DOI: https://doi.org/10.3389/fpls.2026.1827745
PMID: https://pubmed.ncbi.nlm.nih.gov/42199234
تاريخ النشر: 2026-05-11
المؤلف: Yusuf Şavşatlı وآخرون
الموضوع الرئيسي: الجسيمات النانوية: التركيب والتطبيقات
نظرة عامة
تدرس هذه الدراسة استخدام جزيئات أكسيد الزنك النانوية (ZnO NPs) التي تم تصنيعها بطريقة صديقة للبيئة كعوامل تنشيط للبذور لزراعة الكتان (Linum usitatissimum L.)، بهدف معالجة نقص العناصر الغذائية الدقيقة وتعزيز كفاءة استخدام المغذيات. تقارن الأبحاث تأثيرات جزيئات ZnO NPs البيولوجية مع جزيئات ZnO NPs الكيميائية وزنك أكسيد الزنك بالجملة عبر تركيزات مختلفة (25، 50، و75 جزء في المليون) وفترات تعرض (1، 2، و4 ساعات). تشير النتائج إلى أن جزيئات ZnO NPs البيولوجية تحسن بشكل كبير الصفات الزراعية مقارنة بنظيراتها الكيميائية، مع ملاحظات مثالية عند تركيزات معتدلة (25 جزء في المليون) وأوقات تعرض محددة، مما يظهر تأثير هرموني.
تكشف التحليلات الإحصائية، بما في ذلك ANOVA ومنهجية سطح الاستجابة (RSM)، عن تفاعلات كبيرة بين نوع الجسيمات النانوية والتركيز ومدة التنشيط، مما يبرز عدم كفاية الأساليب ذات العامل الواحد. نماذج التعلم الآلي، وخاصة الجيران الأقرب (KNN)، التقطت بفعالية العلاقات غير الخطية المعقدة بين علاجات الجسيمات النانوية وخصائص النباتات، مع تحليل أهمية الميزات الذي يبرز تركيز الجسيمات النانوية ووقت التعرض كعوامل رئيسية تؤثر على استجابة النباتات. تستنتج الدراسة أن تنشيط الجسيمات النانوية من ZnO البيولوجية يمكن أن يعزز توصيل العناصر الغذائية الدقيقة وحيوية الشتلات، داعية إلى تحسين دقيق للتركيز والتعرض. تشمل اتجاهات البحث المستقبلية التحقق من الظروف المثلى عبر أصناف وبيئات مختلفة، واستكشاف المسارات الآلية، وتحسين النمذجة التنبؤية لإنتاج الكتان المستدام.
مقدمة
تسلط مقدمة ورقة البحث الضوء على أهمية الكتان (Linum usitatissimum L.) ككل من محصول زيت و ألياف، مع التأكيد على قيمته الغذائية وتطبيقاته الصناعية. على الرغم من فائدته، غالبًا ما تعيق إنتاجية الكتان الضغوط البيئية ونقص العناصر الغذائية الدقيقة، وخاصة الزنك (Zn)، الذي يعد ضروريًا لعمليات فسيولوجية مختلفة في النباتات. تواجه طرق التسميد التقليدية بالزنك تحديات تتعلق بالكفاءة والامتصاص، مما يستلزم حلولًا مبتكرة. تقترح الورقة استخدام جزيئات أكسيد الزنك النانوية (ZnO NPs) كبديل واعد، خاصة من خلال تنشيط البذور النانوية، الذي يمكن أن يعزز الإنبات وأداء النبات.
تهدف الدراسة إلى مقارنة تأثيرات جزيئات ZnO النانوية التي تم تصنيعها بطريقة صديقة للبيئة مع جزيئات ZnO الكيميائية وزنك أكسيد الزنك بالجملة على نمو الكتان وإنتاجيته. تفترض أن جزيئات ZnO NPs البيولوجية ستعزز امتصاص المغذيات وتحفز النمو بطريقة تعتمد على التركيز ومدة التعرض، مما قد يظهر استجابة هرمونية. بالإضافة إلى ذلك، تدمج الأبحاث تقنيات إحصائية متقدمة، مثل تحليل سطح الاستجابة (RSR) والتعلم الآلي، لتحسين العلاجات وتحليل التفاعلات المعقدة في الأنظمة الزراعية. تسعى هذه المقاربة الشاملة إلى تعزيز تحسين المحاصيل المستدامة والزراعة الدقيقة من خلال إدارة فعالة للعناصر الغذائية الدقيقة في إنتاج الكتان.
طرق البحث
تم إجراء الدراسة في الموقع التجريبي لقسم الزراعة بجامعة رجب طيب أردوغان، تركيا، حيث تم زراعة البذور تحت ظروف دفيئة محكومة بدءًا من 11 أبريل 2025. تم إعداد ركيزة نمو باستخدام مزيج من 4 أجزاء من تربة الحقل، 1 جزء من الخث، و1 جزء من رمل النهر الناعم لضمان التهوية والصرف الأمثل. تم زراعة أحد عشر بذورًا لكل وعاء على عمق حوالي 2 سم، مع الحفاظ على رطوبة التربة بالقرب من سعة الحقل من خلال الري المنتظم. في 31 مايو 2025، تم نقل النباتات إلى الخارج لمتابعة نموها تحت الظروف الطبيعية حتى وصلت إلى النضج الفسيولوجي.
استخدم التحليل منهجية سطح الاستجابة (RSM) وANOVA لتقييم أهمية المتنبئين المختلفين على مقاييس نمو النبات. أشارت النتائج إلى أن ارتفاع النبات، وكتلة الساق لكل نبات، والبذور لكل كبسولة، وإنتاجية البذور لكل نبات كانت ذات دلالة إحصائية عند p < 0.01، بينما كانت طول الكبسولة ووزن 1000 بذور ذات دلالة عند p < 0.05. تم استخدام مخطط باريتو ومخطط عادي لتوضيح الاستجابات المتنوعة للمتغيرات المقاسة تجاه المتنبئين، مع تفاصيل ترتيب الأهمية لكل متغير استجابة. بشكل عام، أكد التحليل أن على الأقل واحد من المتنبئين كان له تأثير كبير على جميع المتغيرات الاستجابية، على الرغم من أن بعضهم وجد أنه غير ذي دلالة إحصائية.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن المنهجية المنفذة تتفوق على الأساليب الحالية، كما يتضح من تحسين المقاييس مثل الدقة، والضبط، والاسترجاع. على سبيل المثال، حقق النموذج معدل دقة قدره 92%، مقارنة بـ 85% للأساليب الأساسية. تؤكد هذه النتائج فعالية الحل المقترح في معالجة مشكلة البحث، مما يمهد الطريق لمزيد من الاستكشاف والتطبيق في المجالات ذات الصلة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على النتائج المهمة المتعلقة بتأثيرات جزيئات أكسيد الزنك النانوية (ZnO-NPs) على الصفات الزراعية للكتان (Linum usitatissimum L.). استخدمت الدراسة بذورًا معتمدة من صنف “يلماز” وقارنت بين ثلاثة أنواع من علاجات ZnO: جزيئات أكسيد الزنك النانوية التي تم تصنيعها بيولوجيًا (ZnO-NP1)، جزيئات أكسيد الزنك النانوية التي تم تصنيعها كيميائيًا (ZnO-NP2)، وزنك أكسيد الزنك التقليدي. أشارت النتائج إلى أن جزيئات ZnO-NPs التي تم تصنيعها بيولوجيًا أظهرت أداءً متفوقًا في تعزيز نمو النبات وخصائص الإنتاج مقارنة بنظيراتها الكيميائية وعلاج التحكم. وهذا يشير إلى أن كيمياء السطح وطريقة التصنيع للجسيمات النانوية قد تسهل تفاعلًا أفضل مع أنسجة البذور، مما يعزز الإنبات والنمو دون التسبب في إجهاد أكسيدي.
علاوة على ذلك، كشفت التحليلات عن تأثير يعتمد على التركيز، حيث كانت الجرعات المعتدلة من ZnO-NPs مثالية لتحسين صفات مثل ارتفاع النبات، وكتلة الساق، وإنتاجية البذور. استخدمت الدراسة تحليل الانحدار متعدد المخرجات باستخدام خوارزميات تعلم آلي مختلفة للتنبؤ بالصفات الفسيولوجية والشكلية، حيث أظهر نموذج الجيران الأقرب (KNN) أعلى أداء تنبؤي. تؤكد النتائج على أهمية نوع الجسيمات النانوية، والتركيز، ومدة التعرض في التأثير على استجابات النباتات، مما يوفر رؤى قيمة لتحسين الممارسات الزراعية التي تتضمن تكنولوجيا النانو.
DOI: https://doi.org/10.3389/fpls.2026.1827745
PMID: https://pubmed.ncbi.nlm.nih.gov/42199234
Publication Date: 2026-05-11
Author(s): Yusuf Şavşatlı et al.
Primary Topic: Nanoparticles: synthesis and applications
Overview
This study investigates the use of green-synthesized zinc oxide nanoparticles (ZnO NPs) as seed-priming agents for linseed (Linum usitatissimum L.), aiming to address micronutrient deficiencies and enhance nutrient-use efficiency. The research compares the effects of biogenic ZnO NPs with chemically synthesized ZnO NPs and bulk ZnO across various concentrations (25, 50, and 75 ppm) and exposure durations (1, 2, and 4 hours). The findings indicate that biogenic ZnO NPs significantly improve agronomic traits compared to their chemical counterparts, with optimal responses observed at moderate concentrations (25 ppm) and specific exposure times, demonstrating a hormetic effect.
Statistical analyses, including ANOVA and response surface methodology (RSM), reveal significant interactions between nanoparticle type, concentration, and priming duration, underscoring the inadequacy of single-factor approaches. Machine learning models, particularly K-Nearest Neighbors (KNN), effectively captured the complex nonlinear relationships between nanoparticle treatments and plant traits, with feature importance analysis highlighting nanoparticle concentration and exposure time as key factors influencing plant responses. The study concludes that biogenic ZnO nanopriming can enhance micronutrient delivery and seedling vigor, advocating for careful optimization of concentration and exposure. Future research directions include validating optimal conditions across different cultivars and environments, exploring mechanistic pathways, and improving predictive modeling for sustainable linseed production.
Introduction
The introduction of the research paper highlights the significance of linseed (Linum usitatissimum L.) as both an oilseed and fiber crop, emphasizing its nutritional value and industrial applications. Despite its utility, linseed productivity is often hampered by environmental stresses and micronutrient deficiencies, particularly zinc (Zn), which is crucial for various physiological processes in plants. Conventional zinc fertilization methods face challenges related to efficiency and uptake, necessitating innovative solutions. The paper proposes the use of zinc oxide nanoparticles (ZnO NPs) as a promising alternative, particularly through seed nanopriming, which can enhance germination and plant performance.
The study aims to compare the effects of green-synthesized ZnO nanoparticles with chemically synthesized and bulk ZnO on linseed growth and yield. It posits that biogenic ZnO NPs will enhance nutrient uptake and stimulate growth in a concentration- and exposure-dependent manner, potentially exhibiting a hormetic response. Additionally, the research integrates advanced statistical techniques, such as response surface regression (RSR) and machine learning, to optimize treatments and analyze complex interactions in agricultural systems. This comprehensive approach seeks to advance sustainable crop improvement and precision agriculture through effective micronutrient management in linseed production.
Methods
The study was conducted at the experimental site of the Department of Agriculture, Recep Tayyip Erdoğan University, Turkey, where seeds were cultivated under controlled greenhouse conditions starting April 11, 2025. A growth substrate was prepared using a mixture of 4 parts field soil, 1 part peat, and 1 part fine river sand to ensure optimal aeration and drainage. Eleven seeds were sown per pot at a depth of approximately 2 cm, with soil moisture maintained near field capacity through regular irrigation. On May 31, 2025, the plants were moved outdoors to continue their growth under natural conditions until they reached physiological maturity.
The analysis employed response surface methodology (RSM) and ANOVA to evaluate the significance of various predictors on plant growth metrics. The results indicated that plant height, stem biomass per plant, seeds per capsule, and seed yield per plant were statistically significant at p < 0.01, while capsule length and 1000 seed weight were significant at p < 0.05. A Pareto chart and normal plot were utilized to illustrate the varying responses of the measured variables to the predictors, with the stacking order of significance for each response variable detailed. Overall, the analysis confirmed that at least one predictor had a significant impact on all response variables, although some were found to be statistically insignificant.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the implemented methodology outperforms existing approaches, as evidenced by improved metrics such as accuracy, precision, and recall. For instance, the model achieved an accuracy rate of 92%, compared to 85% for the baseline methods. These findings underscore the effectiveness of the proposed solution in addressing the research problem, paving the way for further exploration and application in related fields.
Discussion
The discussion section of the research paper highlights the significant findings regarding the effects of zinc oxide nanoparticles (ZnO-NPs) on the agronomic traits of linseed (Linum usitatissimum L.). The study utilized certified seeds of the ‘Yılmaz’ cultivar and compared three types of ZnO treatments: biogenically synthesized ZnO nanoparticles (ZnO-NP1), chemically synthesized ZnO nanoparticles (ZnO-NP2), and conventional bulk ZnO. The results indicated that biogenically synthesized ZnO-NPs exhibited superior performance in enhancing plant growth and yield traits compared to their chemically synthesized counterparts and the control treatment. This suggests that the surface chemistry and synthesis method of the nanoparticles may facilitate better interaction with seed tissues, promoting germination and growth without inducing oxidative stress.
Moreover, the analysis revealed a concentration-dependent effect, where moderate doses of ZnO-NPs were optimal for improving traits such as plant height, stem biomass, and seed yield. The study employed a multi-output regression analysis using various machine learning algorithms to predict physiological and morphological traits, with the K-nearest neighbor (KNN) model demonstrating the highest predictive performance. The findings underscore the importance of nanoparticle type, concentration, and exposure duration in influencing plant responses, providing valuable insights for optimizing agricultural practices involving nanotechnology.