基于转录组引导的全细胞生物传感器与集成学习回归模型精准预测霉变玉米和花生中的黄曲霉毒素B1生成动力学及其环境健康风险干预研究

本研究创新性地将转录组指导的藻酸钙固定化全细胞生物传感器与集成学习回归模型（XGBoost/CatBoost/RandomForest）相结合，实现了对黄曲霉（Aspergillus flavus）感染阶段和AFB1产量的高精度动态预测（R2＞0.91）。该技术突破了传统光学检测的局限，通过特征重要性分析揭示了生物膜形成等早期宿主响应机制，为农产品真菌毒素风险预警提供了兼具生物解释性与实时监测能力的创新平台。

　　

Highlight

本研究首次采用时间分辨生物发光信号训练集成回归器（包括XGBoost、CatBoost和RandomForest），实现对感染阶段和AFB₁水平的定量预测。XGBoost在玉米感染分期和AFB₁定量内部验证中分别达到R2=0.94和0.98，并在独立黄曲霉菌株外部验证中保持强泛化能力（R2=0.92和0.91）。在花生中同样观察到优异性能，内部R2为0.94和0.97，外部为0.92和0.86，证实了跨基质和真菌菌株的稳健性。

与先前基于14个通用应激响应启动子构建的生物传感器直接对比显示，基于8个新型转录组指导启动子的生物传感器显著提高了预测精度，尤其在外部验证条件下。特征重要性分析揭示早期宿主响应（包括转录调控和生物膜形成）是关键预测特征，从而提供了传统光学或化学检测无法实现的机制可解释性。

Conclusion

本研究建立了转录组指导的全细胞生物传感器阵列作为强大平台，用于早期检测玉米和花生中的黄曲霉污染和AFB₁生产。通过转录组分析选择感染诱导启动子并将其嵌入藻酸钙固定化大肠杆菌，该生物传感器相比依赖通用应激响应启动子的先前设计实现显著改进。