利用微型機器人精準提取植物代謝物

　　植物特有的代謝物包括多種化學物質，如萜烯、酚類化合物和生物鹼等，許多這些天然產品具有重要的商業價值，可應用在製造香水、食用香料、藥物和生物燃料等多項領域。大多數植物代謝物存在於單獨的細胞內，因此提取會顯著破壞組織，所以選擇合適的提取方法至關重要，將會影響產品的純度和產量。現已有許多方法可用於提取和加工高純度的植物衍生產品：如研磨、離心、過濾等，但依然需去除其他細胞雜質污染問題且加工成本較高。非機械方法如酵素分解、超音波處理和凍融循環雖已被視為替代方案，但尚無法達到工業化的規模。
　　許多植物將特殊的代謝物儲存在特化的結構中，例如腺毛(glandular trichomes)或乳汁管(體)（laticifers）等，因此可將其作為直接收穫代謝物的目標，因為選擇性的破壞局部組織對植物的傷害有限，可不必採取整株植物或枝葉部位萃取，也能減少其他非目標細胞的參雜與複雜的加工過程導致的成分破壞，進而提高收穫純度。然而，腺毛和乳汁管細胞都相對較小（0.1 mm），需要較高的技術來識別正確細胞及取得細胞內容物。
　　該研究以草本植物迷迭香 ( Rosmarinus officinalis )為實驗對象，利用機器學習輔助的電腦視覺技術，識別特定細胞類型以找出目標細胞位置，並以安裝於自動顯微操縱器的精密微型探針刺進細胞提取細胞液，成功的將所需的液體抽出，自動抽取過程的產量為 0.48 ± 0.08 nL/腺體，收集速度則約為人工操作的4倍。
　　然因植物種類繁多，腺體細胞的型態各異，若目標為更微小的細胞，在針尖的大小及定位準確度等方面將會更有挑戰性，且本研究的植物葉面相對平坦，機器以平面式的移動為主，若要應用至不同的植物上將需要更多的研究與技術強化。未來，該技術預計將繼續挑戰進入韌皮部等內部組織，及以進行以單一細胞刺激來研究基因或蛋白質表現功能相關的應用。【延伸閱讀】以機器學習揭露植物功能性基因的秘辛

資料來源

• Sciencedaily

文章摘譯

• 農業科技決策資訊平台管理團隊