Imaging e analisi per la quantificazione dei fenotipi di stress abiotico del mais (Zea mays)
28 marzo 2025
Viene presentato un metodo per l'imaging a basso costo delle piante per misurare i fenotipi, insieme alle migliori pratiche per l'acquisizione delle immagini e una pipeline di analisi delle immagini per quantificare i tratti delle piante. Questi metodi sono stati applicati per misurare i fenotipi del mais (Zea mays) in condizioni di caldo, siccità e stress abiotico combinato.
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.
Panoramica
Questo studio presenta un metodo di imaging a basso costo per l'analisi dei fenotipi vegetali, concentrandosi in particolare sul mais (Zea mays) in diverse condizioni di stress abiotico, inclusi calore e siccità. La ricerca evidenzia l'efficacia di questo metodo nel catturare e analizzare immagini per quantificare caratteristiche vegetali fondamentali.
Componenti Chiave dello Studio
Area di Ricerca
- Fenotipizzazione vegetale
- Analisi dello stress abiotico
- Tecniche di analisi delle immagini
Sfondo
- Aumentare l'efficienza della misurazione dei tratti vegetali
- Sfide nella fenotipizzazione ad alto rendimento legate ai costi e alla complessità operativa
- Importanza della misurazione accurata del fenotipo nella ricerca in biologia vegetale
Metodi Utilizzati
- Sviluppo di un sistema di imaging a basso costo per acquisire immagini di piante
- Utilizzo del mais come organismo modello biologico
- Implementazione del software plantcv per l'analisi delle immagini
Risultati principali
- L'analisi delle immagini ha quantificato con successo diverse caratteristiche fenotipiche come area fogliare, altezza e tonalità
- Si sono osservate riduzioni significative dell'altezza e dell'area fogliare in condizioni di stress da siccità e calore
- Il metodo ha mostrato una buona correlazione con la biomassa della pianta, confermandone l'efficacia per il fenotipaggio
Conclusioni
- Lo studio dimostra un approccio fattibile per la fenotipizzazione ad alto rendimento delle piante, che è economico
- Questo metodo di imaging è rilevante per far progredire la ricerca in biologia vegetale, specialmente in condizioni di stress ambientale
Domande frequenti
Rilevanza Industriale del Progetto
L'imaging quantitativo e non distruttivo dei fenotipi da stress abiotico nel mais consente misurazioni riproducibili e scalabili di tratti fondamentali per la scoperta precoce e la ricerca traslazionale. La fenotipizzazione basata su immagini riduce il lavoro manuale e aumenta la produttività, sostenendo test ipotesi solidi e la riduzione del rischio meccanicistico nella validazione dei tratti delle colture. Questo approccio migliora la fiducia predittiva per i team di ricerca e sviluppo che selezionano genotipi resilienti allo stress e ottimizzano i percorsi di selezione dei tratti.
Applicazioni Strategiche nella Ricerca e Sviluppo in Biopharma
Scoperta Precoce e Validazione del Target
- Consente una valutazione rapida e quantitativa della risposta delle piante allo stress abiotico per la validazione di tratti basata su ipotesi.
- Supporta la riduzione del rischio meccanicistica correlando fenotipi derivati da immagini con i processi biologici sottostanti.
- Facilita il triage del portafoglio identificando genotipi con maggiore resistenza allo stress sulla base di metriche oggettive.
Sviluppo di Screening e Saggi
- Fornisce flussi di lavoro standardizzati e riproducibili per l'acquisizione e l'analisi delle immagini nell'analisi ad alto rendimento di caratteri fenotipici.
- Fornisce output quantitativi come area fogliare, altezza e tonalità, supportando confronti affidabili tra diversi trattamenti.
- Consente l'analisi su larga scala di multipli genotipi e condizioni ambientali con un investimento minimo di risorse.
Ricerca Translazionale e Preclinica
- Allinea i risultati fenotipici allo sviluppo di biomarcatori traslazionali per caratteristiche di tolleranza allo stress.
- Garantisce continuità dalla fase iniziale di scoperta fino alla validazione preclinica, permettendo misurazioni ripetute e non distruttive.
- Supporta decisioni di avanzamento proporzionate al rischio fornendo dati robusti e quantitativi sulle prestazioni del carattere in condizioni di stress.
Integrazione di Pipeline e Flusso di Lavoro
Questo flusso di lavoro di imaging e analisi integra le fasi iniziali della scoperta fino all'identificazione dei composti promettenti e alla validazione delle caratteristiche precliniche nei processi di ricerca e sviluppo agronomico.
- Biologia della scoperta: Supporta la verifica delle ipotesi e la chiarificazione dei percorsi mediante la quantificazione delle risposte delle piante a stress definiti.
- Screening: Standardizza la misurazione dei tratti per una valutazione riproducibile e ad alto rendimento dei genotipi.
- Analisi: Fornisce output quantitativi (ad esempio, area fogliare, altezza, tonalità) che consentono il confronto statistico degli effetti dei trattamenti.
- Ricerca traslazionale: Facilita l'allineamento dei dati fenotipici con gli sforzi successivi di validazione di biomarcatori e tratti.
- Riutilizzo aziendale: Offre una piattaforma flessibile e a basso costo, adattabile a diversi sistemi vegetali e progettazioni sperimentali.
Impatto Operativo ed Aziendale
- Valore scientifico: Aumenta la fiducia predittiva e riduce l'ambiguità meccanicistica nella validazione dei tratti.
- Valore operativo: Fornisce flussi di lavoro di fenotipizzazione standardizzati, scalabili e riproducibili.
- Valore strategico: Migliora il processo decisionale di avanzamento o interruzione e l'efficienza del capitale consentendo una priorizzazione solida basata sui dati.
- Impatto sul portafoglio: Supporta l'avanzamento corretto per il rischio e la riduzione del rischio di genotipi o tratti candidati.
Considerazioni sull'Implementazione
- Richiede competenze nell'analisi delle immagini e nell'uso di software per la fenotipizzazione (ad esempio, PlantCV).
- Necessita di hardware di base per l'acquisizione di immagini e di un'infrastruttura computazionale per l'elaborazione dei dati.
- Richiede una standardizzazione condivisa tra i team per i protocolli di acquisizione delle immagini e l'etichettatura dei dati.
- Adattabile a diverse specie vegetali e configurazioni sperimentali mediante ottimizzazione dei parametri.
- Dipende dalla qualità delle immagini e da condizioni ambientali costanti per ottenere risultati affidabili.
