近日，Plant Biotechnology Journal杂志在线发表了由宁夏大学葡萄酒与园艺学院吴龙国课题组与中国农科院蔬菜花卉研究所闫妍研究员团队合作撰写的“A cross-scale transfer learning framework: prediction of SOD activity from leaf microstructure to macroscopic hyperspectral imaging”论文。该研究工作通过卷积神经网络结合长短期时间记忆（CNN-LSTM）算法构建了番茄叶片中超氧化物歧化酶（SOD）活性的微观和宏观模型。利用异质二维相关光谱（H2D-COS）确定了与番茄叶片SOD活性相关的10个宏观敏感吸收峰和10个微观敏感吸收峰。进一步，将CNN-LSTM算法与H2D-COS分析相结合，实现了基于敏感波段的微观模型与宏观模型之间的迁移学习。研究团队首次实现了微观和宏观高光谱之间的迁移学习及可视化，为番茄叶片中SOD活性的观察和定量提供了新的方法，同时为番茄叶片中痕量物质的定量检测和H2D-COS在迁移学习中的应用奠定了基础。
番茄作为我国设施栽培面积最大的园艺作物之一，已成为许多地区的主要经济支柱作物。在番茄生长过程中，土壤中的盐分是影响番茄健康生长和优质产量的限制因素之一。在正常生长情况下，植物机体活性氧的生成和消除处于平衡状态。在盐胁迫的情况下，平衡被打破，由于植物无法通过其防御系统抵御盐胁迫，过多的活性氧在植物体内积聚，导致番茄植株氧化胁迫现象发生。超氧化物歧化酶（SOD）、过氧化氢酶（CAT）和过氧化物酶（POD）是三种至关重要的抗氧化酶。SOD催化O2-的歧化反应生成H2O2和O2，H2O2随后被POD和CAT清除。受到逆境胁迫时，番茄叶片会出现明显的生理和表型变化，这与SOD的活性和分布密切相关。尽管如此，如何实时精准反映SOD活性动态变化，其背后的检测方法仍不完全清楚。
宁夏大学吴龙国课题组及其合作团队提出了基于CNN-LSTM算法的H2D-COS分析与迁移学习相结合的方法来研究番茄叶片的SOD活性。研究了基于敏感波长的微观模型和宏观模型之间的迁移学习，既保留了MHSI在获取痕量物质方面的优势，又规避了MHSI试验的复杂性和有损性，极大促进了高光谱在微量物质的定量检测方面的应用，为监测及精准量化番茄叶片中的SOD活性开辟了全新思路与方法。
总之，这项研究开发的基于叶片微观结构到宏观高光谱成像的SOD活性预测跨尺度迁移学习框架，不仅可以确定与SOD活性相关的微观和宏观敏感吸收峰，也实现了SOD活性预测的微观和宏观预测模型迁移，为番茄叶片SOD活性的监测和量化提供了新的方法和技术，也为番茄叶片中痕量物质的定量检测以及H2D-COS在迁移学习中的应用奠定了基础。
图1 H2D-COS光谱获取流程
图2 番茄叶片中SOD分布的可视化。(a)微观预测模型；(b)宏观预测模型。
宁夏大学葡萄酒与园艺学院/西北农林科技大学机械与电子工程学院郝婕、中国农科院蔬菜花卉研究所闫妍研究员、宁夏食品检测研究院张瑶工程师为该论文共同第一作者，宁夏大学葡萄酒与园艺学院吴龙国讲师、曹云娥教授为该论文共同通讯作者。研究工作得到了国家自然科学基金资助项目（32260798, 32372793）、国家重点研发计划项目子课题（2021YFD1600302-3）、宁夏高等学校自然科学项目（NYG-2024-019）、宁夏回族自治区科技创新团队项目（2024CXTD010）、第四批“宁夏青年科技人才支持项目”（TJGC2019065）和第六批“宁夏青年科技人才支持项目”（TJGC2021075）等项目的资助。宁夏大学葡萄酒与园艺学院李建设教授、高艳明教授指导并参与了本项研究工作。
论文链接：https://onlinelibrary.wiley.com/doi/full/10.1111/pbi.14484
