基于深度学习的大豆病害表型分析与系统发育信号评估

《Agronomy》：Deep Learning-Based Phenotypic Analysis of Soybean Diseases and Assessment of Phylogenetic Signal

　　

由真菌、细菌和病毒病原体引起的大豆病害是全球农业生产力的主要限制因素。尽管分子系统发育分析已增进了对病原体进化的理解，但疾病表型在多大程度上反映进化关系仍知之甚少。在本研究中，研究人员开发了一个整合框架，结合基于深度学习的表型分析与系统发育推断，以研究大豆病害症状与病原体进化之间的关系。训练了一个EfficientNet-B0卷积神经网络（CNN）来分类包含703张叶片图像的10个大豆病害类别，并达到了平均交叉验证准确率98.72±1.17%，加权F₁分数98.74±1.16%，宏F₁分数98.47±1.74%。在通过图像级划分产生的保留测试集上的评估得到了准确率96.19%，加权F₁分数96.28%，宏F₁分数95.86%。潜在特征嵌入揭示了一个结构化的表型空间，大多数病害类别之间清晰分离，并实现了表型相似性的定量分析。为了提供生物学背景，将基于分类学的距离矩阵和基于²⁸S rRNA序列的真菌子集序列系统发育分析与CNN衍生的表型表征进行了比较。曼特尔检验（Mantel test）发现表型距离与系统发育距离之间存在中等且统计显著的相关性（Spearman r = 0.3393，p = 0.0050），表明病原体进化历史对疾病表型有贡献，但仅解释了部分观察到的表型变异。总体而言，结果表明深度学习有效捕获了有生物学意义的表型信息，同时强调了疾病症状源于病原体进化、宿主反应和环境条件的共同影响。本研究提供了一个整合框架，将基于图像的表型分析与系统发育分析相结合，以支持对植物病害表型的生物学知情解释。

大豆病害（由真菌、细菌和病毒病原体引起）对全球农业生产力构成重大威胁。传统病害诊断依赖视觉检查，主观且效率低；深度学习在植物病害分类中取得进展，但多数研究仅关注预测准确率，缺乏对所学特征生物学意义的解释。此外，表型与病原体进化之间的关系尚不清楚。为此，研究人员开展了本研究，旨在整合基于深度学习的表型分析与系统发育推断，探究大豆病害症状与病原体进化历史之间的关联。他们开发并训练了EfficientNet-B0卷积神经网络（CNN），对703张包含10类大豆病害的叶片图像进行分类，提取潜在特征嵌入进行表型相似性分析，并与基于分类学和²⁸S rRNA序列的系统发育分析进行比较，通过曼特尔检验（Mantel test）量化表型与系统发育距离的相关性。研究得出：模型分类准确率高（测试集准确率96.19%），特征嵌入形成结构化表型空间，且表型与系统发育存在中等但显著的相关性（Spearman r = 0.3393，p = 0.0050），表明表型受病原体进化、宿主反应和环境条件共同影响。该研究发表在《Agronomy》期刊，为结合图像表型与系统发育分析提供了整合框架，有助于对植物病害表型进行生物学知情解释。

主要关键技术方法包括：使用ImageNet预训练的EfficientNet-B0 CNN进行迁移学习，基于加权交叉熵损失和加权随机采样处理类别不平衡；应用Gradient-weighted Class Activation Mapping（Grad-CAM）进行模型可解释性可视化；提取倒数第二层特征嵌入，通过t-分布随机邻域嵌入（t-SNE）进行降维可视化，并计算余弦相似性构建表型相似性矩阵；基于²⁸S rRNA序列对真菌子集进行邻接法（Neighbor-Joining）系统发育树构建；使用曼特尔检验比较表型距离与序列遗传距离的相关性。样本来源：703张大豆叶片图像主要来自Kaggle公共数据集，部分由研究人员自采（大豆猝死综合征SDS）。

研究结果如下：
**3.1 模型训练动态与性能（Model Training Dynamics and Performance）**：通过训练和验证损失、准确率、加权F₁分数和宏F₁分数的监测，表明模型稳定收敛，无过拟合。五折交叉验证获得平均准确率98.72±1.17%，加权F₁分数98.74±1.16%，宏F₁分数98.47±1.74%。
**3.2 分类准确率与误差分析（Classification Accuracy and Error Analysis）**：在独立测试集上，模型准确率96.19%，加权F₁分数96.28%，宏F₁分数95.86%。大多数类别零误差，但白粉病与褐斑病、黄化花叶病存在少量误分类，反映视觉症状重叠。
**3.3 模型可解释性（Model Interpretability）**：Grad-CAM可视化显示模型注意力集中在病变组织（坏死、褪绿等），针对不同病害模式（局灶性 vs 弥漫性）产生不同激活区域，支持模型学习到生物学相关特征。
**3.4 特征表示与嵌入结构（Feature Representation and Embedding Structure）**：t-SNE投影显示10类病害形成清晰分离的聚类，嵌入空间主要按视觉症状组织而非病原体类型，真菌病害内部存在多样性。
**3.5 表型相似性与网络结构（Phenotypic Similarity and Network Structure）**：余弦相似性矩阵显示多数病害间相似性低，少数配对（如花叶病毒与南方疫病，相似度0.47）具有中等相似性。表型相似性网络稀疏，反映视觉特征的整体区分性。
**3.6 基于序列的系统发育关系（Sequence-Based Phylogenetic Relationships）**：基于²⁸S rRNA序列的遗传距离矩阵和邻接法系统发育树揭示了真菌病原体的进化关系，如Septoria glycines与Cercospora kikuchii为近缘支系。
**3.7 表型与遗传关系的聚类比较（Comparative Clustering of Phenotypic and Genetic Relationships）**：层次聚类显示表型树与遗传树仅部分一致，视觉相似性并不完全对应进化关系，说明表型受进化背景和独立症状发育共同影响。
**3.8 病原体水平表型相似性（Pathogen-Level Phenotypic Similarity）**：病原体水平表型相似性矩阵显示大部分配对相似性低，与基于分类学的距离矩阵相比，表型相似性不完全反映病原体分类。
**3.9 表型-系统发育关联（Phenotype–Phylogeny Association）**：曼特尔检验发现表型距离与遗传距离存在中等显著正相关（Spearman r = 0.3393，p = 0.0050），表明系统发育信号可检测但不完整，表型变异还受宿主、环境等因素影响。

讨论部分总结：深度学习模型在疾病分类中表现稳健，但类别不平衡限制了稀有类泛化评估；Grad-CAM可视化证实模型关注生物学相关区域；特征嵌入空间主要按视觉症状组织，而非病原体分类；表型相似性网络反映症状重叠而非进化关系；表型与系统发育的部分关联表明进化历史对表型有贡献但非唯一因素；多模态整合（表型、基因组、环境）是未来方向；该框架在精准农业中具有应用潜力，但需更大规模、多地点数据集验证。

结论部分翻译：本研究提出了一个整合框架，结合基于深度学习的表型分析与系统发育推断，以探究大豆病害症状与病原体进化历史之间的关系。所提出的EfficientNet-B0模型在10个大豆病害类别上实现了高分类性能，表明卷积神经网络能够有效学习判别性视觉表征，尽管存在严重的类别不平衡。此外，学习到的特征嵌入形成了一个结构化的表型空间，清晰分离了大多数病害类别，同时保留了视觉相似症状之间具有生物学意义的关系。表型相似性、分类学和基于序列的系统发育的比较分析表明，学习到的特征空间主要按视觉症状特征组织，而非病原体分类学。然而，曼特尔检验发现表型距离与系统发育距离之间存在中等且统计显著的相关性，表明CNN衍生的特征表征包含可检测的系统发育信号，同时也反映了其他生物学变异来源。这些发现表明，病原体进化历史对疾病表型有贡献，但并非其视觉表达的唯一决定因素。结果进一步证明，疾病表型源于病原体进化、宿主反应、疾病进展和环境条件的共同影响。因此，深度学习衍生的表型表征不应被视为病原体系统发育的直接替代，而应被视为互补的生物学信息来源，可用于增强对植物病害多样性的解释。从方法论角度看，本研究展示了将基于图像的表型分析与系统发育分析相结合的价值，从而超越自动病害分类，迈向对深度学习模型的生物学知情解释。此类整合方法有望提高人工智能系统的可解释性以及我们对植物-病原体相互作用的理解。未来研究应扩展表型和基因组数据集，纳入更广泛的病原体类群，采用更高分辨率的分子标记（如ITS区域、多位点数据集或全基因组测序），并整合宿主基因型和环境变量等额外信息。这些进展将有助于更全面地探究表型-系统发育关系，并支持开发更准确、可解释且具有生物学知识的病害诊断系统，用于精准农业。