《Theoretical and Experimental Plant Physiology》：Application of artificial intelligence towards the prediction of natural rubber concentration in rubber dandelion (Taraxacum kok-saghyz)
编辑推荐：
本文提出了一种基于人工神经网络（Artificial Neural Network, ANN）的模型，用于预测橡胶蒲公英（Taraxacum kok-saghyz）根部天然橡胶浓度。植物的形态特征作为神经网络的输入，而预测变量为橡胶产量。对植物种质HOTEL和
本文提出了一种基于人工神经网络（Artificial Neural Network, ANN）的模型，用于预测橡胶蒲公英（Taraxacum kok-saghyz）根部天然橡胶浓度。植物的形态特征作为神经网络的输入，而预测变量为橡胶产量。对植物种质HOTEL和OH1004的分析表明，所研究的生理性状中有8项与目标橡胶浓度密切相关。模型架构针对该输入数据进行了定制，并随后基于实测值进行训练。训练后网络分析也被执行，有助于识别对橡胶浓度影响最大的形态特征。为拓宽模型的应用领域，研究人员还提出了一种广义架构，该架构利用神经网络的灵活性，同时将定量和定性数据作为输入。实测与计算橡胶浓度的相关性图表明，广义模型能够为多个植物种质提供可靠结果。
**论文解读：基于人工神经网络预测橡胶蒲公英根部天然橡胶浓度的研究**
**1. 研究背景与问题**
天然橡胶（Natural Rubber, NR）是重要的可再生战略材料，2022年全球消费量达1420万吨。当前天然橡胶生产高度依赖单一物种——巴西橡胶树（*Hevea brasiliensis*），这种单一来源使得供应链十分脆弱。橡胶蒲公英（*Taraxacum kok-saghyz*）因其根部积累高分子量天然橡胶，被视为极具潜力的替代作物。然而，尽管经过 intensive 选择工作，该植物仍未完全驯化，根部大小和橡胶浓度存在广泛变异。目前尚不清楚植物形态特征（如根和莲座大小）与最大橡胶浓度之间是否存在直接相关性，已有研究仅表明大根和大莲座可能更优，但并未将形态性状与NR浓度建立关联。因此，亟需开发一种能够利用形态特征预测橡胶浓度的方法，以加速优质种质的筛选与驯化。
**2. 研究目标与研究内容**
研究人员旨在构建一种基于人工神经网络（Artificial Neural Network, ANN）的预测模型，以橡胶蒲公英的形态特征作为输入变量，预测根部天然橡胶浓度。研究利用俄亥俄州立大学培育的两个种质HOTEL（40株，4.5个月）和OH1004（52株，1年）的实测数据，通过相关性分析筛选关键变量，训练种质特异性和广义神经网络模型，并通过与多元线性回归（Multiple Linear Regression, MLR）对比评估模型性能。该研究为未来融合组学数据（如基因组学、转录组学）的复杂神经网络模型奠定基础，有助于优化橡胶蒲公英的驯化和育种。
**3. 主要技术方法**
研究人员采用的主要关键技术包括：①**形态特征测定**——收获后测量整株质量、莲座直径、主根长度、莲座和根的鲜重与干重，并计算根部含水量；②**橡胶含量定量**——采用乳胶橡胶提取结合近红外（Near Infrared, NIR）光谱法估算蔗渣中剩余橡胶，两者之和为总NR含量，另用己烷提取法验证；③**Pearson相关分析**——筛选与橡胶浓度密切相关的独立变量（最终保留8个形态性状）；④**前馈神经网络构建**——采用单隐藏层多层感知机（Multi-Layer Perceptron, MLP），隐藏层含5个神经元，以双曲正切函数为传递函数，使用Levenberg–Marquardt算法训练50个周期，80%数据训练，20%验证；⑤**广义模型扩展**——通过增加一个编码植物种质的定性输入神经元（0和1），实现多品种同时预测；⑥**模型评估与比较**——采用决定系数（R2）和均方误差（Mean Squared Error, MSE）评估，并与MLR对比；⑦**重复交叉验证**——随机分割数据集1000次，重新训练并记录性能指标分布。
**4. 研究结果**
**4.1 预测模型的变量选择**
通过对HOTEL和OH1004两个种质的Pearson相关分析，发现8个形态性状与橡胶浓度密切相关，而水分浓度、鲜/干 Shoot/roots 比值对因变量影响微弱，故被剔除。最终选定8个独立变量：整株质量、莲座鲜重、根鲜重、莲座干重、根干重、根部含水量、主根长度、莲座直径。两个因变量为NIR估算的固体橡胶/根和总橡胶/根。
**4.2 HOTEL种质特异性网络分析**
使用HOTEL数据训练的模型，权重矩阵分析表明，输入参数中对预测值影响最大的是#5根干重，其次是#3根鲜重，其余参数贡献较小但均为准确预测所必需。
**4.3 OH1004种质特异性网络分析**
OH1004模型与HOTEL架构相同。影响排序为：#5根干重、#3根鲜重、#4莲座干重、#7主根长度、#8莲座直径、#2莲座鲜重、#1整株质量、#6根部含水量。与HOTEL相比，顺序不同，但根干重和根鲜重均为最主要贡献因素。
**4.4 广义组合模型分析**
将HOTEL和OH1004数据合并训练，并增加一个编码植物类型的输入神经元（9输入）。权重分析显示#5根干重影响最大，#3根鲜重次之，植物类型#9位列第三。学习曲线表明验证性能与训练性能相当，无过参数化。实测与预测值散点图显示数据点紧密分布在y=x对角线附近，表明模型可同时准确预测两个种质。1000次重复交叉验证平均R2=0.966，平均MSE=0.000683（因变量范围0-1，多数值0-0.35），分布窄表明训练稳定可重复。与MLR对比（R2=0.917，MSE=0.001899），ANN明显更优。
**5. 讨论与结论**
讨论部分指出，将定性信息（植物类型）编码为数值输入并添加神经元，使广义模型能够在多品种间实现准确预测，且精度不亚于单品种模型，这是纯数值统计方法（如主成分回归PCR和偏最小二乘PLS）难以实现的。与线性方法MLR相比，ANN在处理非线性关系时更具优势，本研究R2差异（0.966 vs 0.917）验证了这一点。研究还表明，ANN能灵活处理多种类型输入，未来可用基因组信息（如其他作物中的基因组预测）替代或补充形态特征作为输入。结论强调，橡胶蒲公英的天然橡胶浓度可通过基于ANN的预测模型计算，形态特征可作为有效输入，训练后网络分析成功识别出影响橡胶产量的关键性状，且广义模型能同时对多个种质提供可靠预测。该研究为利用植物形态性状预测橡胶浓度提供了新工具，并为未来融合多组学数据的智能育种模型奠定了方法学基础。
