数字水稻表型可以快速评估水稻籽粒蛋白质含量，支持高通量作物表型试验。快速、无损的鉴定方法可以让加速决策育种和选择相关的水稻品种。因此，本研究比较了近红外光谱(NIR)对谷粒(含颖片)、全粒糙米和粉状糙米三种物理形态的预测潜力，目的是确定适合未来用于水稻样品中高通量蛋白质含量预测的最佳物理形态。

使用偏最小二乘 (PLS) 回归和变量选择技术进行蛋白质预测的总结。

首先，通过选择与水稻蛋白质含量最相关的关键波长，对模型进行了优化。对于变量选择，共使用了8种最新发展的化学计量学变量选择技术。然后，使用偏最小二乘(PLS)回归分析，作为变量选择技术的基线比较。结果表明，与PLS回归模型相比，变量选择提高了所有类型水稻样本的预测性能。糙米样品的预测精度最好，预测误差为0.349%。此外，与原始数据集中可用的304个波长相比，只有12个波长实现了这一点。研究结果表明，近红外光谱法无需将大米样品研磨成粉末。因此，NIR光谱可以直接用于糙米样品，并且可以支持大米中蛋白质含量的快速评估，支持数字表型。

不同水稻形态蛋白质预测的选定波长总结

来源：

Mishra P, Angileri M and Woltering E, et al. Identifying the best rice physical form for non-destructive prediction of protein content utilising near-infrared spectroscopy to support digital phenotyping. Infrared Physics & Technology Volume 116, August 2021, 103757. https://doi.org/10.1016/j.infrared.2021.103757.