使用机器学习和福里埃变换红外光谱技术,对玉米的茎纤维素和半纤维素含量进行高通量预测
Fanghui Chen1, Xing Liu2, Chengchen Lu1
1The National Engineering Laboratory of Crop Resistance Breeding, School of Life Sciences, Anhui Agricultural University, Hefei 230036, China.
Bioresource technology
|September 25, 2024
概括
福利埃变换红外光谱 (FTIR) 和机器学习 (ML) 准确地预测了玉米茎中的纤维素和半纤维素. 这种高通量方法有助于培育更好的生物能源作物.
科学领域:
- 生物质的表征生物质的表征
- 农业科学 农业科学
- 光谱学和化学测量技术的使用.
背景情况:
- 玉米茎中的纤维素和半纤维素含量显著影响生物乙醇生产效率.
- 量化这些碳水化合物的传统方法耗时,不适合高通量选.
- 开发快速的分析技术对于推动生物燃料研究和作物改进至关重要.
研究的目的:
- 开发和验证一种高通量方法,用于预测玉米茎中的纤维素,半纤维素和全纤维素含量.
- 探索福里埃变换红外光谱法 (FTIR) 与机器学习 (ML) 结合用于生物质组成分析的实用性.
- 为了确定与碳水化合物含量相关的关键光谱特征,以便开发可靠的模型.
主要方法:
- 福里埃变换红外光谱法 (FTIR) 用于分析 200 个玉米生殖质.
- 从FTIR光谱中提取了峰值高度特征,并用作输入变量.
- 四个机器学习算法,包括分类提升,被训练和测试用于预测建模.
主要成果:
- 机器学习模型对茎纤维素,半纤维素和全纤维素含量的预测准确度很高.
- 确定系数 (R2) 在不同模型中从0.83到0.97不等.
- 分类提升算法实现了最佳性能,R值超过0.91 (训练) 和0.81 (测试).
结论:
- 综合的FTIR光谱和ML方法提供了一个精确而有效的工具,用于量化玉米茎中的关键碳水化合物.
- 这种方法促进了高通量分析,这对于加速以生物能源和生物燃料为重点的玉米遗传育种计划至关重要.
- 这些发现支持在生物质表征中应用光谱和化学测量技术,以实现可持续的能源生产.
关键词:
在 CatBoost 中使用 CatBoost.纤维素是纤维素的一种.里埃变换红外光谱法 红外光谱法半纤维素素是半纤维素的一种.全球纤维素是全细胞质的.机器学习 机器学习玉米 玉米 玉米 是 一种更多相关视频
11:31High-throughput Screening of Recalcitrance Variations in Lignocellulosic Biomass: Total Lignin, Lignin Monomers, and Enzymatic Sugar Release
Published on: September 15, 2015
10.0K
06:21Micron-scale Phenotyping Techniques of Maize Vascular Bundles Based on X-ray Microcomputed Tomography
Published on: October 9, 2018
8.8K
