人工智慧輔助的植物多醣結構分析及其在植物演化系統和組織特異性鑑定中的應用

植物細胞具有堅硬的細胞壁，主要由纖維素和非纖維素多醣組成。纖維素微纖維是植物細胞壁的主要結構成分。非纖維素多醣在各種生物環境中展現出多樣的結構和功能，在植物細胞壁中，這些多醣在增強細胞壁的整體結構靈活性和功能性方面，起著至關重要的作用。其中一個值得注意的例子是木葡聚糖（xyloglucan），它被認為是雙子葉植物初級細胞壁中最豐富的非纖維素多醣。第一章討論了植物和真菌界中的主要多醣聚合物，包括果膠（pectin）、木葡聚糖（xyloglucan）、異質聚木醣（heteroxylan）、異甘露聚糖（heteromannan）等，以及介紹幾種目前常用的多醣結構分析技術，以及人工智慧（artificial intelligence）和程式平台在其中的角色。

第二章專注於天南星科植物中的木葡聚糖譜系分析。早期研究發現，水生天南星科植物浮萍亞科的木葡聚糖結構，在與其他非香蒲亞科單子葉植物比較岩藻半乳木葡聚醣（fucogalacto-xyloglucan）時，有顯著的不同。在本研究中，我們調查了七個天南星亞科中五個亞科裡的26種植物，包含在早前研究中，因特殊岩藻半乳木葡聚醣結構而引起注意的浮萍（Lemna minor）。在所分析的七種水生植物中，木葡聚糖結構比例皆有不尋常的特徵（至少包含以下一或兩種）：77%以上的XXXG核心基序[在浮萍亞科（Lemnoideae）和金棒芋亞科（Orontioideae）中觀察到]；缺乏岩藻糖基化[在浮萍亞科（Lemnoideae）、亞澎椒草（Cryptocoryne aponogetonifolia）和卵形瓶苞芋（Lagenandra ovata）（Aroideae，Rheophytes clade）中發現]；以及14%以上的寡糖單位具有S或D側鏈[在水萍（Spirodela polyrhiza）和少根紫萍（Landoltia punctata, Lemnoideae），以及水芙蓉（Pistia stratiotes）（Aroideae，Dracunculus clade）中觀察到]。金棒芋亞科和浮萍亞科被認為是最早期演化的兩個亞科，其中所有物種都是水生的，而天南星亞科（Aroideae）被認為是最晚演化的。有趣的是，兩種陸生植物[花葉萬年青（Dieffenbachia seguine）和心葉天南星（Spathicarpa hastifolia）（Aroideae，Zantedeschia clade）]也顯示出沒有岩藻糖的木葡聚糖，表明這一特徵並不僅限於水生植物。

第三章內容為使用機器學習模型（machine learning; ML）分析植物之木葡聚糖。這項研究針對172個植物譜系中之物種的木葡聚糖，進行機器學習模型建立下的譜系分析。木葡聚糖（XG）因其可生物降解、相容性好、易於化學修飾且已被美國食品和藥物管理局（FDA）批准，具有廣泛的醫療用途。然而，目前尚無關於綠色植物：石松類（lycopodiopsida; L）、蕨類（polypodiopsida; P）、裸子植物（gymnosperm; G）、非香蒲亞科單子葉植物（non-commelinid monocotyledon; MN）、香蒲亞科單子葉植物（commelinid monocotyledons; MC）和木蘭類（magnoliids; Ma）的XG結構之綜合研究，以及和植物系統相關的XG結構分析。廣泛分析族譜系統的XG結構之障礙，在於難以獲取種類如此廣泛的植物樣品和缺乏有系統的分析方式。在本研究中，我們建立了7種機器學習模型，線性判別分析（LDA）、邏輯回歸（LR）、k-最近鄰居法（KNN）、支援向量機（SVM）、隨機森林（RF）、梯度提升（GB）和單純貝氏（NB），以分析172種石松類（2）、蕨類（12）、裸子植物（9）、木蘭類（1）、雙子葉植物（29）、非香蒲亞科單子葉植物（37）和香蒲亞科單子葉植物（82）的XG結構。結果顯示，ML模型在XG數據集上表現良好（AUC > 0.900）。植物類別，蕨類（P）、裸子植物（G）、雙子葉植物（E）、非香蒲亞科單子葉植物（MN）和香蒲亞科單子葉植物（MC）可以基於XG結構、XXGn型、XXXG型、XXFG、XLFG和XXFG+XLFG百分比進行分類、識別和預測。這可能也表示XG成分在植物界中包含系統發生訊息和結構模式。ROC曲線顯示，ML分析數據在某些植物類別的表現在KNN、RF、GBM、SVM和NB之間有些許不同。LDA和LR在每個植物類別表現傑出，不管是分類或預測。每個ML模型都顯示，各個植物類別中的XG結構XXGn型、XXXG型、XXFG、XLFG和XXFG+XLFG等百分比都擁有能用以分類與預測的特性。這些發現，輔助模型在各個特定植物系統類別中，擁有精確分類和預測有效性的推論。植物類別G、MC和P表現出較高的AUC平均值，可能表示這些組中的XG結構的演化訊息相比組MN和E更加顯著。這些XG可用以系統分類與預測的結果，顯示ML模型結合XG數據，擁有在未來生物技術和製藥研究中，前線分析和材料選擇的潛在應用價值。

第四章為另一個使用機器學習進行多醣譜系分析的例子，使用模型針對茯苓真菌的組織單醣進行分類（以單糖比例作為分類特徵）。機器學習（ML）已成為生物信息學中各種臨床決策和診斷過程中的寶貴工具。在我們的研究中，我們評估了8種ML模型演算法，線性判別分析（LDA）、邏輯回歸（LR）、k-最近鄰居法（KNN）、支援向量機（SVM）、隨機森林（RF）、梯度提升（GB）和單純貝氏（NB）和人工神經網絡（ANN）模型，在茯苓真菌四種組織的單醣分析中的表現。所有ML的模型表現都很出色，AUC皆超過0.8。其中五個模型，LDA、KNN、RF、GBM和ANN，在分類四種組織類型方面表現非常出色，AUC皆大於0.9。此外，所有八個模型在三組織類型分類中的預測性能良好，AUC大於0.8。值得注意的是，所有ML模型分類預測的方法都優於單純LDA繪圖分析。基於ML的方法優於傳統的回歸技術，樣本量的增加，可能提高識別茯苓真菌組織樣本的準確性。而單醣組織ML分類法，未來有潛力可在市場中用來分辨茯苓粉狀樣品的真偽。