Efeito dos estresses abióticos nos índices fisiológicos e bioquímicos de Micro-tom: uma abordagem com Machine Learning

Abstract

O déficit hídrico, a salinidade e a contaminação por cádmio (Cd) têm gerado um problema ambiental mundial, causando danos ao crescimento das plantas devido à alteração em seu metabolismo. Este estudo teve como objetivo classificar os sistemas antioxidantes enzimáticos e não enzimáticos em plantas de Micro-Tom (MT) submetidas a duas intensidades (moderada e severa) de déficit hídrico, salinidade e exposição ao Cd. O delineamento experimental foi um fatorial 3x2 inteiramente casualizado, com o primeiro fator representando os agentes estressores (déficit hídrico, salinidade e Cd) e o segundo fator indicando as intensidades de estresse (moderada e severa), além de um grupo controle. Após um período de aclimatação, as plantas foram expostas a 10 dias de estresse. Os tratamentos de déficit hídrico foram impostos utilizando soluções ajustadas para potenciais osmóticos de -0,40 MPa e -1,00 MPa; o estresse salino foi estabelecido com soluções nutritivas contendo 40 mM ou 120 mM de NaCl; O estresse por cádmio foi induzido utilizando soluções nutritivas com 0,25 mM ou 0,5 mM de CdCl₂. As análises laboratoriais incluíram peroxidação lipídica, teor de peróxido de hidrogênio, acúmulo de prolina, quantificação de proteínas e extração de enzimas. Análises descritivas e a correlação de Spearman identificaram o comportamento dos sistemas enzimáticos e não enzimáticos para cada agente estressor e intensidade, permitindo a seleção dos principais fatores de influência. Uma análise fatorial de variância foi realizada para avaliar as diferenças médias entre os tratamentos (α=0,05) para os sistemas enzimáticos, não enzimáticos, MDA e H₂O₂. Utilizando esses dados, um modelo de árvore de decisão classificou os estresses em quatro níveis: baixo, baixo-médio, médio-alto e alto. As variações na resposta antioxidante e nos biomarcadores de estresse foram detalhadas, com a prolina e a superóxido dismutase identificadas como as principais variáveis ​​de significância entre os indicadores de estresse. Além disso, o modelo apresentou um desempenho robusto de classificação, com coeficientes de correlação de Matthews superiores a 0,80 nas classes extremas; no entanto, encontrou limitações na distinção entre classes com valores muito próximos. Os resultados indicam a capacidade da árvore de decisão para classificar os níveis de estresse em plantas.

Water deficit, salinity, and cadmium (Cd) contamination have generated an environmental problem worldwide, leading to damages to plant growth due to alteration in their metabolism. This study aimed to classify enzymatic and non-enzymatic antioxidant systems in Micro-Tom (MT) plants when subjected to two intensities (moderate and severe) of water deficit, salinity, and Cd exposure. The experimental design was a completely randomized 3x2 factorial, with the first factor representing the stress agents (water deficit, salinity, and Cd) and the second factor indicating stress intensities (moderate and severe), along with a control group. After an acclimation period, plants were exposed to 10 days of stress. Water deficit treatments were imposed using solutions adjusted to osmotic potentials of –0.40 MPa and –1.00 MPa; salinity stress was established with nutrient solutions containing 40 mM or 120 mM NaCl; and Cd stress was induced using nutrient solutions with 0.25 mM or 0.5 mM CdCl₂. Laboratory analyses included lipid peroxidation, hydrogen peroxide content, proline accumulation, protein quantification, and enzyme extraction. Descriptive analyses, and a Spearman’s correlation, identified the behavior of enzymatic and non-enzymatic systems for each stress agents and intensities, enabling the selection of key influencing factors. A factorial analysis of variance was performed to assess the mean differences among the treatments (α=0.05) for enzymatic, non-enzymatic systems, MDA and, H₂O₂. Using this data, a decision tree model classified the stresses into four levels: low, low-medium, medium-high, and high. Variations in antioxidant response and stress biomarkers were detailed, with proline and superoxide dismutase identified as the primary variables of significance across stress indicators. Furthermore, the model achieved robust classification performance with Matthew's correlation coefficients exceeding 0.80 in the extreme classes; however, it encountered limitations in distinguishing between classes with closely proximate values. The findings indicate the capability of the decision tree to classify stress levels in plants.