甘蔗（Saccharum spp. hybrids）品种和育种克隆耐寒性分类的多变量与成像方法

《Frontiers in Plant Science》：Multivariate and imaging methods to classify cold tolerance of sugarcane (Saccharum spp. hybrids) cultivars and breeding clones

　　

针对冬季冻害的耐受性是路易斯安那州（全球最北端甘蔗种植区）品种选育的主要焦点。抗冻代谢物、木质部结构及纤维含量构成了相互关联的理化特性，共同影响冻害耐受性。本研究首次利用汁液中的代谢物作为预测变量，对甘蔗品种的耐寒性进行分类。最优拟合模型（XGBoost判别分析，XGBDA）评估了最终试验站克隆后代对胁迫耐受诱导型野生种质系的较高耐寒性。与敏感品种相比，耐寒甘蔗基因型的茎秆含有更高纤维含量，以提供机械支撑抵抗细胞损伤。荧光显微成像技术观察到了负责维持霜冻期间膜流动性的磷脂，这些磷脂分布在维管束周围的木质素中。热成像技术被提议用于实时监测时空温度变化，因为冬季冻害期间，亚冻结温度下冰晶的形成会引发茎秆损伤。随着独立预测数据集的增加，所开发的方法可用于在多变量判别分析中探索抗逆性生物标志物，通过显微成像观察特定生物标志物在细胞组分中的分布，并追踪茎秆损伤热点随时间的变化及其与抗性标志物的关系。

**论文解读：甘蔗耐寒性分类的多变量与成像方法研究**

**研究背景与问题**
甘蔗（*Saccharum* spp. hybrids）作为热带作物，在路易斯安那州（全球最北端甘蔗种植区）每年冬季面临冻害威胁，导致汁液品质下降、茎秆破裂及蔗糖损失。目前，品种耐寒性评价主要依赖冻后汁液品质（如理论可回收糖）的田间观察，但缺乏标准化统计比较方法，且无遗传或生化标记用于耐寒性筛选。传统人工取样和选择过程耗时费力，亟需自动化、标记导向的克隆选择方法。现有研究指出，抗冻代谢物（如可溶性糖、脂质）、木质部结构（导管直径、木质素含量）及纤维含量（纤维素、半纤维素、果胶、木质素）共同影响冻害耐受性，但尚未建立基于多变量分析与成像技术的系统分类体系。本研究旨在开发一套结合代谢物判别分析、荧光显微成像及热成像的方法，以评估甘蔗育种系和商业品种的耐寒性，揭示其生理生化机制，并为实时监测田间冻害提供工具。

**研究内容与结论**
研究人员采集了路易斯安那州两个试验站（LSU Sugar Research Station 和 LSU Dean Lee Research Station）的甘蔗样本，包括2024年最终试验站31个克隆及33个商业品种（含已知耐寒性等级：?、+、++、+++），并利用2023年同一地块的样本进行独立验证。通过分析汁液中的代谢物（糖类、有机酸、离子、荧光团、UV/可见光参数）及纤维含量，构建了四种判别分析模型（XGBDA、PLSDA、ANNDA、ANNDLDA），其中XGBDA模型在交叉验证中表现最优（敏感性、特异性、精确率、F1分数均接近1，误分类误差接近0）。该模型成功区分了耐寒（+++）与敏感（?）品种，并预测最终试验站克隆中L 23–160（父本HoL15-508，母本Ho 13–739）具有最高耐寒性，其母本系来自抗逆野生种质杂交。纤维含量分析显示，耐寒标准品种HoCP 04–838纤维含量最高，而敏感品种L 12–201最低；L 23–160克隆纤维含量亦显著高于敏感克隆2023164。荧光显微成像利用特异性染料（DiA标记磷脂、NIM7标记脂滴、lipid green标记中性脂）观察茎秆维管束，发现耐寒品种的维管束周围木质素中磷脂（由DiA染色显示绿色荧光）含量显著高于敏感品种，且磷脂的绿色移位（(G-R)/G）值更大，表明磷脂在维持膜流动性中起关键作用。热成像实验显示，耐寒品种HoCP 09–804在室温解冻20分钟后温度回升更快，而敏感品种L 12–201内部仍保持低温（约?0.5°C），提示热成像可实时监测冻融循环导致的茎秆损伤热点。

**结论**
本研究首次建立了基于代谢物多变量判别分析的甘蔗耐寒性分类方法，XGBDA模型能有效预测克隆的耐寒性，且纤维含量与耐寒性正相关。荧光显微成像证实磷脂是维管束木质素中的关键抗冻成分，热成像技术为田间实时监测冻害损伤提供了可行手段。该研究为甘蔗育种中耐寒性标记的探索及自动化筛选策略奠定了基础。论文发表在《Frontiers in Plant Science》。

**关键技术方法**
1. **多变量判别分析模型**：采用XGBoost梯度提升树集成（XGBDA）、偏最小二乘判别分析（PLSDA）、人工神经网络（ANNDA）及深度学习（ANNDLDA）四种算法，基于交叉验证混淆矩阵选择最优模型。
2. **荧光显微成像**：使用磷脂特异性染料DiA、脂滴染料NIM7及中性脂染料LipidGreen2，结合宽场显微镜（DAPI、GFP、Texas red、Cy5滤光片）观察维管束中脂质分布，并计算绿色移位参数((G-R)/G)进行定量比较。
3. **热成像监测**：采用FLIR E6手持热像仪（7.5–13 μm，<0.06°C灵敏度）采集冻融茎秆的RGB与热图像，分析品种间解冻速率差异。

**研究结果**
**3.1 耐寒性判别分析**
通过交叉验证比较四种算法，XGBDA模型对耐寒（+++）与敏感（?）类别的敏感性（TPR）、特异性（TNR）、精确率（P）及F1分数均最优，误分类误差（Err）最低（表1）。变量重要性图（图2a）显示，高增益变量包括无机参数（钾、钠、硝酸盐浓度、电导率）和有机参数（UV 228 nm吸收、S1/S2比值反映芳香性、酪氨酸样荧光团）。利用2023年独立样本验证（仅采用酪氨酸和硝酸盐两个预测变量），模型性能下降（表2），但通过剔除误分类样本并平衡类别后，F1分数提升至约0.9。最终，XGBDA对2024年最终试验站克隆的耐寒性预测（图4）表明，克隆L 23–160（编号2023160）具有最高耐寒性概率，其母系源于抗逆野生种质；而克隆2023164（敏感）纤维含量最低（图5b）。纤维含量分析（图5a）显示，耐寒标准品种HoCP 04–838纤维含量最高，敏感品种L 12–201与HoCP 14–885最低，且该趋势在不同年份和地块中保持一致（图5c）。

**3.2 茎秆纤维中脂质的荧光显微成像**
利用磷脂特异性染料DiA染色，耐寒品种HoCP 04–838维管束呈现显著绿色荧光（(G-R)/G=0.48），而敏感品种L 12–201仅显示0.20的绿色移位，且DMSO背景为0.03（图6a,b）。中性脂染料LipidGreen2染色后，耐寒品种（图6e）与未染色对照（图6f）的绿色移位值相近（0.99 vs 1.00），表明中性脂非主要成分。脂滴/溶酶体双染料NIM7（图6c）导致红色移位（?0.20），但未观察到明显黄色或红色区域。综合表明，此前Nile red染色观察到的红色荧光主要源于磷脂等极性脂质。

**3.3 耐寒与敏感品种茎秆解冻的热成像“净效应”**
热成像（图7）显示，冻结状态（?15°C）下，敏感品种L 12–201茎秆内部温度接近?0.5°C，而耐寒品种HoCP 09–804（++）外部温度较高。室温解冻20分钟后，耐寒品种整体呈橙黄色（温度较高），敏感品种内部仍存在黑色低温区域（温差达10°C），表明耐寒品种解冻速率更快，可能与其纤维结构及磷脂含量相关。该方法可用于田间实时监测冻融循环导致的茎秆损伤动态。

**总结与讨论**
研究通过多变量判别分析建立了耐寒性分类模型，并揭示了纤维含量与磷脂在维管束木质素中的核心作用。热成像技术为冻害监测提供了非侵入性工具。结论指出：XGBDA模型结合代谢物与纤维参数可有效预测甘蔗耐寒性；磷脂是维持膜流动性的关键抗冻成分；热成像可用于实时追踪冻融损伤热点。未来需扩大数据集以提升模型泛化能力，并探索更多生物标志物。