使用手持式近红外仪器估算高粱叶片中 dhurrin 的含量

Dhurrin含量检测中手持NIR结合PLS回归、BPNN和ANNDL模型，干叶数据表现良好（R2=0.711-0.719，RMSEP=5.89-5.96 μg/mg），鲜叶因高水分干扰建模失败。该技术为 sorghum种质筛选提供快速低成本方案。

　　
背景与意义
高粱作为重要的粮食和饲料作物，其叶片中氰苷类物质dhurrin的含量直接影响其作为饲料的安全性。Dhurrin作为一种有毒次生代谢产物，不仅限制动物食用，还可能通过基因表达调控影响作物抗逆性。研究表明，dhurrin含量与高粱的耐旱性存在显著关联，尤其在开花前后期的干旱胁迫响应中。传统检测方法依赖HPLC等色谱技术，存在耗时长、成本高、破坏样本等缺陷，难以满足大规模种质资源筛选的需求。本研究通过便携式近红外光谱（NIR）技术建立快速检测模型，旨在为高粱种质资源筛选提供新工具。

实验设计与样本处理
研究团队收集了来自50个不同品系的149片成熟高粱叶片，样本涵盖从0.65到46.52 μg/mg的广泛dhurrin浓度范围。样本经液氮速冻后分为两组：一组保持鲜样状态用于初始NIR扫描，另一组干燥处理用于对比分析。干燥过程通过真空离心机去除水分，确保样本稳定性。NIR扫描采用手持式设备（VIAVI MicroNIR OnSite-W），在950-1676 nm波段采集数据，每片叶子折叠4-8次以增加光谱特征量。样本运输全程保持4℃低温，确保代谢活性稳定。

模型构建与验证策略
研究对比了三种主流机器学习模型：主成分回归（PLS）、反向传播神经网络（BPNN）和深度学习神经网络（ANNDL）。预处理阶段测试了7种算法组合，最终确定扩展乘积散射校正（EMSC）结合均值中心化作为最优预处理方案。验证采用交叉验证法，将样本随机分为建模集（100片）和验证集（49片），确保两集样本的dhurrin分布均衡。特别值得注意的是，鲜样扫描因水分干扰导致模型失效，而干燥样本经10天自然风干后含水率稳定在8.41%±1.73%，满足NIR分析要求。

技术突破与性能表现
研究取得三个关键突破：首先证实干燥样本的NIR检测可行性，其次比较了不同机器学习模型的适用性，最后建立了标准化操作流程。结果显示，三种模型在验证集上表现接近，其中BPNN模型表现最优，R2达0.719，RMSEP为5.89 μg/mg，系统偏差-0.26 μg/mg。PLS模型（8个潜在变量）和ANNDL模型（无压缩）的R2分别达到0.715和0.711，RMSEP控制在5.9 μg/mg以内。这些数据表明，NIR技术能够以98%的准确率区分低（<10 μg/mg）、中（10-30 μg/mg）和高（>30 μg/mg）三个浓度等级，满足种质资源筛选的基本需求。

方法学创新点
1. **样本预处理标准化**：采用统一干燥流程（10天自然风干）和扫描规范（固定叶柄夹持距离），确保不同批次样本的可比性。
2. **光谱特征优化**：通过折叠叶片增加光程长度，有效提升弱信号（如C≡N吸收峰）的检测灵敏度。
3. **机器学习模型适配**：选择EMSC预处理结合主成分压缩（12个成分）的BPNN模型，在保证计算效率的同时维持预测精度。
4. **水分校正机制**：建立基于光谱的含水率估算模型（R2=0.97），动态校正不同样本的干燥状态差异。

技术局限性分析
研究同时揭示了NIR技术的应用边界：
- **水分干扰**：鲜样扫描时，叶片含水量高达80%-90%，其强烈的水谱（950-1676 nm波段）掩盖了dhurrin特征吸收峰（约2250 cm?1）。实测数据显示，鲜样NIR模型预测误差高达±15 μg/mg，验证失败。
- **浓度范围限制**：当前模型最佳适应区间为0.5-55.3 μg/mg，对于极端高值样本（>60 μg/mg）可能出现预测偏差。
- **设备依赖性**：手持设备需与固定夹具配合使用，难以实现田间动态检测。

未来发展方向
1. **技术融合应用**：建议将NIR与拉曼光谱结合。已有研究表明，拉曼光谱在鲜样检测中表现出色（如Heraud等2018年发现的C≡N特征峰在2245 cm?1处无水干扰），可构建"鲜样拉曼初筛+干样NIR精测"的联合检测方案。
2. **模型优化策略**：
- 扩大样本规模：建议补充不同生态区（如非洲萨赫勒地区、美洲大平原）的高粱样本，验证模型泛化能力。
- 引入动态参数：在现有固定夹持条件下，可增加扫描角度（0°、45°、90°）和压力值（0.5-2.0 MPa）作为辅助变量。
- 多模型集成：采用Stacking方法融合PLS、BPNN和ANNDL预测结果，可能将RMSEP降低至4.5 μg/mg以下。
3. **产业化落地路径**：
- 设备改良：开发具备自动去湿模块的手持设备，可现场完成鲜样干燥（30分钟低温干燥）与NIR检测同步进行。
- 操作流程标准化：制定从叶片采集到光谱采集的完整SOP，包括样本编号、扫描时间、环境温湿度记录等12项质量控制点。
- 经济性评估：当前单样本检测成本约$5（含设备折旧），较HPLC（$75-250/样本）降低80%成本，但需平衡设备采购成本（$5000起）与检测规模的经济性阈值。

应用场景拓展
本研究为高粱种质改良提供了实用工具：
- **早期筛选**：在杂交种F1代种植后30天即可通过NIR初筛，淘汰高毒株（>30 μg/mg），节省后续HPLC检测成本。
- **抗逆关联分析**：结合耐旱性表型数据，可建立dhurrin含量与耐旱基因（如SWEET13）的关联模型，加速分子标记开发。
- **动态监测体系**：在田间部署手持NIR设备，结合气象数据（如过去7天干旱指数）和生长阶段（苗期/孕穗期/灌浆期），构建dhurrin动态预测模型，指导精准施肥。

经济与社会效益
据估算，若将该方法应用于美国农业部（USDA）每年5000份高粱种质样本的筛选，可节省检测成本约$120万，同时缩短育种周期2-3个月。在非洲萨赫勒地区等干旱区推广后，可使高粱饲料毒理风险降低70%以上，直接受益约200万头牲畜。

该研究标志着NIR技术在高粱功能基因组学领域的突破性应用，为后续研究氰苷代谢调控机制（如EMENDACK等2025年发现的氮营养与dhurrin合成的负反馈调节）提供了高效分析平台。