トウモロコシ(Zea mays)非生物的ストレス表現型を定量化するためのイメージングと解析

私たちの研究は、ハイスループットの植物表現型ツールの開発と応用に焦点を当てています。私たちの目標は、植物を殺すことなく、迅速に、手頃な価格で測定を行うことです。植物の表現型解析の分野における最近の発展により、画像解析は衛星やUAVなどのさまざまなタイプのカメラに拡大され、機械学習に新しい技術が適用されています。

現在の実験上の課題には、生物学的な問題を大幅に進めるために、多くの時点での測定値、環境処理、遺伝子型を取得するために必要な広い範囲と多大な労力が含まれます。当社のプロトコルは、高価な機器を必要とせずに、迅速かつ柔軟にプラント画像をキャプチャおよび分析するための簡単な方法を提供します。まず、スイッチを使用して電源タップをオンにし、ボタンを押してモニターの電源を入れます。

シングルボードコンピューターまたはSBC電源コードのスイッチをオンにします。カメラを三脚またはテーブルに置き、電源コードまたはバッテリーを介してカメラに電力を供給します。カメラの電源ボタンを使用してカメラの電源を入れます。付属のデータ転送ケーブルを使用して、カメラをSBCのUSBポートに接続し、カメラに接続します。

次に、ポットが置かれる写真グレードの生地に暗い色のテープを置きます。次に、マークされたテープにポットを配置します。トウモロコシやソルガムなど、平面内で育つ植物の場合は、植物の最も広角をカメラに向けて配置します。

カラーカードを調整して鉢と一直線になるようにしますが、重ならないように植物から離れます。[ターミナル] ボタンをクリックして、SBC でターミナルを開きます。コード行を入力して、画像キャプチャのウィンドウを開きます。

次に、画像の名前を手動で入力するか、バーコードスキャナーを使用して植物のバーコードまたはQRコードをスキャンします。写真を撮った後、画像をローカルに保存するか、マウントされたサーバーまたはクラウドストレージに保存するかを選択します。「写真を撮るにはここをクリックしてください」ボタンをクリックして画像をキャプチャします。

ローカルストレージを選択した場合は、デスクトップの「写真」フォルダを開いて画像を確認します。サーバーまたはクラウドストレージが使用されていた場合は、その場所でイメージを開きます。すべての画像をキャプチャした後、USBストレージ、インターネットブラウザ、SSH転送などの推奨される方法を使用して、SBCからローカルコンピューターまたはクラウドストレージにすべての画像をコピーします。

必要なファイルをローカル コンピューターまたはサーバーにダウンロードします。コマンドラインまたはパッケージマネージャーを使用してplantcvをインストールします。photo-studio-SV-notebook を開きます。

JupyterLab や Visual Studio Code などの優先コード エディターを使用する ipynb。各コード ブロックを実行し、コードで概説されているパラメーターに基づいて必要な編集を行い、プラントのクリーンなマスクを取得します。サンプル画像の解析に問題がなければ、ワークフローを開きます。

py を優先コード エディターで使用します。ワークフローを編集します。pyを使用して、photo-studio-SV-notebookで行われたパラメータの変更を含めます。

ipynb と入力し、ファイルを保存します。photo-studio-SV-configを開きます。json を使用してファイルパスを更新します。

植物の画像を含む入力フォルダと、処理された画像と結果が保存される出力フォルダへのパスを変更します。ターミナルを開き、コマンド conda activate plantcv を使用して plantcv をアクティブ化し、キーボードの Enter キーを押します。指定されたコード行を、更新された photo-studio-SV-config を指すように変更します。

json ファイル。ターミナルで、変更したコードを入力し、キーボードのEnterキーを押します。ターミナルでplantcvがアクティブになっていることを確認します。

次に、コマンドを実行してresults-photo-studio. jsonをcsvに変換し、それに応じてファイルパスを更新します。plantcvの画像解析では、デュアルチャネル閾値を用いて、トウモロコシ植物を背景からセグメンテーションすることに成功しました。

plantcv分析では、葉の面積、高さ、幅、色相の円形平均を含む16の単一値特性と、ヒストグラムとしてプロットされた複数値特性が提供されました。葉の面積、高さ、幅、色相の円形平均は、処理によるバリアントの50%以上を説明し、ダウンストリーム分析の主要な指標となっています。葉の面積が最も大きい植物は、平均色相が最も高く、遺伝子型B73であり、水やりがよく、熱ストレスを受けた植物でした。

最小の葉面積は、平均色相も最小であり、遺伝子型B73、干ばつストレス、熱ストレスを受けた植物でした。水処理は葉の面積、高さ、幅、色相の円形平均に大きな影響を与えましたが、温度処理は高さにのみ大きな影響を与えました。干ばつストレスは、両方の温度条件下で葉の面積、植物の高さ、植物の幅、および色相の円形平均を大幅に減少させました。

干ばつによる平均色相の減少は、緑から黄色のピクセルへのシフトによるものでした。熱ストレスは、緑色の黄変と黒ずみの両方を引き起こしました。画像解析で測定した葉面積は、植物バイオマスと強く相関しており、画像ベースの表現型法が検証されました。