在光合作用過程中，藻類和植物中的綠色色素葉綠素吸收了入射光的大部分能量。葉綠素被激發(fā)并將這種能量轉(zhuǎn)移到能量收集蛋白質(zhì)復(fù)合物光系統(tǒng)I(PSI)和II(PSII)中。然而，其中一些能量以熱量或葉綠素?zé)晒?ChlF)的形式消散。

影響PSII的環(huán)境或植物生理變化也會改變ChlF，因此可以用作PSII狀態(tài)的快速，靈敏和非破壞性指標(biāo)。事實上，ChlF是評估光合作用多個方面的強大工具。雖然ChlF測量和分析很復(fù)雜，但它們使研究人員能夠研究各種類型的壓力源對光合作用的影響。例如，ChlF用于監(jiān)測干旱，高溫，污染和營養(yǎng)狀況的影響。

可以從ChlF獲得的一個非常重要的測量值是可變熒光與最大熒光的比值，或Fv/Fm.該比率提供了有關(guān)碳代謝的信息，是光合作用的可靠指標(biāo)。然而，植物樣品必須首先進行暗適應(yīng)，以便量化F。v/Fm.

(資料圖)

暗適應(yīng)既乏味又耗時，因此避免它既可以加快實驗和分析的速度。現(xiàn)在，來自江南大學(xué)，哥倫比亞大學(xué)和諾伊大學(xué)厄巴納香檳分校的研究人員已經(jīng)開發(fā)出一種快速方法，用于精確測量F。 v/Fm使用人工智能 (AI) 進行分析，無需黑暗適應(yīng)。

他們的研究結(jié)果發(fā)表在植物表型組學(xué)上。

“AI讓我們揭示了F之間隱藏的關(guān)系v/Fm和沒有黑暗適應(yīng)的 ChlF。我們已經(jīng)節(jié)省了大量時間，現(xiàn)在可以快速了解植物表型組學(xué)，“江南大學(xué)輕工業(yè)先進過程控制重點實驗室的首席研究員郭亞博士說。

被稱為最小二乘支持向量機模型(LSSVM)的AI方法通過數(shù)學(xué)預(yù)測F繞過了暗適應(yīng)的需要。v/FmChlF測量的暗適應(yīng)下的比率。這種分析過程更經(jīng)濟，更不乏味，因為實際上不需要暗適應(yīng)設(shè)備。

他們在這項研究中的實驗涉及7種不同植物遺傳品種的000，6多個樣本。這些植物經(jīng)受4種干旱條件，幾種不同的環(huán)境溫度，3種不同的生長季節(jié)(春季，夏季和冬季)，廣泛的光合光子通量密度和3種不同的生長地點(田間，溫室和實驗室)。所有這些條件都導(dǎo)致了ChlF值的巨大差異。

這些發(fā)現(xiàn)表明，LSSVM模型可以預(yù)測Fv/Fm暴露于各種條件下的植物樣品中的比率，誤差非常小。換句話說，該模型可以可靠地識別ChlF和F之間的隱藏關(guān)系v/Fm沒有黑暗適應(yīng)的價值觀。

在闡述其基于AI的方法的優(yōu)勢時，郭博士解釋說：“LSSVM模型在確定F方面表現(xiàn)出優(yōu)異的性能。v/Fm來自ChlF，沒有暗適應(yīng)，并在四毫秒內(nèi)處理每個樣品。其預(yù)測結(jié)果具有較高的相關(guān)系數(shù)、較低的均方根誤差和可接受的殘差預(yù)測偏差。這是確認(rèn)其準(zhǔn)確性的三個關(guān)鍵性能指標(biāo)。

ChlF是植物表型分析的一個非常有用的工具。了解植物表型背后的機制對于改善作物生長和產(chǎn)量至關(guān)重要。到目前為止，暗適應(yīng)對于進行ChlF測量是必要的。然而，不同的暗適應(yīng)時間已被證明會影響ChlF結(jié)果。黑暗適應(yīng)還需要額外的設(shè)備，而且很耗時。

在這項研究中，郭博士和他的同事通過測量ChlF而沒有暗適應(yīng)來獲得F的真實值，從而設(shè)定了新的基準(zhǔn)。v/Fm比率。他們新的LSSVM模型使他們能夠利用AI的速度和準(zhǔn)確性方便地探測植物表型和生理狀態(tài)。最重要的是，現(xiàn)在可以直接在現(xiàn)場、在復(fù)雜的環(huán)境條件下實時進行測量。

“這項研究向我們表明，人工智能可以發(fā)現(xiàn)光合作用等生物過程的隱藏行為，幾乎沒有錯誤。我們的概念驗證很快就會用于預(yù)測其他ChlF參數(shù)，如PSII的光化學(xué)量子產(chǎn)率和能量耗散的量子產(chǎn)率。我們只是觸及了其應(yīng)用的表面，“郭博士總結(jié)道。

標(biāo)簽：