采用响应面方法和机器学习技术，为几种药用植物开发了一种体外慢生长愈伤组织保存策略

《BMC Biotechnology》：An in vitro slow-growth callus conservation strategy for several medicinal plants using response surface methodology and machine learning

　　

摘要

背景

愈伤组织的体外培养是保护经济重要作物遗传资源的一种有效方法。然而，连续的继代培养是一个成本高昂且劳动密集的过程。因此，需要建立一种适用于多种植物物种的高效长期体外保存系统。在本研究中，使用了来自五种药用植物的愈伤组织（Camellia japonica (Cj)、Centella asiatica (Ca)、Ligusticum afficinale (Lo)、Panax ginseng (Pg) 和 Sageratia thea (St)）来优化保存条件并制定合适的体外保存策略。愈伤组织在适当的培养基中于5°C下保存了120天。在保存期间评估了细胞活力和再生率，并研究了生长与抗氧化特性之间的相关性。随后，利用RSM方法对蔗糖（3–9%）、MeJA（0-200 μM）和CTR（0–20 mg/L）进行了预处理优化，并评估了预处理和保存温度对愈伤组织保存的影响。此外，还应用了GRNN、MLP、RF、SVR和XGBoost等机器学习模型对实验数据进行了分析。

结果

研究结果表明，与Ca和St相比，Lo、Pg和Cj表现出显著的更高抗氧化能力，同时保持了较高的细胞活力和再生率。有趣的是，Ca和St在60天后细胞活力和再生率急剧下降，而Lo、Pg和Cj的细胞活力和再生能力保持了90天。根据相关性分析，总酚含量（TPC）和抗氧化能力（AC，通过FRAP测定）与细胞活力和生长率呈高度正相关。RSM预测，增强抗氧化能力的最佳预处理培养基是添加了3%蔗糖、135 μM MeJA和20 mg/L CTR的物种特异性增殖培养基；而使用添加了9%蔗糖和200 μM MeJA的物种特异性增殖培养基时，总抗氧化能力（TSSC）最高。在根据RSM优化得到的抗氧化增强预处理后，将保存温度设定为15°C时，所有五种植物的细胞活力和再生率均有所改善。在测试的机器学习模型中，XGBoost在体外保存过程中对细胞活力和再生率的预测表现最为稳定和准确。基于SHAP的XGBoost模型分析显示，保存时间是影响再生率预测的最重要因素，其次是保存温度，而预处理条件也具有次要但显著的贡献。

结论

本研究表明，长期愈伤组织保存与抗氧化能力和总酚含量密切相关。添加了3%蔗糖、135 μM MeJA和20 mg/L CTR的培养基，在15°C下保存，显著提高了细胞活力和再生率，且愈伤组织可以在不进行继代培养的情况下保存长达120天。这种方法为多种植物遗传资源的体外保存提供了一种高效且广泛适用的策略。