3月15日，安徽农业大学农学院/生命科学学院吴雷明教授团队在玉米秸秆细胞壁组分高通量精准分析方法方面取得新进展。相关结果以《A novel strategy combining full Fourier transform infrared spectroscopy with machine learning enhanced the accuracy for analyzing cell wall polymers in maize stover》为题发表在国际期刊《Industrial Crops and Products》（中科院一区TOP期刊，影响因子约6.2）。

我国每年产生数亿吨玉米秸秆，是重要的工业原料与饲料资源。玉米秸秆主要由纤维素、半纤维素和木质素组成，三者相互交联，导致组分分离与精准测定过程繁琐，且传统测定方法易造成环境污染。因此，亟需建立简便、高通量、绿色无污染的细胞壁组分分析新方法。为破解这一难题，本研究广泛收集461份玉米秸秆样品，首次利用FTIR全光谱信息作为模型输入变量，结合多种机器学习方法，构建了一套预测纤维素、半纤维素和木质素的高精度模型（准确度均高于0.89）。该方法与提取特征光谱方法相比，显著提高了模型的准确性和简便性，为玉米秸秆细胞壁成分的高通量精准分析提供新途径。

安徽农业大学为本论文第一单位，安徽农业大学生命科学学院25级博士研究生桂子豪与23级硕士研究生陈芳慧为本文的共同第一作者，作物抗逆育种与减灾国家地方联合工程实验室的吴雷明教授和吴桂春教师为本文的共同通讯作者。特别感谢安徽农业大学江海洋教授和华中农业大学李林教授在课题设计和材料收集方面提供的帮助。该研究得到了安徽农业大学高层次人才引进项目、安徽省自然科学基金、安徽省科技创新攻坚计划、安徽省高等学校科学研究项目和智力援疆项目等经费的资助。

论文链接：
https://doi.org/10.1016/j.indcrop.2026.123079

（文图：吴雷明  一审：范宇  二审：余恩  三审：王晓波）