《Frontiers in Agronomy》：Application of statistical and artificial intelligence models to estimate in vitro ruminal methane production in tropical forage groups
编辑推荐：
**摘要**
**引言：** 筛选低瘤胃甲烷（CH?）产量的热带饲草对于减少畜牧业排放及支持全球甲烷减排倡议（如全球甲烷承诺）至关重要。尽管体外发酵系统为体内测量提供了一种实用的替代方法，但大规模饲草评估仍然耗费大量资源。在此背景下，统计和人工智能（AI）
**摘要**
**引言：** 筛选低瘤胃甲烷（CH?）产量的热带饲草对于减少畜牧业排放及支持全球甲烷减排倡议（如全球甲烷承诺）至关重要。尽管体外发酵系统为体内测量提供了一种实用的替代方法，但大规模饲草评估仍然耗费大量资源。在此背景下，统计和人工智能（AI）建模已成为高通量筛选的有前景工具，尽管其预测性能仍需进一步评估。本研究分析了统计和AI模型在估算热带饲草组体外瘤胃甲烷产量中的应用。
**方法：** 研究人员将总计395份饲草种质，代表热带豆科（Fabaceae，n = 238）和禾本科（Poaceae，n = 157），在体外发酵系统中孵育24小时，以测量产气量（GP）、气体中的甲烷含量、真实干物质消化率（DMd）以及分配因子（PF）。化学组成分析确定了有机物质（OM）、粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）和灰分含量。根据NDF和ADF值计算半纤维素（HEM）含量。研究人员使用发酵和化学组成变量来预测体外甲烷产量。针对植物学家族（豆科和禾本科）、功能群（攀缘植物、草本豆科植物、灌木-乔木）以及全部数据集分别建立了模型。模型的性能通过重复5折交叉验证（重复5次）进行评估。
**结果：** 模型性能在所评估的饲草组之间存在差异（RMSE = 1.61 – 5.03；R2 = 0.76 – 0.88）。针对特定饲草组的多元模型，整合了发酵特性和选定的化学组成变量（例如，GP、DMd和CP），在使用统计算法和AI算法实现时达到了最佳的预测性能，尤其是使用线性核函数的支持向量回归，其次是多元回归。在某些组（例如，禾本科、攀缘植物和灌木-乔木），模型的分析性能表现令人满意，但仍需使用独立数据集进行进一步验证。这些结果凸显了基于统计和AI的模型在利用发酵和组成变量估算甲烷产量方面的潜力。当由于成本或分析基础设施限制而无法直接测量甲烷时，这些模型提供了一种实用的补充工具。其应用可以扩展饲草研究中的甲烷评估，尤其是在资源有限的地区。
**论文解读文章**
**1. 研究背景与问题的提出**
减少反刍动物甲烷（CH?）排放是全球农业面临的重大挑战。肠道CH?约占农业温室气体排放量的32%，已成为《全球甲烷承诺》等国际倡议的重点关注目标。在众多减排策略中，改良饲草品质和筛选具有低甲烷排放潜力的饲草资源尤为引人注目，因为这能在减少排放的同时提升动物生产性能。热带饲草基因库中蕴藏着丰富的遗传、形态和生化多样性，为识别低产甲烷潜力的物种和功能群提供了宝贵资源。
当前，体外发酵技术（如产气法和Hohenheim产气试验）是评估饲草甲烷产量的主要手段，但此类方法需要专门的基础设施、甲烷定量设备、瘤胃液和熟练的技术人员，使得大规模、高通量评估数千份基因库种质成本高昂且费力耗时。为克服这些限制，统计模型曾被用于估算体外甲烷产量，但传统回归方法受限于线性假设、对多重共线性敏感，且难以捕捉预测因子间的复杂交互作用。近期，人工智能（AI）技术（如随机森林、支持向量回归、神经网络）在建模生物系统非线性多变量关系方面展现出潜力，但在热带饲草体外甲烷预测中的应用仍需探索。
因此，本研究旨在评估统计与人工智能模型利用发酵参数和化学组成估算热带饲草体外瘤胃甲烷产量的性能，并特别探究根据功能类型对物种分组是否能提高预测精度，以及AI方法是否优于传统回归模型。
**2. 研究设计与核心技术方法**
该研究在位于哥伦比亚的国际生物多样性中心和CIAT（国际热带农业中心）研究园区进行。研究人员分析了从热带饲草基因库和热带牧草育种项目中获取的395份饲草样本，涵盖豆科（n = 238）和禾本科（n = 157）。豆科样本被细分为三个功能群：攀缘豆科（n=90）、草本豆科（n=104）和灌木-乔木豆科（n=44）；禾本科则包括Urochloa humidicola（n = 47）、Urochloa种间杂交种（n = 53）和Megathyrsus maximus（n = 57）。研究人员采用体外发酵系统（Menke和Steingass注射器产气法）进行24小时培养，测定了产气量（GP）、甲烷产量、真实干物质消化率（DMd）和分配因子（PF），并分析了包括有机物质（OM）、粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、半纤维素（HEM）等在内的化学组成。瘤胃液采自四头瘤胃瘘管婆罗门阉牛。统计建模采用简单线性回归（含二次趋势）和多元线性回归（后向变量选择）。AI建模则包括回归树、随机森林（RF）、极端梯度提升（XGBoost）以及采用线性、径向基函数和多项式核函数的支持向量回归（SVR-L、SVR-R、SVR-P）。对于全部数据集，还实现了一个密集型神经网络（NN）。模型性能通过重复5折交叉验证（5次重复）进行评估，并采用RMSE、R2、Lin‘s一致性相关系数（CCC）和残差预测偏差（RPD）等指标进行衡量。
**3. 主要研究结果**
* **描述性统计与相关性分析**
描述性统计显示，豆科（含攀缘植物、草本豆科、灌木-乔木）相比禾本科，倾向于具有更高的CP、DMd和PF值，以及更低的NDF和HEM浓度。在发酵产物方面，豆科样本每单位消化干物质的产气量低于禾本科，甲烷强度也较低。Spearman相关性分析表明，绝对甲烷产量（ml/g DMi）与每克干物质 incubated 的产气量（ml Gas/g DMi）强正相关（rsp = 0.82），而甲烷强度（ml/g DMd）与每克消化干物质产气量（ml Gas/g DMd）强正相关（rsp = 0.83），并与PF强负相关（rsp = -0.82）。
* **简单线性与二次回归模型**
产气量是简单线性回归模型中最强的甲烷预测因子。对于绝对甲烷，最佳模型的RMSE在1.80至2.75之间，R2在0.66至0.84之间，其中灌木-乔木组的模型性能最优（R2 = 0.84，CCC = 0.89，RPD = 2.76）。各功能群的模型斜率相近，表明每增加1毫升气体，甲烷产量增加0.15至0.19毫升。对于甲烷强度，模型性能在不同饲草组间有差异（RMSE = 3.55 – 5.27；R2 = 0.78 – 0.88），同样以灌木-乔木组为最佳（R2 = 0.88）。利用二次回归模型，也可通过PF来合理预测甲烷强度，其性能在不同组间波动。整体来看，将数据按功能群或科进行分组，所得到的模型优于使用全部数据集的通用模型，表明组特异性模型能降低组内变异，从而提高预测精度。
* **多元统计与AI模型**
仅使用化学组成变量的模型预测性能较差。相比之下，包含发酵参数的模型（单独或与化学组成结合）表现最佳，贡献了大部分预测能力。在多数饲草组中，结合CC+FP并使用SVR算法的模型表现最优。例如，对于豆科和草本豆科组的绝对甲烷预测，最佳模型分别是采用SVR-L和SVR-R的CC+FP模型；对于攀缘植物组，多元回归（MR）表现最佳；对于禾本科，使用FP变量的RF模型以及灌木-乔木组的MR模型也已足够。对于全部数据集，使用CC+FP的SVR-P模型为最优选择。对于甲烷强度，最佳模型也多采用CC+FP组合，并常以SVR-L实现，但攀缘植物组的最佳模型是MR，灌木-乔木组的最佳模型是使用产气量的简单线性回归。RF和MR模型在部分情况下（如禾本科、草本豆科的绝对甲烷预测）展现出一定过拟合迹象。总体而言，按生物学分组构建的模型（按科或功能群）在性能上优于基于全部数据集的模型。
* **模型比较与变量重要性**
多元统计与AI模型相比最佳简单线性回归模型，在引入FP或CC+FP数据时，显著降低了RMSE并提高了R2，改善幅度因组和预测目标而异。在所有表现最佳的模型中，AI算法（特别是SVR）出现频率最高。SVR，尤其采用线性核函数的SVR-L，凭借其处理中小型数据集、容忍多重共线性、不依赖严格分布假设及捕捉非线性关系的能力，成为最稳健且性能最佳的算法。对于全部数据集模型，变量重要性分析显示，产气量（ml/g DMd）是预测甲烷强度的最重要变量，而产气量（ml/g DMi）、DMd和CP是预测绝对甲烷的最重要变量。
**4. 讨论与结论**
讨论部分指出，基于发酵参数（如产气量、DMd、PF）的模型比单独基于化学组成（如CP、NDF）的模型预测性能更好，这归因于发酵变量直接反映了瘤胃微生物的代谢活动。AI算法（尤其是SVR）相比传统多元回归，在处理生物系统的复杂性和非线性方面更具优势，尽管其“黑箱”特性限制了生物学机制的解释，但可通过变量重要性分析等手段提高透明度。将饲草按功能群或植物学家族分组建模是一种有效的策略，它能减少生物学变异，提升预测精度。
本研究结论明确指出，结合发酵特征与化学组成性状，并按植物学家族或饲草功能群对数据进行分层，使用多元统计和AI算法（特别是具有线性核函数的SVR）能最佳地估算热带饲草的体外瘤胃甲烷产量。产气量（ml/g DMi）、DMd和CP是绝对甲烷产量的最强预测因子，而每克消化干物质的产气量是甲烷强度的主要预测因子。所有最佳模型均未表现出明显过拟合，具有良好的泛化能力。这些模型在实际应用中具有重要意义，尤其适用于因成本或实验条件限制而无法进行直接甲烷测量的实验室，可作为大规模饲草筛选和育种计划中的实用决策支持工具。然而，所有模型在广泛应用前，仍需使用独立数据集进行外部验证，以确认其稳健性和普适性。对于表现出一定过拟合的模型，建议探索替代建模策略以提升其稳定性。
