基于人工神经网络 (ANN) 的算法用于使用叶绿素光特征的番茄基因型的高光应激表型化

科学领域:

• 植物生理学 植物生理学
• 光合作用研究研究 光合作用研究
• 压力生物学 压力生物学

背景情况:

• 高光 (HL) 应激会导致光抑制,影响植物的光合作用.
• 开发对HL有较强耐受性的作物对于农业至关重要.
• 叶绿素光 (ChlF) 分析,特别是OJIP过渡物,为压力检测提供了一种敏感的方法.

研究的目的:

• 确定可靠的ChlF参数,以区分HL压力和非压力工厂.
• 使用选定的ChlF特征,选番茄基因型以检测它们对HL压力的耐受性.
• 为了验证所选的ChlF特征与生化压力标志物相比.

主要方法:

• 在HL (1200 μmol m−2 s−1) 和对照 (300 μmol m−2 s−1) 条件下的番茄植物中比较ChlF特征.
• 应用人工神经网络 (ANN) 算法 (Boruta,SVM,RFE) 进行特征选择.
• 查14种西红基因型,使用选定的ChlF特征 (Fv/Fm,D0) 并测量H2O2和MDA含量.

主要成果:

• 确定了PSII光化学的最大量子产量 (Fv/Fm) 和能量消耗的量子产量 (D0) 作为跨基因型HL压力的一致和可靠指标.
• 根据ChlF参数,番茄基因型成功地被分为耐受性,半耐受性和敏感性组.
• 耐受性基因型显示H2O2和MDA的最小增加,而敏感基因型显示显著增加,证实了所选的ChlF特征的有效性.

结论:

• Fv/Fm和D0是强大的ChlF参数,用于选番茄基因型的高光耐受性.
• Fv/Fm > 0.77 和 D0 < 0.24 表示在 HL 应力下有一个健康的电子传递链.
• 这种方法促进了有效的育种计划,以开发耐受HL的作物品种.