تکثیر زعفران در شرایط آزمایشگاهی: روشی نوآورانه با سیستم غوطه‌وری موقت (TIS)، ادغام شده با تحلیل یادگیری ماشینی

تکثیر Crocus sativus L. منحصراً بر تکثیر بنه تکیه دارد. بنه‌ها به عنوان اندام‌های ذخیره‌سازی زیرزمینی مستعد طیف وسیعی از عوامل بیماری‌زا، تنش‌های محیطی و بیماری‌ها هستند و روش‌های سنتی تکثیر را اغلب با از دست دادن مواد ارزشمند بی‌اثر می‌سازند. تکثیر در شرایط آزمایشگاهی جایگزینی برای کشت زعفران در شرایط کنترل شده ارائه می‌دهد. به طور خاص، کاربرد نوآورانه سیستم غوطه وری موقت TIS) ) نشان دهنده یک پیشرفت تکنولوژیکی برای افزایش تولید زیست توده با کاهش هزینه های عملیاتی است. مطالعه حاضر از بیوراکتور Plantform برای تکثیر بنه‌های زعفران در شرایط آزمایشگاهی از منطقه آبروزو (ایتالیا) استفاده کرد و مدل‌های یادگیری ماشین را برای ارزیابی عملکرد آن ادغام کرد.

ارزیابی ریزنمونه‌های زعفران پس از 30، 60 و 90 روز کشت، بهبود قابل‌توجهی را در رشد و تولید ریز بنه در مقایسه با کشت معمولی در شرایط آزمایشگاهی روی محیط نیمه جامد نشان داد که توسط آنالیز یادگیری ماشین پشتیبانی می‌شود. در واقع، الگوریتم جنگل تصادفی یک دقت پیش‌بینی با مقدار R2 برابر با 0.81 برای عدد ریز کورم نشان داد، که توانایی مدل‌های یادگیری ماشین را برای پیش‌بینی مؤثر نتایج انتشار نشان می‌دهد. این نتایج تایید می‌کنند که استفاده از TIS در کشت زعفران می‌تواند منجر به تولید زیست‌توده بزرگ و اقتصادی مقرون ‌به ‌صرفه در یک محیط کنترل‌شده، صرف ‌نظر از شرایط فصلی شود.

این مطالعه نشان دهنده اولین تلاش برای استفاده از فناوری TIS برای افزایش تکثیر زعفران در شرایط آزمایشگاهی در ارتباط با یادگیری ماشینی است که رویکردی نوآورانه برای کشت محصولات با ارزشی مانند زعفران را پیشنهاد می‌کند.

The propagation of Crocus sativus L. relies exclusively on corm multiplication. As underground storage organs, corms are susceptible to a wide range of pathogens, environmental stresses, and diseases, making traditional propagation methods often ineffective with the loss of valuable material. In vitro propagation offers an alternative for the saffron culture under controlled conditions. In particular, the innovative application of the Temporary Immersion System (TIS) represents a technological advancement for enhancing biomass production with a reduction in operational costs.

The current study utilized the Plantform™ bioreactor to propagate in vitro saffron corms from the ‘Abruzzo’ region (Italy), integrating machine learning models to assess its performance. The evaluation of saffron explants after 30, 60, and 90 days of culture showed a marked improvement in growth and microcorm production compared to conventional in vitro culture on semisolid medium, supported by the machine learning analysis.

Indeed, the Random Forest algorithm revealed a predictive accuracy with an R2 value of 0.81 for microcorm number, showcasing the capability of machine learning models to forecast propagation outcomes effectively. These results confirm that applying TIS in saffron culture could lead to economically viable, large biomass production within a controlled environment, irrespective of seasonality.

This study represents the first endeavor to use TIS technology to enhance the in vitro propagation of saffron in conjunction with machine learning, suggesting an innovative approach for cultivating high-value crops like saffron.