水分亏缺引起的生化变化及其在青葱中的可见光/近红外光谱特征

《Applied Food Research》：Water-deficit-induced biochemical alterations and their Vis/NIR spectral signatures in shallots

　　本研究探讨干旱胁迫（WDS）对洋葱生化成分及可见光/近红外（Vis/NIR）光谱特征的影响，通过PLS、PLS-SVM和PLS-FFBPN三种建模方法分析光谱与生化指标（如AEAC、TPC、TFC、IC50、脯氨酸等）的关联性。结果表明，WDS水平显著改变光谱模式及模型性能，PLS-FFBPN因能捕捉非线性关系表现最优，其RPD值最高达2.91。光谱特征与AEAC、TPC、TFC及IC50呈正相关，而脯氨酸随胁迫加剧而升高。验证了Vis/NIR结合混合建模方法在非破坏性监测洋葱品质中的有效性。

　　水缺-缺水胁迫（Water-Deficit Stress, WDS）是植物在生长过程中遭遇的一种常见非生物胁迫，其核心特征在于水分供应不足。这种条件不仅影响植物的生理状态，还可能引发一系列代谢变化，从而改变植物的化学组成。本研究聚焦于水缺-缺水胁迫对红葱（Shallot，学名 *Allium cepa* L.）中生物活性成分的影响，并通过可见/近红外（Vis/NIR）光谱数据进行分析，以探索这些变化在光谱中的表达。研究的目的是评估三种建模方法（偏最小二乘法PLS、PLS-支持向量机PLS-SVM以及PLS-前馈反向传播神经网络PLS-FFBPN）在预测生物活性成分方面的表现，进一步验证光谱数据与植物代谢物之间的关系。研究结果表明，这些方法在不同程度上能够反映水缺-缺水胁迫对红葱代谢物的影响，其中PLS-FFBPN在捕捉复杂的光谱与代谢物之间的非线性关系方面表现更优。

红葱作为一种重要的蔬菜作物，其生长和品质极易受到水缺-缺水胁迫的影响。这种胁迫会干扰红葱的早期生长阶段，影响其鳞茎形成以及最终收获时的品质和产量。面对水资源日益紧张的全球趋势，理解植物如何在缺水条件下调整自身代谢机制对于农业可持续发展具有重要意义。在植物的防御机制中，一些特定的代谢物如脯氨酸（Proline）和酚类物质（如总酚含量TPC、总黄酮含量TFC以及类黄酮物质如槲皮素、山奈酚和芦丁）被广泛研究，因为它们在应对缺水胁迫时可能表现出特定的响应模式。此外，抗氧化活性（如AEAC，即抗坏血酸当量抗氧化能力）和IC??（抑制浓度）等指标也被纳入研究范围，以评估红葱在缺水条件下的抗氧化能力变化。

在农业领域，传统的生物活性成分检测方法通常依赖于破坏性实验，例如需要从植物组织中提取样本进行化学分析。然而，这些方法往往耗时、成本高，且无法实现对植物生长过程的连续监测。相比之下，Vis/NIR光谱技术提供了一种非破坏性、快速且高精度的替代方案。该技术通过测量植物对可见光和近红外光的吸收、反射或透射特性，来推断其内部的化学组成。这种方法已经被广泛应用于农业研究中，包括检测土壤中的化学成分、植物胁迫状态、氮素水平、种子活力、水质、农药残留、病害识别以及多种水果的品质评估。因此，将Vis/NIR技术应用于红葱在水缺-缺水胁迫下的代谢物分析，不仅有助于减少实验成本，还能提高监测效率。

在本研究中，红葱在不同水缺-缺水胁迫水平下（分别设置为每天浇水两次、一次、每两天一次和每三天一次）被种植并进行光谱分析。研究中使用了三种建模方法，以评估它们在预测生物活性成分方面的表现。PLS方法作为线性回归模型，能够有效提取光谱数据中的潜在变量（Latent Variables, LVs），这些变量在后续的PLS-SVM和PLS-FFBPN建模中被用作输入特征。PLS-SVM方法通过将PLS提取的潜在变量作为输入，结合支持向量机（SVM）的非线性分类能力，进一步提升模型的预测精度。而PLS-FFBPN方法则引入了神经网络，以处理更复杂的非线性关系。研究结果表明，PLS-FFBPN在预测精度方面表现最优，特别是在AEAC、TPC和TFC等具有明显变化趋势的生物活性成分上。这一发现表明，结合线性和非线性方法的混合建模策略能够更有效地捕捉光谱数据与代谢物变化之间的复杂关系。

为了进一步验证这些建模方法的有效性，研究中还对光谱数据进行了主成分分析（PCA）。PCA作为一种探索性数据分析工具，能够帮助识别不同水缺-缺水胁迫水平下的光谱模式。通过PCA，研究团队发现不同品种的红葱在光谱特征上存在一定的差异，而水缺-缺水胁迫的强度对光谱模式的影响尤为显著。特别是，随着水缺-缺水胁迫的加剧，某些生物活性成分如AEAC、TPC和TFC的光谱特征变得更加明显，而其他成分如脯氨酸和IC??则表现出相反的趋势。此外，一些类黄酮物质（如槲皮素、山奈酚和芦丁）的光谱响应则相对稳定，这可能与其代谢过程对水缺-缺水胁迫的适应性有关。

从实验数据来看，水缺-缺水胁迫对红葱的代谢物浓度产生了显著影响。例如，脯氨酸的浓度随着水缺-缺水胁迫的加剧而上升，表明植物在缺水条件下通过积累脯氨酸来维持细胞内的渗透平衡。而总酚含量和总黄酮含量则呈现出下降趋势，尤其是在较高水缺-缺水胁迫条件下。这种变化可能与植物在应对胁迫时的资源分配有关，即在资源有限的情况下，植物可能优先分配资源用于维持基本生命活动，而非合成更多的次生代谢物。然而，抗氧化活性（如AEAC和IC??）则表现出不同的模式，某些情况下甚至会随着水缺-缺水胁迫的增加而增强，这可能与植物在缺水条件下激活了更强的抗氧化机制有关。

此外，研究还分析了不同生物活性成分之间的相关性。结果显示，某些成分如AEAC和TPC表现出显著的正相关关系，这表明它们在植物体内可能具有共同的代谢路径或功能。然而，脯氨酸与其他成分的相关性较弱，甚至表现出负相关，这可能意味着它在植物应对水缺-缺水胁迫中的作用与其他代谢物不同。这些发现不仅揭示了红葱在水缺-缺水胁迫下的代谢响应机制，也为后续的光谱建模提供了理论依据，即不同成分可能需要不同的建模策略以提高预测精度。

在模型优化过程中，研究团队还探索了神经网络结构对预测能力的影响。通过调整隐藏层中的神经元数量，发现模型的预测能力并不总是随着神经元数量的增加而提升。在某些情况下，增加神经元数量反而会导致模型过拟合，即过度适应训练数据而失去对新数据的泛化能力。因此，模型优化需要在复杂度和泛化能力之间找到平衡。这一结果与一些相关研究一致，表明在光谱建模中，过于复杂的模型可能无法有效捕捉关键的光谱特征，反而会引入更多噪声。

从实际应用角度来看，本研究的结果为农业领域提供了一种新的工具，即通过Vis/NIR光谱技术结合PLS-FFBPN建模方法，实现对红葱生物活性成分的非破坏性监测。这种方法不仅适用于红葱，也有可能扩展到其他作物的品质评估中。此外，研究还强调了在不同水缺-缺水胁迫水平下，光谱数据的敏感性和预测能力存在差异，这意味着在实际应用中，模型的校准策略可能需要根据具体的胁迫水平进行调整。例如，在较轻的水缺-缺水胁迫条件下，光谱数据可能不足以准确反映某些代谢物的变化，而在较严重的胁迫条件下，光谱特征则可能更加显著。

综上所述，本研究通过实验和建模分析，揭示了水缺-缺水胁迫对红葱生物活性成分的影响，并验证了Vis/NIR光谱技术在农业中的应用潜力。研究结果不仅为理解植物在缺水条件下的代谢响应提供了新的视角，也为开发高效的非破坏性检测方法奠定了基础。未来的研究可以进一步探索其他农业管理措施（如肥料浓度、灌溉方式等）对光谱-代谢物关系的影响，以推动这一技术在农业实践中的广泛应用。