在白桑（Morus alba L.）青贮饲料中分离发酵质量与温室气体通量：可解释的机器学习方法揭示了关键的微生物群落核心

《Chemical and Biological Technologies in Agriculture》：Disentangling fermentation quality and greenhouse gas fluxes in Morus alba L. silage: explainable machine learning uncovers the key microbial hubs

　　

摘要

背景

Morus alba是一种可持续的木质生物质资源，可用于动物饲料和生物能源生产。然而，由于其高含水量和难以降解的木质纤维素，其高效保存受到阻碍，这通常会导致发酵质量较差和温室气体（GHG）排放增加。在这项研究中，我们探讨了一种结合物理萎蔫和生化添加剂的综合策略，以改变青贮环境，并评估了它们对发酵质量、微生物群落动态和GHG排放的综合影响。此外，我们还应用了可解释的机器学习方法来解析潜在的微生物驱动因素。

结果

研究结果表明，萎蔫有助于提高干物质保留率，减少酵母和大肠杆菌的数量，并保留营养成分，但与未萎蔫的组相比， overall GHG排放量有所增加。添加剂促进了乳酸的产生，加速了酸化过程，改善了发酵质量，并降低了GHG排放。此外，Lactiplantibacillus plantarum和纤维素酶的联合使用保持了较高的水溶性碳水化合物水平，促进了有益的酶-微生物相互作用，从而提高了发酵质量并减少了GHG排放。添加了L. plantarum和纤维素酶的组显示出最高的体外气体产生量（P < 0.01），而添加了L. plantarum和蔗糖的组显示出最低的体外气体产生量（P < 0.05）。具有反硝化能力的真菌群落与N?O排放相关。可解释的机器学习方法确定了Staphylococcus和Pediococcus分别是GHG排放和酸化的关键预测因子。网络分析进一步显示，低丰度菌类（包括细菌中心Kosakonia和真菌反硝化菌Paramyrothecium）在连接发酵质量和GHG通量方面起着关键调节作用。

结论

总体而言，这项研究揭示了控制青贮动态的微生物机制，证实了萎蔫与添加L. plantarum和纤维素酶的组合是实现M. alba饲料高质量和低碳保存的有效策略。此外，该研究强调了微生物相互作用（尤其是低丰度菌类之间的相互作用）在调节发酵质量和GHG排放中的关键作用，为深入了解青贮发酵的机制提供了更深入的理解。

图形摘要

此图像的替代文本可能是由AI生成的。