玉米秸秆包含纤维素、半纤维素和木质素等组分，是重要的工业原料。为避免传统提取与测定的繁琐与污染，亟需开发简洁、高通量、无污染的方法。为破解这一难题，本研究广泛收集461份样品，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。相关论文《A novel strategy combining full Fourier transform infrared spectroscopy with machine learning enhanced the accuracy for analyzing cell wall polymers in maize stover》于2026年3月15日发表在国际期刊《Industrial Crops and Products》（中科院一区TOP期刊，影响因子约6.2）。该研究是继课题组围绕细胞壁高通量分析发表在《Bioresource Technology》和《International Journal of Biological Macromolecules》上的又一进展。
安徽农业大学生命科学学院2025级博士研究生桂子豪与2023级生物学硕士研究生陈芳慧为共同第一作者，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。
论文相关链接：https://doi.org/10.1016/j.indcrop.2026.123079
（ 文：吴雷明 一审：吴桂春 二审：王玉 三审：徐倩倩）
