机器学习驱动的近红外二区荧光纳米传感器实现植物应激信号实时监测

为解决植物应激信号分子实时监测的技术难题，研究人员开发了一种基于NIR-II荧光"turn-on"模式的纳米传感器AIE1035NPs@Mo/Cu-POM，通过特异性响应H2O2信号分子，结合机器学习模型实现96.67%准确率的应激类型区分。该技术突破了传统方法的侵入性局限，为精准农业提供了新型光学工具。

　　

植物在面临干旱、极端温度、病原体侵袭等胁迫时，会通过产生H₂O₂等活性氧分子(ROS)启动防御机制。然而现有检测技术存在两大瓶颈：一是依赖破坏性取样无法实时监测，二是可见光区检测易受叶绿素自发荧光干扰。传统基因编码传感器仅适用于拟南芥等模式植物，而大多数农作物缺乏成熟的遗传操作体系。如何实现跨物种、高灵敏的植物应激信号动态追踪，成为农业生物技术领域的重大挑战。

浙江大学的研究团队创新性地将聚集诱导发光(AIE)材料与聚氧金属酸盐(POMs)结合，开发出可激活型NIR-II荧光纳米传感器。该研究通过AIE1035染料与Mo/Cu-POM的协同组装构建"荧光开关"，利用POMs中氧空位对H₂O₂的特异性响应实现信号激活。结合自主研发的NIR-II显微成像系统和机器学习算法，成功实现对多种植物应激反应的实时可视化监测，相关成果发表在《Nature Communications》。

关键技术包括：1）采用有机溶剂溶胀法构建200nm级AIE1035NPs@Mo/Cu-POM纳米传感器；2）搭建808nm激光激发的NIR-II显微/宏观双模成像系统；3）基于XGBoost算法开发三层次机器学习模型（应激检测/分类/物种识别）；4）使用拟南芥rbohD突变体验证NADPH氧化酶通路依赖性。

【设计与表征NIR-II纳米传感器】
研究团队设计D-A-D结构的AIE1035分子作为荧光报告基团，其1035nm发射峰与POMs的750nm吸收带高度重叠。XPS分析显示Mo/Cu-POM中Mo⁵⁺/Mo⁶⁺混合价态通过氧空位介导电子转移，在H₂O₂作用下发生价态转换导致荧光恢复。该传感器检测限达0.43μM，响应时间仅1分钟，较现有技术提升10倍灵敏度。

【NIR-II成像性能优化】
通过比较AIE475至AIE1035五种荧光团的穿透性，发现NIR-II窗口(1000-1700nm)可完全规避叶绿素自发荧光干扰。在辣椒叶片穿透实验中，AIE1035NPs信号强度保持原始值的82%，而可见光区AIE520NPs衰减至23%。连续60分钟激光照射下，AIE1035NPs保持92%初始亮度，显著优于传统染料ICG的31%。

【植物体内定位与生物相容性】
共聚焦显微镜显示200nm纳米颗粒通过气孔进入叶片胞间隙。F_v/F_m(光系统II最大量子产额)检测证实传感器处理7天后仍保持植物正常光合活性。在拟南芥rbohD突变体中，机械损伤引发的H₂O₂波信号强度仅为野生型的1/3，验证了NADPH氧化酶RBOHD的关键作用。

【应激信号实时监测】
在生菜叶片多次机械损伤实验中，传感器荧光强度在20分钟内提升4.35倍。病原相关肽flg22处理引发双相H₂O₂爆发，其振幅和传播速度受LaCl₃(钙通道阻断剂)和DPI(NADPH氧化酶抑制剂)显著抑制。跨物种比较显示烟草、菠菜、辣椒的H₂O₂波传导速度差异达3.2倍，反映物种特异性应激响应机制。

【机器学习辅助应激分类】
通过t-SNE降维可视化，发现不同应激的荧光特征在特征空间形成独立簇群。XGBoost模型在四分类任务（无应激/flg22/热/机械损伤）中准确率达96.67%，物种识别准确率93.33%。特征分析表明，热应激引发缓慢持续的信号上升，而机械损伤导致快速尖峰，这种时域特征差异成为机器学习的关键判别依据。

该研究开创性地将NIR-II光学传感与人工智能相结合，建立了植物应激监测的新范式。相比电子传感器只能检测滞后性生理指标，这种纳米传感器可直接捕捉早期分子事件，为理解植物信号网络提供了时空分辨率更高的研究工具。特别值得注意的是，机器学习模型成功解码了H₂O₂动力学特征与应激类型的隐藏关联，这种数据驱动的研究方法为复杂生物系统的解析提供了新思路。未来通过开发响应其他信号分子（如植物激素、活性硫物种）的传感器阵列，有望构建植物"应激指纹图谱"，推动农业监测从经验判断向精准预测转变。