31

近日，我院品资所橡胶草团队在知名期刊《Plant Methods》在线发表了题为“A prediction model of rubber content in the dried root of Taraxacum kok-saghyz Rodin based on near-infrared spectro”的研究论文（IF=5.1）。

橡胶草是我国一种极具潜力的产胶作物，根部可以分泌天然橡胶，但目前还没有建立橡胶草快速高效的干根天然橡胶含量检测方法。本项目选用129份橡胶草为样品，采集其干根切段和粉末状态的近红外光谱数据，通过碱煮法测定样品根部的天然橡胶含量。使用蒙特卡洛抽样法（MCS）进行异常数据的剔除，使用CARS算法以及天然橡胶对应的化学特征波段对波长进行筛选。基于偏最小二乘法（PLS）、随机森林（RF）、轻量级梯度提升机器学习（LightGBM）和卷积神经网络（CNN）算法建立模型。最优的橡胶草根部切段和粉末样品的橡胶含量预测模型预测集决定系数（R2P）、预测集均方根误差（RMSEP）和预测集相对分析误差（RPDp）分别为0.951、0.979，1.814、1.133和4.498、6.845。两个模型PRDp均大于3，说明模型预测性能优秀。

本项目在850~2500nm范围内采集根段和粉末两种不同处理方式的橡胶草根部样品光谱数据，结合化学计量方法成功建立了适用于橡胶草干根橡胶含量快速测定的近红外光谱定量模型，证明了近红外光谱技术适用于橡胶草的天然橡胶含量检测工作，为橡胶草橡胶含量的快速精准测定提供技术支持，推进橡胶草的育种工作。

硕士研究生陈润峰、助理研究员严青青为论文第一作者，徐麟研究员、高强副研究员为论文通讯作者，该研究工作得到自治区自然科学基金项目、新疆农业科学院自主培育项目和新疆农业科学院青年科技骨干创新能力培养项目的支持。（品资所 陈润峰 严青青）