编辑推荐：
在植物生物技术领域，为探究不同 LED 光光谱对金鱼藻（Ceratophyllum demersum L.）抗氧化能力的影响，研究人员借助机器学习技术展开研究。结果表明，光条件和提取溶剂显著影响其抗氧化能力，该研究为优化植物体外培养提供了依据。
在神奇的植物世界里，有一种名为金鱼藻（Ceratophyllum demersum L.）的水生植物，它广泛分布在淡水生态系统中。金鱼藻不仅对维持生态平衡有着重要作用，还具有极高的药用价值，其含有的抗氧化物质，能够抵御氧化应激对细胞造成的损伤，对预防癌症、糖尿病和心血管疾病等都有潜在益处。
随着生物技术的发展，植物组织培养成为了研究植物生长和代谢的重要手段。在植物组织培养过程中，光作为一个关键因素，对植物的生长发育和代谢产物合成有着深远影响。近年来，LED（Light Emitting Diode）灯因其独特优势，如低能耗、长寿命以及可调节波长等，在植物培养和组织培养研究中得到了广泛应用。不同波长的 LED 光能够对植物的新陈代谢产生不同影响，有可能增加植物中生物活性化合物的产量。然而，目前对于不同 LED 光对金鱼藻抗氧化能力的影响，尚缺乏全面的研究。为了填补这一空白，来自卡拉曼诺格鲁?梅赫梅特贝伊大学（Karamanoglu Mehmetbey University）的研究人员开展了相关研究，其研究成果发表在《Plant Cell, Tissue and Organ Culture (PCTOC)》上。
研究人员采用了多种关键技术方法来开展此项研究。在植物材料处理方面，他们从卡拉曼诺格鲁?梅赫梅特贝伊大学生物系获取无菌金鱼藻，以茎尖为外植体进行组织培养。在光照处理上，设置了白色（550 nm，1500 lx）、红色（660 nm，98 lx）、蓝色（450 nm，270 lx）LED 灯以及白色荧光灯作为对照，在温度可控的生长室中进行实验。实验结束后，通过生化分析测定提取物的总酚含量、总黄酮含量、DPPH（2,2 - 二苯基 - 1 - 苦基肼基）自由基清除活性和金属螯合能力。此外，运用 12 种不同的机器学习算法对实验数据进行分析和预测，并采用多种统计分析方法对数据进行处理。
体外培养实验结果
研究发现，白色 LED 和红色 LED 光照下，金鱼藻的茎尖再生率均达到 100%，其中红色 LED 光照下平均每个外植体产生的茎数最多（85.27 个），茎长也最长（3.16 cm），而白色荧光灯下的再生率和茎数均最低。这表明不同的光照条件对金鱼藻的茎尖再生和生长有着显著影响，红色 LED 光在促进茎的再生和生长方面表现更为突出。
抗氧化成分分析结果
在抗氧化成分分析中，红色 LED 光处理下的丙酮提取物（RL - AE）总酚含量最高（63.99 μg GAE/mg），蓝色 LED 光处理下的丙酮提取物（BL - AE）总黄酮含量最高（167.58 μg QE/mg）。白色 LED 光处理下的丙酮提取物（WL - AE）在 400 μg/mL 浓度时，DPPH 清除活性最强（90.14%）。白色 LED 光处理下的水提取物（WL - WE）在 400 μg/mL 浓度时，金属螯合活性最高（61.32%）。同时，研究还发现丙酮提取物在多数情况下比水提取物具有更高的抗氧化活性。这说明不同光照条件和提取溶剂显著影响了金鱼藻提取物的抗氧化成分含量和抗氧化活性。
机器学习算法预测结果
在使用机器学习算法预测 DPPH 自由基清除活性和金属螯合活性时，XGBoost 算法在预测 DPPH 活性方面表现最佳，具有最低的平均绝对误差（MAE，3.754）、最高的决定系数（R2，0.887）和较低的均方根误差（RMSE，5.027）。Cubist 算法在预测金属螯合活性方面表现最优，具有最低的测试 RMSE（5.129）、MAE（4.141）和较高的R2（0.899）。这表明不同的机器学习算法在预测金鱼藻抗氧化活性方面存在差异，XGBoost 和 Cubist 算法能够更有效地模拟复杂的生物相互作用，提供更准确的预测。
研究结论表明，金鱼藻的抗氧化能力受光照条件和提取溶剂的显著影响。红色和白色 LED 光结合丙酮提取，对提高金鱼藻的酚类、黄酮类含量以及 DPPH 清除活性和金属螯合活性最为有效。机器学习技术，如 XGBoost 和 Cubist 算法，在预测金鱼藻抗氧化能力方面表现出色，比传统模型具有更高的预测准确性。该研究为优化金鱼藻的体外培养条件提供了重要依据，有助于提高其生物活性化合物的产量，对推动植物生物技术和农业实践的发展具有重要意义。同时，研究也指出未来还需进一步探究不同光照条件下金鱼藻产生的具体酚类和黄酮类化合物，以及光照时长、强度和养分可用性等因素对其抗氧化能力的影响。
