结合形态生理学、基因表达及机器学习技术，研究火龙果对盐分和干旱胁迫的响应特征

《Scientific Reports》：Integrating morphophysiology, gene expression and machine learning to characterize salt and drought stress responses in dragon fruit

　　

摘要

非生物胁迫是限制植物生长和产量的主要环境因素，尤其在盐分和干旱频繁同时出现的干旱及半干旱地区。本研究从形态生理、分子以及机器学习多个层面，评估了盐胁迫（150 mM NaCl）、PEG诱导的干旱胁迫（4% PEG-8000）及其联合处理对火龙果（Hylocereus undatus）离体反应的影响。所选用的NaCl和PEG浓度能够产生中度到重度的盐分和渗透胁迫，这类胁迫已被证实会影响火龙果的生长和生理机能。将火龙果的茎节外植体置于胁迫环境中14天，之后测定其视觉胁迫评分、侧芽数量、茎长、根长、茎直径、鲜重、干重、根数以及SPAD值。此外，还通过RT-qPCR技术分析了五种胁迫响应基因（HuERF1、HuTZF3、Cu/Zn-SOD、CAT和NCED）的表达水平。盐胁迫，尤其是盐-干旱联合处理，显著降低了植物的生长速度和生理功能。与对照组相比，联合处理使根长减少了约87%，鲜重减少了67%，根数减少了54%，SPAD值下降了46%，这表明根系发育、生物量积累以及叶绿素相关功能受到了严重抑制。基因表达分析显示，在含盐处理条件下，HuERF1和Cu/Zn-SOD的表达显著上升，说明植物的胁迫信号传导和抗氧化防御机制被激活；而在PEG诱导的渗透胁迫及联合胁迫条件下，NCED的表达水平最高，表明ABA介导的渗透调节机制在起作用。相比之下，CAT的表达在不同处理条件下相对稳定。利用随机森林分类器对形态学数据进行分析后，能够以约73%的准确率区分不同的胁迫处理类型。特征重要性分析表明，SPAD值、视觉胁迫评分、侧芽数量、根数和鲜重是最有助于区分不同处理类型的形态生理指标。总体而言，这些研究结果表明，盐分和干旱，尤其是二者共同作用时，会对火龙果的生长性能及胁迫响应基因的调控产生显著影响，同时也凸显了机器学习在识别与非生物胁迫响应相关的表型特征方面的应用潜力。