrollo, 23(2): 1-8, ISSN: 2409-2045. http://dx.doi.org/10.21503/cyd.v23i2.2092.

Giraldo, L.M., Lizcano, L., Gisjman, A.J., Rivera, B. & Franco, L.H. 1998. Adaptación del modelo DSSAT para simular la producción de Brachiaria decumbens. Pasturas Tropicales, 20(2): 2-12, ISSN: 2310-2799. https://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/1998-vol20-rev1-2-3/Vol20_rev2_98_art2.pdf.

Guerra, C., Cabrera, A. & Fernández, L. 2003. "Criteria for the selection of statistical models in scientific research ". Cuban Journal of Agricultural Science, 37(1): 3-9, ISSN: 2079-3480.

Guillén-Andrade, H., Escalera-Ordaz, A.K., Torres-Gurrola, G., García-Rodríguez, Y.M., Espinosa-García, F.J. & Tapia-Vargas, L.M. 2019. "Identification of new secondary metabolites in Persea americana Miller variety Drymifolia". Revista Mexicana de Ciencias Agrícolas, 23: 253-265, ISSN: 2007-9230. http://www.scielo.org.mx/pdf/remexca/v10nspe23/2007-0934-remexca-10-spe23-253-en.pdf.

Herlina, T., Gaffar, S. & Widowati, W. 2018. "Cytotoxic activity of erypogein d from Erythrina poeppigiana (leguminosae) against cervical cancer (HeLa), breast cancer (MCF-7) and ovarian cancer (SKOV-3) cells". IOP Science. Journal of Physics: Conference Series, 1013(2018): 012198, ISSN: 1742-6596. https://doi.org/10.1088/1742-6596/1013/1/012198.

Herlina, T., Haraswati, N., Apriani, R., Nishinarizki, V., Gaffar, S. & Supratman, U. 2019. "Cytotoxic Activity of Alpinumisoflavone from Erythrina poeppigiana (Leguminosae) Against Colon Cancer (WiDr), Cervical Cancer (Hela), and Hepatoma Cancer (HepG2) Cells". HAYATI Journal of Biosciences, 26(2): 96-100, ISSN: 2086-4094. https://doi.org/10.4308/hjb.26.2.96.

Hernández-Espinoza, D.F., Lagunes-Espinoza, L.C., López-Herrera, M.A., Ramos-Juárez, J.A., González-Garduño, R. & Oliva-Hernández, J. 2020. "Edad de rebrote de Erythrina americana Miller y concentración de compuestos fenólicos en el follaje". Madera y Bosques, 26(1): e2611826, ISSN: 2448-7597. https://doi.org/10.21829/myb.2020.2611826.

Herrera, R.S. & Hernández, Y. 1986. Predicción de la digestibilidad de la Bermuda cruzada 1 a partir del análisis químico de sus constituyentes. Boletín técnico, Serie Pastos, No. 2. EDICA, La Habana. p.91.

Herrera, R.S., Verdecia, D.M. & Ramírez, J.L. 2020. "Chemical composition, secondary and primary metabolites of Tithonia diversifolia related to climate". Cuban Journal of Agricultural Science, 54(3): 425-433. ISSN: 2079-3480. https://www.cjascience.com/index.php/CJAS/article/view/976.

Herrera, R.S., Verdecia, D.M., Ramírez, J.L., García, M. & Cruz, A.M. 2017a. "Secondary metabolites of Leucaena leucocephala. Their relationship with some climate elements, different expressions of digestibility and primary metabolites". Cuban Journal of Agricultural Science, 51 (1): 107-116, ISSN: 2079-3480. http://cjascience.com/index.php/CJAS/article/view/690.

Herrera, R.S., Verdecia, D.M., Ramírez, J.L., García, M. & Cruz, A.M. 2017b. "Relation between some climatic factors and the chemical composition of Tithonia diversifolia". Cuban Journal of Agricultural Science, 51 (2): 1-9, ISSN: 2079-3480. https://www.cjascience.com/index.php/CJAS/article/view/719.

Hichri, I., Barrieu, F., Bogs, J., Kappel, C., Delrot, S. & Lauvergeat, V. 2011. "Recent advances in the transcriptional regulation of the flavonoid biosynthetic pathway". Journal of Experimental Botany, 28(8): 442-451, ISSN: 1460-2431. https://doi.org/10.1093/jxb/erq442.

Ibrahim, M.H., Jaafar, H., Rahmat, A. & Rahmat, Z.A. 2011. "The relationship between phenolics and flavonoids production with total non-structural carbohydrate and photosynthetic rate in Labisia pumila Benth. Under high CO₂ and nitrogen fertilization". Molecules, 16(1): 162-174, ISSN: 1420-3049. https://doi.org/10.3390/molecules16010162.

Isah, T. 2019. "Stress and defense responses in plant secondary metabolites production". Biological Research, 52(39): 1-25, ISSN: 0717-6287. https://doi.org/10.1186/s40659-019-0246-3.

Karolewski, P., Zadworny, M., Mucha, J., Napierala-Filipiak, A. & Oleksyn, J. 2010. "Link between defoliation and light treatments on root vitality of five understory with different resistance to insect herbivory". Tree Physiology, 30(8): 969-978, ISSN: 0829-318X. https://doi.org/10.1093/treephys/tpq060.

Keviste, A., Álvarez, J.G., Rojo, A. & Ruíz, A.D. 2002. Funciones de crecimiento de aplicación en el ámbito forestal. Ministerio de Ciencia y Tecnología. Instituto de Investigaciones y Tecnología Agraria y Alimentaria. Madrid. España. 190pp.

Leyva, E., Navarro-Tovar, G., Loredo-Carrillo, S. & Santos, M. 2011. "Biosíntesis y actividad biológica de fitoestrógenos y fitoesteroides". Boletín de la Sociedad Química de México, 5(2,3): 35-43, ISSN: 1870-1809. http://bsqm.org.mx/pdf-boletines/V5/N1-3/08.-%20Leyva.pdf.

Li, Y., Konga, D., Fub, Y., Sussmand, M.R. & Wua, H. 2020. "The effect of developmental and environmental factors on secondary metabolites in medicinal plants". Plant Physiology and Biochemistry, 148 (2020): 80-89, ISSN: 0981-9428. https://doi.org/10.1016/j.plaphy.2020.01.006.

Lozano, M.A.M., & Pichón, J.P.Z. 2018. "Ecología y aplicaciones de metabolitos secundarios de los géneros Dictyota, Padina y Sargassum (phaeophyta)". Ciencia e Ingeniería, 5(1): e065-e065, ISSN: 2389-9484. http://revistas.uniguajira.edu.co/rev/index.php/cei/article/view/117.

Martín, D.A. 2017. "Los compuestos fenólicos: un acercamiento a su biosíntesis, síntesis y actividad biológica". Revista de Investigación Agraria y Ambiental, 9(1): 81-104, ISSN: 2145-6453. https://doi.org/10.22490/21456453.1968.

Massey, F.J. 1951. "The Kolmogorov-Smirnov test for goodness of fit". Journal of the American Statistical Association, 4(543): 68-78, ISSN: 1537-274X. http://dx.doi.org/10.2307/2280095.

Paumier, M., Méndez-Martínez, Y., Torres, E., Sánchez, A.R., Ramírez, J.L., Herrera, R.S., Santana, A. & Verdecia, D.M. 2020. "Indicators of Yield of Tithonia diversifolia in the Zone of Granma Province, Cuba". Modern Concepts & Developments in Agronomy, 6(4): MCDA. 000645, ISSN: 2637-7659. https://doi.org/10.31031/MCDA.2020.06.000645.

Ramírez, J.L. 2010. Rendimiento y valor nutritivo de cinco gramíneas en el Valle del Cauto. Tesis de Doctorado. Universidad de Granma, Cuba. 101 p.

Rivera, J.E., Chará, J., Gómez-Leyva, J.F., Ruíz, T. & Barahona, R. 2018. "Variabilidad fenotípica y composición fitoquímica de Tithonia diversifolia A. Gray para la producción animal sostenible". Livestock Research for Rural Development, 30 (12): 1-20, ISSN: 2521-9952.

Ryan, G.D., Rasmussen, S., Xue, H., Pearson, J. & Newman, A. 2014. "Metabolites analysis of the effects of elevated CO2 and nitrogen fertilization on the association between tall fescue (Schedonorus arundinaceus) and its fungal symbiotic Neotyphodium coenophialum". Plant, Cell and Environment, 37(1): 204-212, ISSN: 1365-3040. https://doi.org/10.1111/pce.12146.

Sieiro Miranda, G. L., González Marrero, A. N., Rodríguez Lema, E. L. & Rodríguez Regal, M. 2020. "Efecto de los macroelementos primarios en la susceptibilidad a enfermedades". Centro Agrícola, 47(3):66-74, ISSN: 2072-2001. http://scielo.sld.cu/pdf/cag/v47n3/0253-5785-cag-47-03-66.pdf.

Soil Survey Staff. 2014. Keys to soil taxonomy. 12th ed. United States Department of Agriculture Natural Resources Conservation Service, Washington, United States. ISBN: 978-1-4296-8745-4. https://www.nrcs.usda.gov/wps/portal/nrcs/detail/soils/survey/class/taxonomy/?cid=nrcs142p2_053580.

Torres, V. & Ortíz, J. 2005. "Application of modelling and simulation to the production and feeding of farm animals". Cuban Journal of Agricultural Science, 39: 397-405, ISSN: 2079-3480

Verdecia, D.M. 2014. Composición química y metabolitos secundarios en seis variedades de árboles, arbustos y leguminosas volubles en el Valle del Cauto. Ph.D. Thesis. Universidad de Granma, Cuba, p. 100.

Verdecia, D.M., Herrera, R.S., Ramírez, J.L., Leonard, I., Bodas, R., Andrés, S., Giráldez, F.J., Valdés, C., Arceo, Y., Paumier, M., Santana, A., Álvarez, Y., Méndez-Martínez, Y. & López S. 2020. "Effect of age of regrowth, chemical composition and secondary metabolites on the digestibility of Leucaena leucocephala in the Cauto Valley, Cuba". Agroforestry Systems, 94(4): 1247-1253, ISSN: 0167-4366. https://doi.org/10.1007/s10457-018-0339-y.

Verdecia, D.M., Herrera-Herrera, R.C., Torres, E., Sánchez, A.R., Hernández-Montiel, L.G., Herrera, R.S., Ramírez, J.L., Bodas, R., Giráldez, F.J., Guillaume, J., Uvidia, H. & López, S. 2021. "Primary and secondary metabolites of six species of trees, shrubs and herbaceous legumes". Cuban Journal of Agricultural Science, 55(1): 77-93, ISSN: 2079-3480 https://www.cjascience.com/index.php/CJAS/article/view/997.

Wang, L., Cuia, J., Jina, B., Zhaoa, J., Xub, H., Lua, Z., Lia, W., Lid, X., Lie, L., Liangd, E., Raof, X., Wang, S., Fuh, C., Cao, F., Dixon, R.A. & Lin, J. 2020. "Multifeature analyses of vascular cambial cells reveal longevity mechanisms in old Ginkgo biloba trees". PNAS, 117(4): 2201–2210, ISSN: 0027-8424. http://www.pnas.org/cgi/doi/10.1073/pnas.1916548117.

Recibido: 25 de Abril de 2023; Aprobado: 15 de Julio de 2023

^*Email: [e-mail]

Conflicto de intereses: Los autores declaran que no existe conflicto entre ellos.

Authors contribution: Lucia M. Silva-Déley: Conceptualization, Data curation, Funding acquisition, Methodology, Validation, Visualization, Writing - original draft. Blanca M. Toro-Molina: Conceptualization, Data curation, Methodology, Validation, Writing - original draft. D.M. Verdecia-Acosta: Conceptualization, Data curation, Funding acquisition, Investigation, Methodology, Supervision, Writing - review & editing. E. Chacón-Marcheco: Investigation, Data curation, Formal analysis, Funding acquisition, Validation, Visualization. J. A. Roca-Cedeño: Data curation, Formal analysis, Funding acquisition, Validation, Visualization, Writing - original draft. J. L. Ledea-Rodríguez: Data curation, Formal analysis, Writing - original draft, Funding acquisition, Validation, Visualization. J.L. Ramírez-de la Ribera: Conceptualization, Investigation, Data curation, Project administration, Supervision, Writing - review & editing. R.S. Herrera: Conceptualization, Investigation, Data curation, Methodology, Supervision, Writing - review & editing