基于智能microRNA生物传感平台,检测水植物中矿物营养缺乏的类型和严重程度
Zhongxu Li1, Keyvan Asefpour Vakilian2
1College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
这项研究开发了一种机器学习模型,使用植物微RNA数据来识别大米中的营养缺乏 (,,,硫). 该模型准确地检测缺陷的类型和严重程度,有助于早期作物管理.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 在米等作物中早期发现营养缺乏对于防止产量损失至关重要.
- 微RNAs (miRNAs) 显示出作为植物应激反应的生物标志物的潜力.
研究的目的:
- 开发和评估一种机器学习模型,用于识别,,和硫缺乏的类型和严重程度.
- 用植物微RNA数据作为预测模型的输入.
主要方法:
- 一个电化学生物传感器被用来测量14个微RNA的度在营养缺乏的米植物.
- 机器学习模型,包括基因算法优化的随机森林,用于压力预测.
- 特性选择确定了关键的miRNAs (miRNA167,miRNA162,miRNA169,miRNA395) 用于营养缺乏预测.
主要成果:
- 生物传感器在微RNA量化方面表现出卓越的分析性能.
- 优化的随机森林模型在检测营养缺乏类型方面实现了高精度 (0.86),精度 (0.94) 和回忆 (0.87).
- 该模型准确地预测了缺陷水平,平均MSE为0.010和R2为0.92.
结论:
- 通过机器学习分析植物微RNA配置文件,可以有效地识别米中的特定营养缺乏.
- 这种方法为开发先进的植物健康监测系统提供了一个有希望的基础.
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
4.1K
15:30A Telemetric, Gravimetric Platform for Real-Time Physiological Phenotyping of Plant–Environment Interactions
Published on: August 5, 2020
11.8K
