Name: Imaging e analisi per la quantificazione dei fenotipi di stress abiotico del mais (Zea mays) (Video) | JoVE Journal
Uploaded: 2025-03-28T13:35:00.000+00:00
Duration: 6 min 41 s
Description: Scopri un metodo di imaging a basso costo per la fenotipizzazione del mais sotto stress abiotico. Questa tecnica utilizza plantcv per quantificare area fogliare, altezza e tonalità, validando l'analisi fenotipica.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Xiao, Q., Bai, X., Zhang, C., He, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advanced+high-throughput+plant+phenotyping+techniques+for+genome-wide+association+studies%3A+A+review%5BTitle%5D)+AND+%22J+Adv+Res%22%5BJournal%5D)">Advanced high-throughput plant phenotyping techniques for genome-wide association studies: A review.</a> J Adv Res. 35, 215-230 (2022).</li>
<li>Mutka, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((image-based+phenotyping+methods+provide+insight+into+spatial+and+temporal+dimensions+of+plant+disease%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">image-based phenotyping methods provide insight into spatial and temporal dimensions of plant disease.</a> Plant Physiol. 172 (2), 650-660 (2016).</li>
<li>Mutka, A. M., Bart, R. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-based+phenotyping+of+plant+disease+symptoms%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Image-based phenotyping of plant disease symptoms.</a> Front Plant Sci. 5, 734(2014).</li>
<li>Fahlgren, N., Gehan, M. A., Baxter, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lights%2C+camera%2C+action%3A+High-throughput+plant+phenotyping+is+ready+for+a+close-up%5BTitle%5D)+AND+%22Curr+Opin+Plant+Biol%22%5BJournal%5D)">Lights, camera, action: High-throughput plant phenotyping is ready for a close-up.</a> Curr Opin Plant Biol. 24 (2), 93-99 (2015).</li>
<li>Das Choudhury, S., Samal, A., Awada, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leveraging+image+analysis+for+high-throughput+plant+phenotyping%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Leveraging image analysis for high-throughput plant phenotyping.</a> Front Plant Sci. 10, 508(2019).</li>
<li>Yang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Crop+phenomics+and+high-throughput+phenotyping%3A+Past+decades%2C+current+challenges%2C+and+future+perspectives%5BTitle%5D)+AND+%22Mol+Plant%22%5BJournal%5D)">Crop phenomics and high-throughput phenotyping: Past decades, current challenges, and future perspectives.</a> Mol Plant. 13 (2), 187-214 (2020).</li>
<li>Omari, M. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digital+image-based+plant+phenotyping%3A+A+review%5BTitle%5D)+AND+%22Korean+J+Agric+Sci%22%5BJournal%5D)">Digital image-based plant phenotyping: A review.</a> Korean J Agric Sci. 47 (1), 119-130 (2020).</li>
<li>Schindelin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiji%3A+An+open-source+platform+for+biolFiogical-image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fiji: An open-source platform for biolFiogical-image analysis.</a> Nat Methods. 9 (7), 676-682 (2012).</li>
<li>Gehan, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PlantCV+v2%3A+Image+analysis+software+for+high-throughput+plant+phenotyping%5BTitle%5D)+AND+%22PeerJ%22%5BJournal%5D)">PlantCV v2: Image analysis software for high-throughput plant phenotyping.</a> PeerJ. 5, e4088(2017).</li>
<li>Murphy, K. M., Ludwig, E., Gutierrez, J., Gehan, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning+in+image-based+plant+phenotyping%5BTitle%5D)+AND+%22Annu+Rev+Plant+Biol%22%5BJournal%5D)">Deep learning in image-based plant phenotyping.</a> Annu Rev Plant Biol. 75 (1), 771-795 (2024).</li>
<li>Fahlgren, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+versatile+phenotyping+system+and+analytics+platform+reveals+diverse+temporal+responses+to+water+availability+in+Setaria%5BTitle%5D)+AND+%22Mol+Plant%22%5BJournal%5D)">A versatile phenotyping system and analytics platform reveals diverse temporal responses to water availability in Setaria.</a> Mol Plant. 8 (3), 1520-1535 (2015).</li>
<li>Yu, L., et al. Development of a mobile, high-throughput, and low-cost image-based plant growth phenotyping system. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aYu%2C+L+%22bioRxiv%22">bioRxiv</a>. , (2023).</li>
<li>Atefi, A., Ge, Y., Pitla, S., Schnable, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robotic+technologies+for+high-throughput+plant+phenotyping%3A+Contemporary+reviews+and+future+perspectives%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Robotic technologies for high-throughput plant phenotyping: Contemporary reviews and future perspectives.</a> Front Plant Sci. 12, 611940(2021).</li>
<li>Berry, J. C., Fahlgren, N., Pokorny, A. A., Bart, R. S., Veley, K. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated%2C+high-throughput+method+for+standardizing+image+color+profiles+to+improve+image-based+plant+phenotyping%5BTitle%5D)+AND+%22PeerJ%22%5BJournal%5D)">An automated, high-throughput method for standardizing image color profiles to improve image-based plant phenotyping.</a> PeerJ. 6, e5727(2018).</li>
<li>Tovar, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Raspberry+Pi-powered+imaging+for+plant+phenotyping%5BTitle%5D)+AND+%22Appl+Plant+Sci%22%5BJournal%5D)">Raspberry Pi-powered imaging for plant phenotyping.</a> Appl Plant Sci. 6, e1031(2018).</li>
<li>Jolles, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Broad-scale+applications+of+the+Raspberry+Pi%3A+A+review+and+guide+for+biologists%5BTitle%5D)+AND+%22Methods+Ecol+Evol%22%5BJournal%5D)">Broad-scale applications of the Raspberry Pi: A review and guide for biologists.</a> Methods Ecol Evol. 12 (5), 1562-1579 (2021).</li>
<li>Watt, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Phenotyping%3A+New+windows+into+the+plant+for+breeders%5BTitle%5D)+AND+%22Annu+Rev+Plant+Biol%22%5BJournal%5D)">Phenotyping: New windows into the plant for breeders.</a> Annu Rev Plant Biol. 71 (1), 689-712 (2020).</li>
<li>Xie, C., Yang, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+on+plant+high-throughput+phenotyping+traits+using+UAV-based+sensors%5BTitle%5D)+AND+%22Comput+Electron+Agric%22%5BJournal%5D)">A review on plant high-throughput phenotyping traits using UAV-based sensors.</a> Comput Electron Agric. 178, 105731(2020).</li>
<li>Czedik-Eysenberg, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+%26%2334%3BPhenoBox%26%2334%3B%2C+a+flexible%2C+automated%2C+open-source+plant+phenotyping+solution%5BTitle%5D)+AND+%22New+Phytol%22%5BJournal%5D)">The &#34;PhenoBox&#34;, a flexible, automated, open-source plant phenotyping solution.</a> New Phytol. 219 (4), 808-823 (2018).</li>
<li>Sumner, J., Fahlgren, N., Murphy, K. M. PCVR: An R package and tutorials for guided statistical analysis of plant phenotyping data. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSumner%2C+J+%22Authorea+Preprints%22">Authorea Preprints</a>. , (2023).</li>
<li>Schnable, P. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+B73+maize+genome%3A+complexity%2C+diversity%2C+and+dynamics%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">The B73 maize genome: complexity, diversity, and dynamics.</a> Science. 326 (5956), 1112-1115 (2009).</li>
<li>Segment Anything. Kirillov, A., et al. 2023 IEEE/CVF Int Conf Comput Vision, , 3992-4003 (2023).</li>
<li>Gabaldón-Leal, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modelling+the+impact+of+heat+stress+on+maize+yield+formation%5BTitle%5D)+AND+%22Field+Crops+Res%22%5BJournal%5D)">Modelling the impact of heat stress on maize yield formation.</a> Field Crops Res. 198 (3), 226-237 (2016).</li>
<li>Intergovernmental Panel on Climate Change. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22SYNTHESIS+REPORT+OF+THE+IPCC+SIXTH+ASSESSMENT+REPORT+%28AR6%29%22">SYNTHESIS REPORT OF THE IPCC SIXTH ASSESSMENT REPORT (AR6)</a>. , https://report.ipcc.ch/ar6syr/pdf/IPCC_AR6_SYR_LongerReport.pdf (2023).</li>
<li>Quiñones, A., et al. Optimized methods for applying and assessing heat, drought, and nutrient stress of maize seedlings in controlled environment experiments. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aQui%C3%B1ones%2C+A+%22Cold+Spring+Harb+Protoc%22">Cold Spring Harb Protoc</a>. , (2024).</li>
<li>Murphy, K. M., et al. Maize abiotic stress treatments in controlled environments. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMurphy%2C+KM+%22Cold+Spring+Harb+Protoc%22">Cold Spring Harb Protoc</a>. , (2024).</li>
</ol>

<table><tbody><tr><td>Alimentatore USB-C da 15 W</td><td>CanaKit</td><td>DCAR-RSP-3A5-C</td><td></td></tr><tr><td>25604 UC-E6 Cavo USB</td><td>Nikon</td><td>18208256044</td><td></td></tr><tr><td>pentole da 3,5 pollici</td><td>Hummert International</td><td>13006000</td><td></td></tr><tr><td>Berger BM7 35% Bark HP</td><td>Hummert International</td><td>10121500</td><td></td></tr><tr><td>Biodock 2024</td><td></td><td>Piattaforma software AI</td><td>www.biodock.ai.</td></tr><tr><td>Software di modifica del codice</td><td>Jupyter</td><td></td><td>https://jupyter.org/install</td></tr><tr><td>Software di modifica del codice</td><td>Visual Studio Code</td><td></td><td>https://code.visualstudio.com/download</td></tr><tr><td>Color Card ColorChecker Classic</td><td>Calibrite</td><td>CCC</td><td></td></tr><tr><td>Color Card ColorChecker Passport</td><td>Calibrite</td><td>CCPP2</td><td></td></tr><tr><td>Conviron Camera di crescita</td><td>Conviron</td><td>BDW80 modello</td><td></td></tr><tr><td>Dell 22 Monitor</td><td>Dell</td><td>SE2222H</td><td></td></tr><tr><td>EH-67 Adattatore CA</td><td>Nikon</td><td>AZ185</td><td></td></tr><tr><td>Software di analisi delle immagini</td><td>PlantCV</td><td></td><td>https://plantcv.readthedocs.io/en/latest/installation/</td></tr> <tr><td>Jack's Water Soluble Fertilizzante 15-5-15</td><td>Hummert International</td><td>7590200</td><td>fertilizzante liquido</td></tr><tr><td>Tastiera e mouse</td><td>Logitech</td><td>1440638</td><td>MK270 tastiera e mouse wireless</td></tr><tr><td>Semi di mais</td><td>USDA-ARS Germplasm Resources Information Network (GRIN)</td><td>B73</td><td>https://www.ars-grin.gov/</td></tr> <tr><td>Cavo da Micro HDMI a HDMI</td><td>Amazon</td><td>B07KSDB25X</td><td></td></tr><tr><td>Fotocamera Nikon Coolpix B500</td><td>Fotocamera Nikon</td><td></td><td></td></tr><tr><td>Nikon D7200</td><td>Nikon</td><td></td><td></td></tr><tr><td>Osmocote 14-14-14</td><td>Hummert International</td><td>7630000</td><td></td></tr><tr><td>Tessuto per fotografia</td><td>Yayoya</td><td></td><td>Tessuto in poliestere Sfondo fotografico nero per Photo Video Studio Televison</td></tr><tr><td>Raspberry Pi 4 Custodia con dissipatore di calore</td><td>iUniker</td><td>&lrm; </td><td></td>B07ZVKN262</tr><tr><td>Raspberry Pi 4 Modello B Rev 1.1</td><td>Raspberry Pi Foundation</td><td>RP4B4GB_BP</td><td></td></tr><tr><td>Raspberry Pi 4 PiSwitch (USB-C)</td><td>CanaKit</td><td>RSP-PISWITCH-USBC</td><td></td></tr><tr><td>Software Raspberry Pi</td><td>Raspberry Pi Imager</td><td></td><td>https://www.raspberrypi.com/software/</td></tr> <tr><td>Software di analisi statistica</td><td>Rstudio</td><td></td><td>https://posit.co/downloads/</td></tr><tr><td>Treppiede</td><td>K& F Concept</td><td>T255A3+BH-28L</td><td></td></tr><tr><td>Turface MVP</td><td>Hummert International</td><td>10240000</td><td></td></tr><tr><td>Scanner di codici a barre wireless</td><td>Netumscan</td><td>B08X4NMX2M</td><td>Scanner di codici a barre 1D e 2D</td></tr></tbody></table>

imaging e analisi per la quantificazione dei fenotipi di stress abiotico del mais (zea mays)

Imaging and Analysis for Quantifying Maize (Zea mays) Abiotic Stress Phenotypes

Per sviluppare questo metodo, le piante di mais B73 sono state valutate per fenotipi quantitativi a temperature controllate, temperature di calore, condizioni di acqua potabile e siccità, nonché per le loro combinazioni, per un totale di quattro trattamenti. B73 è una nota varietà di mais consanguineo con una ricchezza di dati genetici21.
L'analisi delle immagini in PlantCV ha corretto con successo il colore delle immagini, etichettato i risultati quantitativi con i metadati della pianta e segmentato (in altre parole, separato) la pianta dallo sfondo, come dimostrato nella Figura 3. Un'analisi non riuscita fornirebbe immagini di output che non mostrano il contorno blu o la forma rosa intorno all'esterno dell'impianto, ma piuttosto includono rumore aggiuntivo o parti mancanti dell'impianto (Figura 3, esempio di bassa qualità). Era necessaria una soglia a doppio canale per includere la maggior parte possibile della pianta nella maschera (vedi strategie alternative a canale singolo in "photo-studio-SV-notebook.ipynb"). Tuttavia, alcune piante, in particolare quelle con steli di colore violaceo, non avevano una segmentazione perfetta, ma erano sufficienti per l'analisi a valle (Figura 3).
L'analisi di PlantCV ha fornito 16 caratteri quantitativi a valore singolo, riassunti nella Figura 4. Un singolo valore fornisce un valore per pianta, ad esempio l'area fogliare, l'altezza, la larghezza e la tonalità circolare media. L'area fogliare è stata considerata utilizzando la funzione "analyze.shape" (Figura 4) e ha considerato l'intera pianta. L'altezza e la larghezza, tuttavia, sono state considerate utilizzando la "funzione analyze.bound_horizontal", con un limite tracciato sulla linea del suolo della pianta. Questo perché le piante che si abbassano sul lato del vaso avranno un'altezza maggiore considerando la pianta come un oggetto intero, e invece dovrebbero misurare solo dalla base della pianta dove incontra il terreno. Oltre ai tratti a valore singolo, PlantCV produce tratti multivalore, che sono istogrammi, in particolare dei valori di colore, che rappresentano ogni pixel della pianta. La media circolare della tonalità è un singolo valore che è il valore medio della tonalità per l'intera pianta.
Per determinare quali tratti sono i più interessanti, è stata calcolata la varianza spiegata dal trattamento per ciascun tratto, nonché la correlazione tra i diversi tratti utilizzando la funzione "frem" nel pacchetto pcvr R Studio20 (Figura 5A). L'area fogliare, l'altezza, la larghezza e la media circolare della tonalità sono state selezionate per l'analisi a valle perché spiegavano più del 50% della varianza dovuta al trattamento e sono misure rilevanti della crescita delle piante (area, altezza e larghezza) e della salute (tonalità). Immagini rappresentative della pianta con l'area fogliare più grande e più piccola dimostrano la variazione dei fenotipi raccolti in questo esperimento (Figura 5B, C, rispettivamente). La pianta con l'area fogliare più grande aveva anche la tonalità media più alta ed era una pianta B73, ben irrigata, stressata dal calore (Figura 5B). L'area fogliare più piccola aveva la tonalità media più piccola (Figura 5C) ed era una pianta B73, stressata dalla siccità e dal calore.
Il trattamento delle acque ha avuto un effetto significativo nella determinazione dell'area fogliare (F(1,13) = 226,5, p = 1,32 x 10-9), dell'altezza (F(1,13) = 21,1, p = 0,0005), della larghezza (F(1,13) = 75,5, p = 8,92 x 10-7) e della tonalità media circolare (F(1,13) = 27,8, p = 0,0002), determinata utilizzando un modello di regressione lineare per l'effetto del trattamento e un'ANOVA a due vie in R Studio (risultati completi nella Tabella 1). Il trattamento della temperatura ha avuto un effetto significativo sull'altezza (F(1,13) = 5,94, p = 0,03), ma non sull'area fogliare, sulla larghezza o sulla tonalità circolare media (p &gt; 0,05, Tabella 1). L'interazione tra temperatura e stato dell'acqua non è stata un fattore significativo in nessuno dei caratteri misurati (p &gt; 0,05, Tabella 1).
Successivamente, i singoli trattamenti sono stati confrontati con il controllo e tra loro utilizzando la regressione lineare e il test post-hoc (medie marginali stimate) con una correzione di Sidak per confronti multipli (Figura 6). L'area fogliare, l'altezza della pianta, la larghezza della pianta e la media circolare della tonalità sono risultate significativamente ridotte nelle piante stressate dalla siccità rispetto a quelle ben irrigate in entrambe le condizioni di temperatura (p &lt; 0,05, Figura 6). Lo stress da calore quando ben irrigato ha solo ridotto l'altezza della pianta (p &lt; 0,05, Figura 6), ma non ha ridotto significativamente l'area fogliare, la larghezza della pianta o la tonalità circolare. Questa differenza di tonalità può essere ulteriormente studiata valutando la tonalità del tratto di colore multivalore, tracciata come un istogramma nella Figura 7, piuttosto che come una semplice media. La riduzione della tonalità media dovuta alla siccità è dovuta a un passaggio dai pixel verdi a quelli gialli, noto come clorosi (Figura 7). Sebbene il calore non abbia mostrato una differenza significativa nella tonalità media, ha mostrato una riduzione e un aumento dovuti sia all'ingiallimento (clorosi) che all'oscuramento del colore verde (Figura 7).
Dopo l'imaging, le piante sono state tagliate alla giunzione radice-germoglio ed è stato registrato il peso del tessuto fuori terra. Le radici sono state lavate delicatamente e asciugate con un asciugamano, quindi pesate, per calcolare la biomassa vegetale totale (nota anche come peso) per il confronto con il metodo di fenotipizzazione basato su immagini descritto. L'area fogliare misurata tramite analisi di immagine è fortemente correlata alla biomassa vegetale (R2 = 0,84, Figura 8).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67619/67619fig01.jpg"> 
Figura 1: Immagine dell'allestimento dello studio fotografico con componenti etichettati per la raccolta delle immagini delle piante. (A) Tessuto per la fotografia, (B) cartella colori, (C) linea di nastro adesivo per posizionare i vasi in modo uniforme, (D) fotocamera digitale, (E) computer a scheda singola, (F) monitor che visualizza il processo di acquisizione delle immagini. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig01large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67619/67619fig02.jpg"> 
Figura 2: Panoramica del flusso di lavoro di imaging. Viene fornita un'immagine rappresentativa di "alta qualità" e "bassa qualità". <a href="https://www.jove.com/files/ftp_upload/67619/67619fig02large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/67619/67619fig3v2.jpg"> 
Figura 3: Panoramica del flusso di lavoro dell'analisi delle immagini in PlantCV. Vengono presentate immagini rappresentative di segmentazione di qualità "alta", "accettabile" e "bassa"; I tratti PlantCV sono rappresentati utilizzando un contorno rosa della forma dell'intera pianta e un contorno blu dell'area della pianta. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig3v2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/67619/67619fig04.jpg"> 
Figura 4: Sintesi e rappresentazione visiva dei tratti di forma acquisiti dall'analisi. Funzione di forma in PlantCV. Le caselle viola rappresentano i tratti che non utilizzano un altro tratto nel loro calcolo. Le caselle arancioni rappresentano i tratti che utilizzano altri tratti nel loro calcolo; Le frecce indicano quali tratti vengono utilizzati in questi calcoli. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig04large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/67619/67619fig05.jpg"> 
Figura 5: La fenotipizzazione basata su immagini cattura la varianza fenotipica e i tratti correlati. (A) Varianza dei caratteri spiegata dal trattamento (a destra) e correlazione dei caratteri tra loro (a sinistra). Ogni tratto è etichettato, seguito dalla sua unità di misura; "NA" significa che si tratta di una misura senza unità. (B) Immagine della pianta che aveva la più alta area fogliare e la più alta tonalità, media circolare (gradi). (C) Immagine della pianta che aveva l'area fogliare più piccola e la tonalità circolare più bassa media (gradi). <a href="https://www.jove.com/files/ftp_upload/67619/67619fig05large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/67619/67619fig06.jpg"> 
Figura 6: Confronto boxplot degli effetti del trattamento sui fenotipi delle piante. L'area fogliare (A), l'altezza (B), la larghezza (C) e la tonalità circolare media (D) vengono confrontate per l'effetto della siccità, del calore e degli stress combinati. n = 4. Le lettere rappresentano differenze statisticamente significative tra i trattamenti (p &lt; 0,05); i trattamenti sono stati confrontati utilizzando la regressione lineare e il test post-hoc (medie marginali stimate) con una correzione di Sidak per confronti multipli. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig06large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/67619/67619fig07.jpg"> 
Figura 7: Istogrammi di colore (tonalità) sommati di tutti i pixel di ciascuna combinazione di trattamento, normalizzati dal numero totale di pixel nella combinazione di trattamento. Gli istogrammi sono colorati in base al valore del colore per il grado di tonalità. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig07large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/67619/67619fig08.jpg"> 
Figura 8: Correlazione dell'area fogliare misurata dalle immagini alla biomassa dell'intera pianta. Ogni punto nero rappresenta una pianta. La linea rosa rappresenta la correlazione lineare tra l'area fogliare (X) e la biomassa (Y). <a href="https://www.jove.com/files/ftp_upload/67619/67619fig08large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Tratto</td>
			<td>Fattore</td>
			<td>gradi di libertà</td>
			<td>Valore F</td>
			<td>Valore p</td>
		</tr>
		<tr>
			<td>area fogliare (cm^2)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>0.5372</td>
			<td>0.4766</td>
		</tr>
		<tr>
			<td>area fogliare (cm^2)</td>
			<td>Acqua</td>
			<td>1</td>
			<td>226.5318</td>
			<td>1.32E-09</td>
		</tr>
		<tr>
			<td>area fogliare (cm^2)</td>
			<td>Temperatura:Acqua</td>
			<td>1</td>
			<td>2.1526</td>
			<td>0.1661</td>
		</tr>
		<tr>
			<td>area fogliare (cm^2)</td>
			<td>Residui</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Altezza (cm)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>5.9426</td>
			<td>0.0298935</td>
		</tr>
		<tr>
			<td>Altezza (cm)</td>
			<td>Acqua</td>
			<td>1</td>
			<td>21.107</td>
			<td>0.0005029</td>
		</tr>
		<tr>
			<td>Altezza (cm)</td>
			<td>Temperatura:Acqua</td>
			<td>1</td>
			<td>2.1752</td>
			<td>0.1640545</td>
		</tr>
		<tr>
			<td>Altezza (cm)</td>
			<td>Residui</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>larghezza (cm)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>2.2495</td>
			<td>0.1575</td>
		</tr>
		<tr>
			<td>larghezza (cm)</td>
			<td>Acqua</td>
			<td>1</td>
			<td>75.5474</td>
			<td>8.92E-07</td>
		</tr>
		<tr>
			<td>larghezza (cm)</td>
			<td>Temperatura:Acqua</td>
			<td>1</td>
			<td>0.0839</td>
			<td>0.7766</td>
		</tr>
		<tr>
			<td>larghezza (cm)</td>
			<td>Residui</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Tonalità media circolare (gradi)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>0.9154</td>
			<td>0.3561432</td>
		</tr>
		<tr>
			<td>Tonalità media circolare (gradi)</td>
			<td>Acqua</td>
			<td>1</td>
			<td>27.7988</td>
			<td>0.0001509</td>
		</tr>
		<tr>
			<td>Tonalità media circolare (gradi)</td>
			<td>Temperatura:Acqua</td>
			<td>1</td>
			<td>3.4792</td>
			<td>0.0848724</td>
		</tr>
		<tr>
			<td>Tonalità media circolare (gradi)</td>
			<td>Residui</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>
Tabella 1: Risultati del modello di regressione lineare e delle analisi ANOVA a due vie che esaminano gli effetti del trattamento dell'acqua, del trattamento della temperatura e della loro interazione sui tratti delle piante.

Imaging e analisi per la quantificazione dei fenotipi di stress abiotico del mais (Zea mays)

Measuring quantitative plant phenotypes, or traits, is essential for understanding plant responses to environmental factors, including biotic and abiotic ...

La nostra ricerca è focalizzata sullo sviluppo e l'applicazione di strumenti di fenotipizzazione delle piante ad alto rendimento. Il nostro obiettivo è quello di effettuare misurazioni in modo rapido, economico e senza uccidere le piante. I recenti sviluppi nel campo della fenotipizzazione delle piante hanno esteso l'analisi delle immagini a diversi tipi di fotocamere, come satelliti e UAV, e hanno applicato nuove tecniche nell'apprendimento automatico.Le attuali sfide sperimentali includono l'ampia portata e il notevole lavoro richiesto per acquisire misurazioni in molti punti temporali, trattamenti ambientali e genotipi per fare progressi significativi su questioni biologiche. Il nostro protocollo fornisce un metodo semplice per acquisire e analizzare le immagini dell'impianto con velocità e flessibilità senza la necessità di costose apparecchiature. Per iniziare, accendere la ciabatta utilizzando l'interruttore e premere il pulsante per accendere il monitor.Portare l'interruttore del computer a scheda singola o del cavo di alimentazione SBC su On.Posizionare la fotocamera su un treppiede o un tavolo e fornire alimentazione alla fotocamera tramite il cavo di alimentazione o le batterie. Accendere la fotocamera utilizzando il pulsante di accensione della fotocamera. Collegare la fotocamera alla porta USB dell'SBC utilizzando il cavo di trasferimento dati in dotazione e alla fotocamera.Quindi, posiziona un pezzo di nastro adesivo di colore scuro sul tessuto fotografico dove verrà posizionato il vaso. Ora posiziona la pentola sul nastro segnato. Per le piante che crescono in piano, come il mais e il sorgo, posizionare l'angolo più ampio della pianta verso la fotocamera.Regola la cartella colori in modo che sia in linea con il vaso, ma separata dalla pianta per evitare sovrapposizioni. Fare clic sul pulsante Terminale per aprire il terminale sull'SBC. Immettere la riga di codice per aprire la finestra per l'acquisizione dell'immagine.Quindi digita manualmente il nome dell'immagine o scansiona un codice a barre o un codice QR dell'impianto utilizzando uno scanner di codici a barre. Dopo aver scattato la foto, selezionare un'opzione per salvare l'immagine localmente o su un server montato o su un archivio cloud. Fare clic sul pulsante "clicca qui per scattare una foto" per catturare l'immagine.Se è stata scelta l'archiviazione locale, apri la cartella Foto sul desktop per rivedere l'immagine. Se è stato utilizzato un server o un archivio cloud, aprire l'immagine in tale posizione. Dopo aver acquisito tutte le immagini, utilizzare il metodo preferito, come l'archiviazione USB, un browser Internet o il trasferimento SSH per copiare tutte le immagini dall'SBC su un computer locale o su un archivio cloud.Scaricare i file necessari su un computer o server locale. Installare plantcv utilizzando la riga di comando o il gestore di pacchetti. Apri photo-studio-SV-notebook.ipynb utilizzando un editor di codice preferito come JupyterLab o Visual Studio Code. Esegui ogni blocco di codice, apportando le modifiche necessarie in base ai parametri delineati nel codice per ottenere una maschera pulita dell'impianto. Quando si è soddisfatti dell'analisi dell'immagine di esempio, aprire il flusso di lavoro.py nell'editor di codice preferito. Flusso di lavoro di modifica. py per includere eventuali modifiche ai parametri apportate nel photo-studio-SV-notebook.ipynb e salvare il file. Apri photo-studio-SV-config. JSON per aggiornare i percorsi dei file.Modifica i percorsi della cartella di input contenente le immagini dell'impianto e la cartella di output in cui verranno memorizzate le immagini elaborate e i risultati. Apri un terminale e attiva plantcv con il comando conda activate plantcv e premi Invio sulla tastiera. Modificare la riga di codice specificata in modo che punti alla configurazione photo-studio-SV aggiornata.JSON. Nel terminale, digita il codice modificato e premi Invio sulla tastiera. Assicurarsi che plantcv sia attivato nel terminale.Quindi esegui il comando per convertire results-photo-studio. json in csv, aggiornando di conseguenza il percorso del file. L'analisi delle immagini in plantcv ha segmentato con successo le piante di mais dallo sfondo utilizzando una soglia a doppio canale.L'analisi plantcv ha fornito 16 tratti a valore singolo, tra cui l'area fogliare, l'altezza, la larghezza e la media circolare della tonalità, con tratti multivalore tracciati come istogrammi. L'area fogliare, l'altezza, la larghezza e la tonalità circolare hanno spiegato una media di oltre il 50% delle varianti dovute al trattamento, rendendole metriche chiave per l'analisi a valle. La pianta con l'area fogliare più grande aveva la tonalità media più alta ed era un genotipo B73, una pianta ben irrigata e stressata dal calore.L'area fogliare più piccola aveva anche la tonalità media più piccola ed era una pianta di genotipo B73, stressata dalla siccità e dal calore. Il trattamento dell'acqua ha influenzato in modo significativo l'area fogliare, l'altezza, la larghezza e la tonalità circolare, mentre il trattamento della temperatura ha influenzato solo in modo significativo l'altezza. Lo stress da siccità ha ridotto significativamente l'area fogliare, l'altezza della pianta, la larghezza della pianta e la tonalità circolare media in entrambe le condizioni di temperatura.La riduzione della tonalità media dovuta alla siccità è dovuta al passaggio dai pixel verdi a quelli gialli. Lo stress termico ha causato sia l'ingiallimento che l'scurimento del colore verde. L'area fogliare misurata tramite analisi di immagine è fortemente correlata con la biomassa vegetale, convalidando il metodo di fenotipizzazione basato su immagini.

imaging-analysis-for-quantifying-maize-zea-mays-abiotic-stress

Research

Ricerca

JoVE Journal

Biology

Biologia

Quantificare la divisione e l'espansione cellulare è di fondamentale importanza per la comprensione della crescita dell'intera pianta. Qui, presentiamo un protocollo per calcolare i parametri cellulari che determinano i tassi di crescita delle foglie di mais e sottolineiamo l'uso di questi dati per studiare i meccanismi di regolazione della crescita molecolare indirizzando strategie di campionamento specifiche per lo stadio di sviluppo.

Analisi cinematica di divisione cellulare e di espansione: Quantificare la base cellulare della crescita e dello sviluppo di campionamento zone in<em&gt; Zea mays</em&gt; Foglie

Un protocollo sperimentale è presentato per la valutazione del terreno coltivato pianta radice sistemi con RGB e l'imaging iperspettrale. Combinazione di tempo di immagine RGB serie con chemiometrica informazioni da iperspettrale scansioni ottimizza intuizioni nelle dinamiche di radice di pianta.

RGB e Imaging spettrale radice per pianta Phenotyping e ricerca fisiologica: messa a punto sperimentale e protocolli di Imaging

Mettiamo a disposizione un nuovo metodo per migliorare il contrasto di assorbimento di raggi x del mais tessuto adatto per l'esame di tomografia microtomografia ordinaria. Basato sulle immagini di CT, introduciamo una serie di flussi di lavoro di elaborazione delle immagini per diversi materiali mais per estrarre efficacemente microscopici fenotipi dei fasci vascolari del mais.

Micron-scala Phenotyping tecniche di mais fasci vascolari basato su x-Ray Microcomputed Tomography

Abbiamo progettato un protocollo di fenotipizzazione basato su immagini per determinare le risposte morfologiche e fisiologiche a trattamenti singoli e combinati di calore, siccità e ristagno idrico. Questo approccio ha permesso di identificare le risposte precoci, tardive e di recupero a livello di intero impianto, in particolare le parti fuori terra, e ha evidenziato la necessità di utilizzare più sensori di imaging.

Fenotipizzazione basata su immagini ad alta produttività per determinare le risposte morfologiche e fisiologiche a stress singoli e combinati nella patata

Risonanza magnetica (MRI) fornisce un potente strumento per valutare l'efficacia delle apparecchiature di processo durante il funzionamento. Noi discutere l'uso della risonanza magnetica per visualizzare miscelazione con miscelatore statico. L'applicazione è rilevante per prodotti per la cura personale, ma può essere applicata a una vasta gamma di fluidi alimentari, chimiche, le biomasse e biologici.

Quantificare miscelazione con risonanza magnetica

Qui si descrive un flusso di lavoro per la rapida analizzare ed esplorare le collezioni di immagini di microscopia a fluorescenza utilizzando PhenoRipper, una piattaforma di analisi delle immagini sviluppato di recente.

Analisi rapida ed esplorazione di microscopia a fluorescenza Immagini

Qui riportiamo un protocollo per misurare lo stress ossidativo negli embrioni viventi di zebrafish. Questa procedura consente di rilevare le specie reattive dell'ossigeno (ROS) sia nei tessuti embrionali interi che nelle popolazioni di singole cellule. Questo protocollo realizzerà analisi sia qualitative che quantitative.

Analisi dello Stress Ossidativo in embrioni di zebrafish

Il Lateral Root Inducible System (LRIS) consente l'induzione sincrona delle radici laterali ed è presentato per Arabidopsis thaliana e mais.

Laterale Root inducibile di sistema in<em&gt; Arabidopsis</em&gt; E mais

L'orologio circadiano regola circa un terzo del trascrittoma di Arabidopsis, ma la percentuale di geni che alimentano di nuovo nel cronometraggio rimane sconosciuto. Qui visualizziamo un metodo per valutare rapidamente fenotipi circadiani in qualsiasi linea mutante di Arabidopsis utilizzando immagini luminescenti di un reporter circadiano transitoriamente espresso in protoplasti.

Analisi Rapida di fenotipi circadiani in Arabidopsis protoplasti transfettate con un luminescenti Clock Reporter

In seguito al danno al DNA, le cellule umane attivano percorsi di riparazione essenziali per ripristinare l'integrità del loro genoma. Qui, descriviamo il metodo dell'immunofluorescenza indiretta come mezzo per rilevare le proteine di riparazione del DNA, analizzare il loro reclutamento spaziale e temporale e contribuire a interrogare l'interazione proteina-proteina nei siti di danno al DNA.

Visualizzazione dell'interazione delle proteine di riparazione del DNA per immunofluorescenza

Scopri un metodo di imaging a basso costo per la fenotipizzazione del mais sotto stress abiotico. Questa tecnica utilizza plantcv per quantificare area fogliare, altezza e tonalità, validando l'analisi fenotipica.

Imaging e analisi per la quantificazione dei fenotipi di stress abiotico del mais (Zea mays)

Esplora altri video