通过红外光谱学 (FTIR-ATR,2D-COS) 控制昆虫病原性线虫的质量:追踪,建模和预测

科学领域:

• 农业科学 农业科学
• 生物技术是生物技术.
• 频谱学是一种光谱学.

背景情况:

• 昆虫病原性线虫 (EPNs) 对于生物害虫控制至关重要.
• EPN的有效性依赖于储存期间的生理质量,但缺乏预测性质量控制.
• 目前的质量评估是劳动密集型的感染性测试.

研究的目的:

• 开发一种快速,非破坏性的方法来评估在热应力下EPN的生存能力.
• 结合富里埃变换红外光谱法 (FTIR-ATR),2D-COS和机器学习来进行EPN质量控制.
• 为了评估Heterorhabditis indica*和Steinernema riobrave*的生物化学反应和耐热性.

主要方法:

• 给H. indica和S. riobrave施加了10°C,20°C,30°C的热应力,持续了8周.
• 使用FTIR-ATR和2D-COS分析生物化学变化.
• 开发机器学习模型 (支持矢量机器) 来从光谱数据中预测传染性.

主要成果:

• 在热耐受性和传染性下降方面观察到特定物种的差异.
• *S. riobrave*在30°C时显著失去感染能力,而*H. indica*则表现出更高的耐受性.
• FTIR光谱揭示了不同的生化适应策略,包括H. indica中的三糖积累和S. riobrave中的糖原/三糖耗尽.
• 机器学习模型准确地预测了传染性 (R2 = 0.93).
• 2D-COS确定了三糖和蛋白质胺I变化作为早期压力标志物.

结论:

• 一个集成的FTIR-ATR,2D-COS和机器学习平台提供了快速,灵敏和预测性的EPN质量控制.
• 这种新的方法可以早期检测EPN的压力诱导的生存能力丧失.
• 可以开发优化的存储协议,以提高生物控制剂的现场性能.