基于机器学习模型优化濒危物种白木香(Aquilaria malaccensis)离体微繁体系及植物生长调节剂效应分析

为解决濒危物种白木香(Aquilaria malaccensis)规模化繁殖难题，研究人员通过离体微繁技术结合机器学习模型，系统评估了植物生长调节剂(PGRs)对种子萌发、芽增殖、根诱导及愈伤组织形成的影响。研究发现：半强度MS培养基中，0.1-0.3 mg/L KIN与0.01-0.03 mg/L NAA组合使萌发率提升至28%；0.5 mg/L BAP单独使用可最大化芽增殖；2,4-D与KIN/BAP协同促进叶外植体形成绿色致密愈伤组织；XGBoost模型在芽数和芽长预测中表现最优。该研究为濒危药用植物的高效繁殖提供了精准化调控方案。

　　

濒危药用植物白木香(Aquilaria malaccensis)因其极高的经济和药用价值备受关注。最新研究通过离体微繁技术结合机器学习算法，揭示了植物生长调节剂的精准调控机制：在1/2MS培养基中，激动素(KIN)(0.1-0.3 mg/L)与萘乙酸(NAA)(0.01-0.03 mg/L)组合将种子萌发率提升至28%，显著优于6-苄氨基嘌呤(BAP)(1.0 mg/L)与NAA组合的12%。以萌发种子获得的芽作为外植体时，中等浓度(0.5-2.0 mg/L)的BAP或KIN显著促进芽增殖，其中0.5 mg/L BAP单剂处理效果最佳。

研究还发现，2,4-二氯苯氧乙酸(2,4-D)与KIN/BAP联用可诱导叶片外植体形成早期绿色致密愈伤组织，而NAA与吲哚-3-乙酸(IAA)组合则显著促进生根。首次采用XGBoost、随机森林和支持向量回归等机器学习模型，对叶片数、芽数和芽长等生长指标进行预测优化，其中XGBoost在芽数和芽长预测中表现最为突出。这项研究为濒危药用植物的规模化繁殖提供了可量化的技术参数和智能预测模型。