基于多变量与机器学习解析玉米基因型对重金属胁迫的形态生理响应及耐性机制

为解决重金属污染(Cd/Ni)对农业生产的威胁，研究人员通过温室实验评估20种玉米基因型在单一及复合胁迫下的表现，结合主成分分析(PCA)、多性状基因型理想距离指数(MGIDI)和决策树算法，发现53P4和F-206-1基因型具有显著耐性，其鲜茎长度(FSL)是关键预测指标，为污染土壤中作物育种提供新策略。

　　

重金属污染（尤其是镉Cd和镍Ni）对农业和环境构成严峻挑战。这项研究通过温室实验，对比了20个玉米基因型在对照组、5 mM Cd、5 mM Ni及复合胁迫(2.5+2.5 mM Cd+Ni)下的表现。研究人员系统测量了株高、根茎长度、生物量等形态指标，以及叶绿素含量、水分含量、气孔特征等生理参数。

借助主成分分析(PCA)降维技术，结合多性状基因型理想距离指数(MGIDI)评估体系，发现Cd+Ni复合胁迫对发芽率、株高和叶绿素的抑制最显著。有趣的是，根含水量与鲜根重呈现强相关性（r=0.86^***
）。机器学习中的决策树算法揭示，鲜茎长度(FSL)是预测耐性的关键指标。最终筛选出表现优异的53P4和F-206-1基因型，其耐性机制为重金属污染土壤中的作物育种提供了分子靶点和技术支撑。