玉米是世界上种植面积最广的作物之一，每年产生数亿吨的秸秆。如何将这些废弃物转化为宝贵资源，实现秸秆的高效利用，是一项迫切需要解决的问题。玉米秸秆的品质特征包括纤维素、半纤维素和木质素等成分，这些特征对于作物倒伏抗性和秸秆降解转化具有重要影响。然而，传统的湿化学方法用于测定秸秆化学成分存在步骤繁琐、耗时长、污染严重和效率低下等问题。因此，开发一种高通量的定量方法，用于测定玉米秸秆纤维特征，对于大规模筛选出优质的青贮玉米材料和促进秸秆的定向高效利用具有重要的指导意义。
该研究收集了200份玉米种质秸秆资源，包含102份玉米关联群体、70份大刍草渗入系和28份农家种品系。实验测定发现其纤维素、半纤维素和木质素含量存在显著变异，并通过傅里叶变换红外光谱技术获取了光谱信息。经过波峰校正和降维处理，利用机器学习建立了高通量预测模型，能准确预测纤维素、半纤维素、棕纤维素和木质素的含量。模型在训练集和测试集上的决定系数R²均超过0.91和0.82，预测精度达到实际应用水平。这为玉米秸秆纤维品质的快速预测与优良材料筛选提供了新方法。
相关研究成果近期在国际高水平期刊《生物质技术》（Bioresource Technology，中科院一区TOP期刊，影响因子9.7）和《国际生物大分子》（International Journal of Biological Macromolecules，中科院一区TOP期刊，影响因子7.7）发表。第一篇论文由我院2023级生物学硕士生陈芳慧和材料与化学学院2022级硕士生刘星共同担任第一作者，通讯作者为我院吴雷明教授和江海洋教授。第二篇论文由我院已毕业硕士生闻雨静与材料与化学学院刘星共同担任第一作者，通讯作者为我院吴雷明教授和材料与化学学院周亮教授。安徽农业大学为第一通讯单位。该研究得到安徽农业大学人才引进项目（rc422208和rc312212）的资助，并感谢华中农业大学李林教授提供的玉米种质秸秆材料。