《Plants》：Machine Learning-Driven Cellular Automata for Simulating Plant Growth Regulator-Optimized Callus Induction in Caladium bicolor
编辑推荐：
五彩芋（Caladium bicolor (Aiton) Vent.）是一种观赏叶植物，其高效的离体再生仍是一项挑战。本研究建立了一种整合拉丁超立方采样（Latin hypercube sampling, LHS）、高斯过程回归（Gaussian proces
五彩芋（Caladium bicolor (Aiton) Vent.）是一种观赏叶植物，其高效的离体再生仍是一项挑战。本研究建立了一种整合拉丁超立方采样（Latin hypercube sampling, LHS）、高斯过程回归（Gaussian process regression, GPR）和元胞自动机（Cellular Automata, CA）的计算工作流。以品种‘流光叠彩’为材料，通过LHS设计了18种植物生长调节剂（PGR）组合，并在MS + 2.0 mg/L 6-BA + 0.2 mg/L NAA培养基上培养45天后，以不定芽诱导率和每个愈伤组织的芽数评估愈伤组织诱导及不定芽再生效果。研究人员将四种机器学习模型与响应面法（RSM）进行基准比较；通过NSGA-II和TOPSIS进行多目标优化，并利用动态形态学指标对CA模型进行校准。结果表明，6-BA对愈伤组织诱导率和形成时间具有最强的非线性调控作用；2,4-D主导生物量积累；NAA调节形成时间。模型推荐的组合（2.0 mg/L 2,4-D + 0.6 mg/L 6-BA + 0.8 mg/L NAA）经实验验证，获得80.1%的愈伤组织诱导率和5.41 g鲜重，与GPR预测的偏差小于1%。校准后的CA模型重现了时空生长过程，平均交并比（IoU）为0.83。优化后的愈伤组织表现出增强的再生能力，不定芽诱导率达到88.9%。通过将预测建模与动态模拟相结合，该工作流为优化离体再生系统提供了一种有前景的策略。
一、研究背景与问题
五彩芋（Caladium bicolor (Aiton) Vent.）是天南星科重要的盆栽观叶植物，在全球花卉产业快速扩张和消费者对新颖叶色叶斑需求增长的背景下，新品种培育需求日益增加。然而，传统杂交育种面临育种周期长、性状分离广泛等瓶颈，生物技术手段成为加速遗传改良的关键路径，而高效的离体再生系统是其中不可或缺的基础，愈伤组织诱导作为关键第一步，为农杆菌介导的遗传转化提供具备全能性的细胞群体。尽管植物生长调节剂（PGR）的浓度配比是决定愈伤诱导成功的主要因素，但此前的相关研究多局限于定性观察或单因素比较，缺乏能够解析多种PGR间非线性交互效应的定量模型。传统优化策略如单因素试验和正交设计，以及响应面法（RSM）因依赖预定义的线性或二次方程，均难以充分表征植物组织培养系统中高度非线性的复杂生物学过程。近年来，机器学习（ML）在植物组织培养优化中展现出潜力，但现有ML模型多为静态输入-输出映射，无法模拟PGR调控下愈伤组织生长的时空动态过程，而这一阶段恰恰决定后续再生的成败。元胞自动机（CA）虽能模拟复杂空间生物学现象，但其可靠性依赖于精确的参数初始化，如何利用经验数据系统优化这些参数仍是重大挑战。
二、研究内容与结论
针对上述方法学瓶颈，研究人员开发了一套整合实验设计（DoE）、响应面法（RSM）、机器学习（ML）和元胞自动机（CA）四个互补分析层次的集成工作流。以五彩芋‘流光叠彩’为生物学模型，系统评估了多因子PGR交互作用、动态组织生长及后续再生能力。研究结果表明，6-BA对愈伤诱导率和形成时间发挥最强的非线性调控作用，2,4-D主导生物量积累，NAA调节形成时间。模型推荐的组合（2.0 mg/L 2,4-D + 0.6 mg/L 6-BA + 0.8 mg/L NAA）经独立验证，愈伤诱导率80.1%、形成时间37.0天、鲜重5.41 g，与GPR预测偏差均小于1%。更为关键的是，优化组合诱导的愈伤组织在后续不定芽诱导中表现出显著增强的再生能力（88.9% vs. 81.1%），每个响应愈伤组织的芽数也显著提高（6.41 vs. 4.80）。校准后的CA模型平均IoU达0.83，成功重现了愈伤组织时空生长轨迹。该工作流首次将LHS、GPR和二维CA系统耦合应用于五彩芋愈伤诱导，为多种难再生植物物种的愈伤发生预测与时空模拟提供了可推广的计算策略。
三、关键技术方法
研究人员采用的主要技术方法包括：（1）拉丁超立方采样（LHS）作为空间填充实验设计，在2,4-D（0.5–2.0 mg/L）、6-BA（0.2–1.0 mg/L）、NAA（0.1–0.8 mg/L）浓度窗口内生成18种PGR组合；（2）响应面法（RSM）二次多项式回归及方差分析（ANOVA）作为参数化基准；（3）四种机器学习模型（随机森林RF、LightGBM、支持向量回归SVR、高斯过程回归GPR）经留一交叉验证（LOOCV）评估，GPR凭借最优预测精度和不确定性量化能力被选为核心代理模型；（4）NSGA-II多目标遗传算法结合TOPSIS进行全局优化与折中解选择；（5）二维元胞自动机（CA）模型（50×50网格，Moore邻域）结合反应-扩散方程模拟愈伤组织时空生长，以交并比（IoU）量化空间一致性。植物材料为广东省农业科学院提供的无菌组培五彩芋‘流光叠彩’苗。
四、研究结果
2.1 LHS处理下的愈伤诱导响应：18种PGR组合显著影响愈伤诱导效率和组织生物量。处理15号（1.7 mg/L 2,4-D、0.5 mg/L 6-BA、0.8 mg/L NAA）获得最高诱导率（79.0%）、最短形成时间（38.0天）和最大鲜重（5.34 g）；无PGR对照几乎无愈伤形成（2.9%），表明外源PGR供应是高效愈伤形成的必要条件。
2.2 方差分析（ANOVA）：三个响应变量的二次多项式模型均极显著（p<0.0001），调整R2分别为0.9603、0.7070和0.9109。6-BA对诱导率线性效应最强（F=59.66），仅6-BA对形成时间线性效应显著（F=5.72）；2,4-D×NAA交互作用显著影响诱导率（F=8.70）和形成时间（F=17.19）。
2.3 Pareto图和响应面分析：标准化Pareto图显示，6-BA二次项（|t|=7.94）和线性项（|t|=7.72）对诱导率影响最强；形成时间仅2,4-D×NAA交互（|t|=4.15）和6-BA线性（|t|=2.39）超过显著性阈值；鲜重方面6-BA线性（|t|=4.41）和2,4-D线性（|t|=3.48）贡献最大。三维响应面呈凹形曲面，表明存在最优浓度窗口。
2.4 ML架构性能基准：LOOCV评估显示GPR在三个响应变量上均获最高R2（诱导率0.835、形成时间0.825、鲜重0.912），且RMSE、MAE、MedAE均最低，故被选为核心代理模型。
2.5 模型推荐组合验证：TOPSIS选择的折中组合（2.0 mg/L 2,4-D + 0.6 mg/L 6-BA + 0.8 mg/L NAA）经独立验证，实测值（80.1%、37.0天、5.41 g）与GPR预测（80.30%、37.64天、5.443 g）相对偏差分别为?0.25%、?1.70%、?0.60%，且优于初始最优处理15号。
2.6 元胞自动机时空模拟：CA模型从49个初始增殖网格单元出发，经Moore邻域规则模拟去分化、指数增殖和空间扩张，第21天总组织计数增至212，重现了快速扩张期（0–15天）和结构致密化期（15–21天）的形态学变化。
2.7 空间一致性定量评估：IoU分析显示第0天最高（0.92），主生长期（3–9天）从0.88降至0.82，后期（12–21天）降至0.70，平均IoU为0.83，表明模拟捕获了总体生长轨迹和空间扩张。
2.8 优化愈伤组织再生能力验证：优化组合诱导的愈伤组织在统一再生培养基上不定芽诱导率显著更高（88.9% vs. 81.1%），每响应愈伤组织芽数也显著更多（6.41 vs. 4.80）。
五、讨论总结
讨论部分指出，无PGR对照中仅伤口边缘的少量增殖可能反映进化保守的创伤响应程序，外源PGR主要起放大和维持创伤启动信号的作用。三种PGR作用模式各异：6-BA呈强单调线性影响，NAA兼具强线性效应与中等曲率，2,4-D主要通过凹形最优窗口响应发挥作用。2,4-D的抛物线响应可归因于亚适浓度下TIR1/AFB介导的Aux/IAA降解激活不足，而过量则诱导乙烯和脱落酸积累抑制生长。2,4-D与NAA的非加性交互可能源于两者不同的摄取与持久性特征。GPR在有限样本条件下的优越性能表明非参数贝叶斯回归适合小样本非线性植物组织培养数据集。优化组合的真正的功能新颖性体现在下游再生能力的显著提升，而非愈伤诱导端点指标本身。CA模型的局限性包括：优化严格限于设计空间内、转移规则为现象学近似、二维网格简化了三维组织架构、参数仅基于单一品种训练。未来工作可引入三维几何、动态反馈回路和多组学约束以提升机制保真度。
六、结论翻译
本研究开发了整合LHS、GPR和CA的计算工作流，以应对植物组织培养优化中的方法学挑战。以五彩芋为生物学验证模型，该工作流表征了三种关键PGR的非线性响应，并确定了优化配方（2.0 mg/L 2,4-D、0.6 mg/L 6-BA和0.8 mg/L NAA）。该配方的实测性能（80.1%愈伤诱导率、37.0天形成时间、5.41 g鲜重）与模型预测高度一致（相对偏差<1%），证实了整合GPR–NSGA-II工作流的准确性，且与初步筛选中最佳经验处理（15号；79.0%诱导率）相当。值得注意的是，计算优化配方的优势在后续再生中最为突出：优化组合诱导的愈伤组织不定芽诱导率显著更高（88.9±1.9% vs. 81.1±1.9%），每响应愈伤组织芽数也更多（6.41±0.38 vs. 4.80±0.28）（p<0.05，Duncan检验）。此外，CA模型与观察到的愈伤生长模式达到显著空间一致性（平均IoU=0.83），支持其在模拟动态组织发育和潜在指导继代时机方面的实用性。通过将静态端点预测与动态形态模拟相结合，该工作流为优化愈伤诱导及后续再生提供了计算策略。经跨物种和培养系统进一步验证后，该工作流有望为克服离体再生顽固性、改善多因子优化及促进园艺球根植物和其他重要经济物种的规模化繁殖提供可转移的方法。将该再生平台与基因组和分子工具（如叶绿体基因组工程）整合，可进一步加速遗传改良项目。
