在黄瓜 (Cucumis sativus L.) 中,根茎介导的盐度弹性:整合生理特征,基因组稳定性和机器学习

科学领域:

• 植物科学 植物科学
• 农业学是一种农业学.
• 生物技术是生物技术.

背景情况:

• 黄瓜 (Cucumis sativus L.) 的生长受到盐的压力显著阻碍,影响生物质,光合作用和基因组稳定性.
• 将黄瓜移植到耐盐的Cucurbita根茎上是一种可行的策略,可以提高对非生物压力的弹性.
• 机器学习 (ML) 提供了新的方法来分析复杂的特征相互作用,并预测压力耐受性.

研究的目的:

• 评估将黄瓜移植到不同的Cucurbita根茎上以提高盐分耐受性的有效性.
• 评估在盐度压力下移植黄瓜的形态,生理和分子反应.
• 利用ML技术来识别植入黄瓜中盐分耐受性的关键预测因素.

主要方法:

• 两种黄瓜品种被移植到四个跨物种的Cucurbita根茎上,并受到0对100毫米NaCl压力.
• 评估的特征包括生物质积累,叶绿素含量 (SPAD),光合作用活性辐射 (PAR) 和基因组模板稳定性 (GTS),使用ISSR标记.
• 机器学习方法,主要组件分析 (PCA) 和随机森林 (RF) 用于数据分析和预测器识别.

主要成果:

• 盐应激显著减少了黄瓜的生长和生物量,但接种,特别是TZ148和库布莱根茎,减轻了这些影响.
• 移植植物,特别是TZ148/Cagla,显示出改善的叶绿素含量 (SPAD),相对水含量 (RWC) 和基因组模板稳定性 (GTS).
• ML分析有效地区分了控制和盐度条件,RF将根/茎新鲜量,SPAD,叶面积和果实重量确定为关键预测指标.

结论:

• 接种显著提高了黄瓜对盐度的耐受性,通过保护生物质,光合作用能力和基因组完整性.
• 机器学习方法提供了有价值的预测见解和生物学解释,支持移植作为盐水环境中黄瓜种植的可持续解决方案.
• 选择合适的Cucurbita根茎对于最大限度地利用接种来管理黄瓜生产中的盐压力至关重要.