浙江大学智能生物产业装备创新团队（IBE）王一娴研究员、应义斌教授在Nature Communications上发表研究论文“Machine learning-powered activatable NIR-II fluorescent nanosensor for in vivo monitoring of plant stress responses”。这项研究提出了一种基于机器学习的激活型NIR-II荧光纳米传感器，用于实时、非破坏性地监测植物胁迫反应。利用NIR-II荧光成像的敏感性，该传感器能够提供高分辨率、深层次的植物胁迫信息，为早期病害诊断和防治提供了可靠的工具。图1.本文在Nature Communications期刊上发表的相关信息植物面临的非生物胁迫和生物胁迫，已显著降低了作物产量，严重威胁全球粮食安全。因此，及时、准确地监测植物胁迫相关的信号分子变得尤为重要。传统的植物胁迫监测方法往往具有侵入性，且灵敏度较低，无法持续跟踪细微的植物胁迫反应。这项研究开发的NIR-II荧光纳米传感器，通过非破坏性的方式，能够实时、灵敏地监测植物体内H2O2信号，显著提升了监测的精度