宁夏大学葡萄酒与园艺学院吴龙国团队在植物学顶级期刊（IF=12.1）发表研究成果，发现番茄叶片中SOD活性定量新方法-校园资讯网

近日，Plant Biotechnology Journal杂志在线发表了由宁夏大学吴龙国课题组及其合作团队撰写的“A cross-scale transfer learning framework: prediction of SOD activity from leaf microstructure to macroscopic hyperspectral imaging”论文。该研究工作通过卷积神经网络结合长短期时间记忆（CNN-LSTM）算法构建了番茄叶片中超氧化物歧化酶（SOD）活性的微观和宏观模型。利用异质二维相关光谱（H2D-COS）确定了与番茄叶片SOD活性相关的10个宏观敏感吸收峰和10个微观敏感吸收峰。进一步，将CNN-LSTM算法与H2D-COS分析相结合，实现了基于敏感波段的微观模型与宏观模型之间的迁移学习。研究团队首次实现了微观和宏观高光谱之间的迁移学习及可视化，为番茄叶片中SOD活性的观察和定量提供了新的方法，同时为番茄叶片中痕量物质的定量检测和H2D-COS在迁移学习中的应用奠定了基础。

番茄作为我国设施栽培面积最大的园艺作物之一，已成为许多地区的主要经济支柱作物。在番茄生长过程中，土壤中的盐分是影响番茄健康生长和优质产量的限制因素之一。在正常生长情况下，植物机体活性氧的生成和消除处于平衡状态。在盐胁迫的情况下，平衡被打破，由于植物无法通过其防御系统抵御盐胁迫，过多的活性氧在植物体内积聚，导致番茄植株氧化胁迫现象发生。超氧化物歧化酶（SOD）、过氧化氢酶（CAT）和过氧化物酶（POD）是三种至关重要的抗氧化酶。SOD催化O^2-的歧化反应生成H₂O₂和O₂，H₂O₂随后被POD和CAT清除。受到逆境胁迫时，番茄叶片会出现明显的生理和表型变化，这与SOD的活性和分布密切相关。尽管如此，如何实时精准反映SOD活性动态变化，其背后的检测方法仍不完全清楚。

宁夏大学吴龙国课题组及其合作团队提出了基于CNN-LSTM算法的H2D-COS分析与迁移学习相结合的方法来研究番茄叶片的SOD活性。研究了基于敏感波长的微观模型和宏观模型之间的迁移学习，既保留了MHSI在获取痕量物质方面的优势，又规避了MHSI试验的复杂性和有损性，极大促进了高光谱在微量物质的定量检测方面的应用，为监测及精准量化番茄叶片中的SOD活性开辟了全新思路与方法。

总之，这项研究开发的基于叶片微观结构到宏观高光谱成像的SOD活性预测跨尺度迁移学习框架，不仅可以确定与SOD活性相关的微观和宏观敏感吸收峰，也实现了SOD活性预测的微观和宏观预测模型迁移，为番茄叶片SOD活性的监测和量化提供了新的方法和技术，也为番茄叶片中痕量物质的定量检测以及H2D-COS在迁移学习中的应用奠定了基础。

图1 H2D-COS光谱获取流程

图2番茄叶片中SOD分布的可视化。(a)微观预测模型；(b)宏观预测模型。

宁夏大学葡萄酒与园艺学院郝婕、中国农科院蔬菜花卉研究所闫妍教授、宁夏食品检测研究院张瑶工程师为该论文共同第一作者，宁夏大学葡萄酒与园艺学院吴龙国讲师、曹云娥教授为该论文共同通讯作者。研究工作得到了国家自然科学基金资助项目（32260798, 32372793）、国家重点研发计划项目子课题（2021YFD1600302-3）、宁夏高等学校自然科学项目（NYG-2024-019）、宁夏回族自治区科技创新团队项目（2024CXTD010）、第四批“宁夏青年科技人才支持项目”（TJGC2019065）和第六批“宁夏青年科技人才支持项目”（TJGC2021075）等项目的资助。

论文链接：https://onlinelibrary.wiley.com/doi/full/10.1111/pbi.14484