在有毒暴露下,多种表型反应和大米茎的检测
Wei Wang1, Zun Man2, Xiaolong Li2
1Key Laboratory of Urban Environment and Health, Ningbo Observation and Research Station, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China; College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China; Zhejiang Key Laboratory of Urban Environmental Processes and Pollution Control, CAS Haixi Industrial Technology Innovation Center in Beilun, Ningbo 315830, China.
压力通过增加积累和脂质过氧化,抑制生长和改变细胞结构来损害大米茎. 现在可以使用激光诱导分解光谱 (LIBS) 和机器学习进行快速检测.
科学领域:
- 农业科学 农业科学
- 环境毒理学环境毒理学
- 植物生理学 植物生理学
背景情况:
- 米茎对于转移至关重要,影响作物产量,食品安全和能源利用.
- 植物毒性和应激对大米茎表型的精确机制尚未完全理解.
- 评估植物的逆境反应,可以了解压力下的生长状况.
研究的目的:
- 系统地调查的积累,生理上的逆境,在不同的度和持续时间下,在水茎的形态变化.
- 阐明脂质过氧化在诱导的植物毒性中的作用.
- 开发一种快速准确的方法来检测大米茎中的.
主要方法:
- 大米茎在0,5,25,50和100μM的度下经历了5,10,15和20天的压力.
- 分析了积累,可溶性蛋白质,甲 (MDA) 水平和茎的表型特征 (长度,直径,重量,组织结构).
- 激光诱导分解光谱 (LIBS) 与机器学习相结合,用于快速检测.
主要成果:
- 压力显著增加了的积累,并诱导了大米干表型中的不良反应.
- 脂质过氧化,以马隆迪甲 (MDA) 波动为标志,被确定为抑制大米生长的关键机制,导致干尺寸减少和细胞结构破坏.
- 一个定性模型在区分应力水平方面达到>92%的准确性,而一个定量模型使用LIBS和机器学习证明了出色的预测 (Rp = 0.9944).
结论:
- 在大米茎中的植物毒性与脂质过氧化有关,影响多类现象特征和生长.
- 使用LIBS和机器学习,建立了一种新的,快速检测在米茎中的方法.
- 这项研究为管理农作物中重金属风险提供了理论基础和技术工具.
更多相关视频
05:44Real-Time Detection of Reactive Oxygen Species Production in Immune Response in Rice with a Chemiluminescence Assay
Published on: November 25, 2022
09:13Hydroponics: A Versatile System to Study Nutrient Allocation and Plant Responses to Nutrient Availability and Exposure to Toxic Elements
Published on: July 13, 2016
相关概念视频
02:02Responses to Salt Stress
02:41Responses to Drought and Flooding