近日,安徽农业大学农学院/生命科学学院吴雷明教授团队在《Industrial Crops and Products》期刊发表题为“A novel strategy combining full Fourier transform infrared spectroscopy with machine learning enhanced the accuracy for analyzing cell wall polymers in maize stover”的研究论文。安徽农业大学生命科学学院25级博士研究生桂子豪与23级硕士研究生陈芳慧为本文的共同第一作者,作物抗逆育种与减灾国家地方联合工程实验室的吴雷明教授和吴桂春教师为本文的共同通讯作者。
玉米秸秆主要由纤维素、半纤维素和木质素组成,三者相互交联,导致组分分离与精准测定过程繁琐,且传统测定方法易造成环境污染。因此,亟需建立简便、高通量、绿色无污染的细胞壁组分分析新方法。为破解这一难题,该研究广泛收集461份玉米秸秆样品,首次利用FTIR全光谱信息作为模型输入变量,结合多种机器学习方法,构建了一套预测纤维素、半纤维素和木质素的高精度模型(准确度均高于0.89)。该方法与提取特征光谱方法相比,显著提高了模型的准确性和简便性,为玉米秸秆细胞壁成分的高通量精准分析提供新途径。