تشخیص تنش های غیر زیستی گیاه برنج با استفاده از یک زیست حسگر نوری هوشمند مبتنی بر نانوذرات طلا

تشخیص اختصاصی نوع و شدت تنش های غیر زیستی گیاه به منظور انجام اقدامات به موقع به جلوگیری از کاهش عملکرد کمک می کند. این مطالعه روش جدیدی را برای تشخیص نوع و شدت تنش در گیاه برنج در شرایط شوری، خشکی و گرما به کمک بررسی ترکیبات microRNA معرفی می کند. در این پژوهش، غلظت هشت ترکیب microRNA در بافت گیاهان قرار گرفته تحت تنش های فوق به کمک یک زیست حسگر نوری مبتنی بر نانوذرات طلا اندازه گیری شد. اساس کار این زیست حسگر بر اساس هیبریدیزاسیون پراب-ترکیب هدف بود که در آن، اختلاط پراب/نانوذرات طلای پوشش داده شده با سیترات (ترکیب ۱) و microRNA/نانوذرات پوشش داده شده با پلی اتیلن ایمین (ترکیب ۲) منجر به تجمع نانوذرات و تغییر ویژگی های طیف سنجی نمونه می شد. در ادامه، از روش های یادگیری ماشین برای پیش بینی نوع و شدت تنش با داشتن این غلظت ها استفاده شد. نتایج نشان داد که ماشین بردار پشتیبان بهینه شده توسط الگوریتم ژنتیک با عملکرد مناسب و به ترتیب با ضرایب تبیین ۹۴/۰، ۹۱/۰ و ۸۶/۰ توانایی تشخیص سطح تنش شوری، خشکی و گرمای وارده به گیاهان برنج را داشت. در ادامه، نتایج انتخاب ویژگی مبتنی بر نظریه بازی های مشارکتی نشان داد که در میان ترکیبات microRNA مورد مطالعه، miRNA-۱۵۶، miRNA-۳۹۳، و miRNA-۱۵۹ به ترتیب بیشترین سهم را در پیش بینی تنش های خشکی، شوری و گرما در گیاه برنج داشتند. نتایج تحقیق نشان می دهد که بررسی ترکیبات microRNA گیاه به کمک زیست حسگرهای نوری می تواند منجر به ویژگی های قابل اعتمادی برای تعیین شرایط رشد گیاهی و تنش های گیاه در مراحل اولیه ظهور شود.

کلیدواژه ها:

الگوریتم ژنتیک ، غلظت microRNA ، ماشین بردار پشتیبان ، یادگیری ماشین