Het halen van Metrics voor Driedimensionale Root Systems: Volume en Surface Analysis van In-bodem X-ray Computed Tomography Gegevens
April 26th, 2016
Een methodologie voor het verkrijgen van visuele en kwantitatieve wortel structuur informatie van X-ray computertomografie data verkregen in de bodem wordt gepresenteerd.
Het algemene doel van deze procedure is om kwantitatieve informatie over plantenwortels te extraheren uit X-ray computertomografiegegevens van de bodem. Deze methode om de wortelstructuur van levende planten te onderzoeken kan helpen bij het beantwoorden van belangrijke vragen op het gebied van de biologie, zoals hoe planten reageren op veranderende omgevingsomstandigheden zoals droogte, microbiële activiteiten, enzovoort. Het belangrijkste voordeel van deze techniek is dat het niet-invasief is, waardoor we planten in hun natuurlijke omgeving, de bodem, kunnen bestuderen.
Visuele demonstratie van deze methode is waardevol, aangezien de procedure tal van stappen omvat, inclusief tomografische beeldvorming, gegevensherstel en analyse, die moeilijk te begrijpen kunnen zijn zonder visuele hulp. Om te beginnen, plaatst u een potplant op de monstermanipulator van de X-ray tomografiescanner op de gewenste afstand voor de gewenste vergroting. Voor een plant in een houder met een diameter van twee inch, stelt u een monster op een afstand van ongeveer drie inch van de bron in.
Stel in de instrumentbesturingssoftware de röntgenvermogeninstellingen in op 85 kilovolt en 190 microamps. Stel vervolgens de belichtingstijd in op één seconde voor een betere signaal-ruisverhouding. Stel het aantal projecties in op 3.142 en het aantal frames per projectie op vier voor goede gegevensstatistieken.
Gebruik de zojuist ingestelde scanparameters, selecteer de "Schaduwingcorrectie"tab. Klik vervolgens op "Nieuw" en geef het schaduwingcorrectiebestand een naam. Klik vervolgens op "Presenteren" om de nieuwe omstandigheden te bevestigen.
Klik vervolgens op "Maken" en klik op "OK" om twee referentieafbeeldingen te gebruiken. Klik vervolgens op "Genereren". Wanneer het waarschuwingspop-upvenster verschijnt, verwijdert u het monster fysiek uit de straalpad voordat u op "OK" klikt. De schaduwingcorrectie zal nu worden uitgevoerd.
Klik nu op de "Verwerving"tab. Geef het gegevensbestand een naam, selecteer vervolgens "Geen" voor röntgenfilter. Zorg ervoor dat het selectievakje "Ringartefacten minimaliseren" is aangevinkt, zodat het monster tijdens het verwerven van de projectiebeelden in hoekstappen wordt geroteerd.
Start ten slotte de scan door op de "Verwerven"knop te klikken. Nadat de ruwe gegevens zijn verworven, laadt u deze in het reconstructieprogramma. Vergelijk de eerste en laatste afbeeldingen door op "Knipogen" te klikken om ervoor te zorgen dat het specimen niet is verplaatst of dat de scaninstellingen niet zijn gewijzigd tijdens de gegevensverwerving.
Bereken het draaipunt, of COR, door de "Centrum van rotatie"tab te selecteren en de opties "Automatisch"COR-vinden met "Hoge kwaliteit"nauwkeurigheid en "Dual"slice selectie voor COR-berekening te gebruiken. Klik vervolgens op "Starten" om de berekening uit te voeren. Nadat het COR is gevonden, klikt u op de "Volume"tab om het monster te selecteren dat zal worden gereconstrueerd.
Gebruik de miniatuurafbeeldingen om de volumeselectievensters te bewerken. Klik vervolgens op "Starten" om de reconstructie uit te voeren om het volumebestand met 3D-gegevens te maken. Om een RooTrak-verwerkbaar beeldstapel voor te bereiden, laadt u het volumebestand in ImageJ door te klikken op Bestand, Importeren, Rauw, en selecteer vervolgens het volumebestand.
Om het beeldcontrast tussen de wortel en de bodem te optimaliseren, klikt u op de "Afbeelding"tab, kiest u "Helderheid/Contrast aanpassen" en selecteert u "Automatisch". Wanneer het gebied van belang duidelijk zichtbaar is, worden de instellingen als geoptimaliseerd beschouwd. Sla de afbeeldingen op als een beeldstapel in JPEG, BMP of PNG-formaat door op "Opslaan als" te klikken en "Beeldsequentie" te kiezen.
Om in RooTrak te verwerken om de wortel te segmenteren, selecteert u de "Gereedschap"tab en kiest u Tracker. Dubbelklik vervolgens op het witte invoerveld van het dialoogvenster om een beeldstapel te laden. Nadat de afbeeldingen zijn geladen, kiest u de "Tracker"tab en stelt u zaadpunten in de wortel in door op verschillende punten in elk van de relevante wortelsecties te klikken die zichtbaar zijn in de bovenste weergavesnede van de volumegegevens.
Stel de trackerparameter gladheid in op 0,3 en gelijkenis op 0,8. Klik op het veld onder "Uitvoermap" om een map te kiezen. Klik vervolgens op "Map selecteren" en klik op "Starten."
De volgfunctie zal dan worden uitgevoerd. Dit volgt de wortel vanaf de bovenste beeldsnede helemaal tot de onderste snede. Na het openen en bekijken van de volumegegevens, selecteert u het aantal sneden volgens het bruikbare datavolume.
In het hier getoonde voorbeeld werd het volgen gestopt bij 200 sneden, wat overeenkomt met een diepte van 6,2 millimeter, waar de wortelgrenzen onduidelijk werden. Om volume- en oppervlakteanalyse uit te voeren in ImageJ, converteert u de beeldstapel van RooTrak naar een binair beeldformaat door Proces, Binair, vervolgens Binair maken te selecteren. Gebruik de open source ImageJ-plugin, BoneJ, om het driehoekige netwerk te maken door Plugins, BoneJ, vervolgens Isooppervlak te selecteren.
Stel in het optievenster dat wordt geopend, "Herbemonstering" en "Drempel" in op zes en 120, respectievelijk. Controleer vervolgens "Oppervlak tonen" en druk op de OK-knop. In de 3D-viewer die wordt geopend, klikt u op de "Bestand"tab.
Klik vervolgens op "Oppervlakken exporteren" en sla op als STL binair. Open tenslotte IMESHJ. Laad het STL-bestand door op "STL-bestand selecteren" te klikken en voer de voxelgrootte in micrometer in.
Klik op "Voxelgrootte invoeren" en voer 31 micrometer in, klik vervolgens twee keer op "OK". Klik op "Oppervlakte berekenen" om de totale worteloppervlakte van het monster in vierkante millimeter te verkrijgen. Klik vervolgens op "Volume berekenen" om het totale wortelvolume van het monster in kubieke millimeter te verkrijgen.
View the full transcript and gain access to thousands of scientific videos
Overzicht
Dit artikel presenteert een methodologie voor het extraheren van visuele en kwantitatieve informatie over plantenwortelstructuren met behulp van gegevens van röntgencomputertomografie die uit de bodem zijn verkregen. De niet-invasieve aard van deze techniek stelt onderzoekers in staat om planten in hun natuurlijke omgeving te bestuderen, waardoor inzichten worden geboden in hun reacties op verschillende omgevingscondities.
Belangrijke studieonderdelen
Wetenschapsgebied
- Plantenbiologie
- Omgevingswetenschappen
- Beeldvormingstechnieken
Achtergrond
- Het begrijpen van wortelstructuren is cruciaal voor het bestuderen van plantenbiologie.
- Omgevingsfactoren zoals droogte en microbiële activiteit beïnvloeden de plantengroei.
- Röntgencomputertomografie biedt een niet-invasieve beeldvormingsmethode.
- Deze techniek maakt real-time observatie van planten in de bodem mogelijk.
Doel van het onderzoek
- Om kwantitatieve gegevens over plantenwortels uit röntgentomografie te extraheren.
- Om te onderzoeken hoe planten zich aanpassen aan veranderende omgevingscondities.
- Om een visuele demonstratie van het beeldvormingsproces te geven.
Gebruikte methoden
- Plaatsing van potplanten op een röntgentomografiescanner.
- Aanpassing van de steekproefafname voor optimale beeldvergroting.
- Tomografische beeldvorming gevolgd door gegevensreconstructie.
- Analyse van de wortelstructuur uit de verkregen gegevens.
Belangrijkste resultaten
- Succesvolle extractie van wortelstructuurinformatie.
- Aangetoonde niet-invasieve beeldvormingscapaciteiten.
- Inzichten geboden in plantenreacties op omgevingsveranderingen.
- Visuele hulpmiddelen hebben het begrip van de methodologie verbeterd.
Conclusies
- De methodologie maakt een gedetailleerd onderzoek van wortelstructuren mogelijk.
- Niet-invasieve technieken zijn gunstig voor ecologisch onderzoek.
- Deze aanpak kan leiden tot een beter begrip van de plantenbiologie.
Veelgestelde vragen
Executive Industry Relevance
Quantitative 3D analysis of plant root systems using in-soil X-ray computed tomography (XCT) enables non-invasive measurement of root volume and surface area, supporting predictive modeling of plant-environment interactions. This capability is critical for translational research in crop trait optimization, soil-microbe studies, and environmental stress response, providing high-confidence data for early discovery and preclinical validation. The workflow's reproducibility and adaptability position it as a reusable asset for biopharma and ag-biotech R&D pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of root architecture in native soil environments.
- Supports mechanistic de-risking by providing volumetric and surface metrics for functional studies.
- Facilitates hypothesis-driven exploration of plant-microbe and plant-environment interactions.
Screening & Assay Development
- Prepares validated 3D root system models for downstream phenotypic screening.
- Standardizes root segmentation and mesh generation for reproducible quantitative outputs.
- Enables scalable analysis of root traits across multiple specimens and conditions.
Translational & Preclinical Research
- Aligns root system metrics with translational biomarkers for crop resilience and adaptation studies.
- Provides continuity from discovery imaging to preclinical trait validation in model and non-model plants.
- Supports risk-adjusted advancement of candidate traits or interventions based on quantitative root data.
Pipeline & Workflow Integration
This XCT-based workflow integrates from early discovery through preclinical trait validation, bridging imaging, segmentation, and quantitative analysis for robust data continuity.
- Discovery Biology: Delivers high-resolution, quantitative root metrics for hypothesis testing and pathway clarification.
- Screening: Provides standardized, reproducible 3D models for comparative analysis across genotypes or treatments.
- Analytics: Outputs surface area and volume measurements to enable statistical comparison of root system architecture.
- Translational Research: Facilitates alignment of root traits with environmental or agronomic endpoints.
- Enterprise Reuse: Offers a modular, adaptable workflow for diverse plant and material systems with similar imaging challenges.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in root trait-function relationships and environmental response.
- Operational Value: Standardizes imaging and analysis for reproducibility and scalability across projects.
- Strategic Value: Enables data-driven go/no-go decisions for trait advancement and resource allocation.
- Portfolio Impact: Supports risk-adjusted prioritization of candidate traits or interventions based on robust quantitative data.
Implementation Considerations
- Requires expertise in XCT imaging, image segmentation, and 3D mesh analysis.
- Needs access to XCT instrumentation, image processing software, and quantitative analysis tools (e.g., ImageJ, BoneJ, imeshJ).
- Demands cross-team standardization of imaging parameters and segmentation protocols for reproducibility.
- Adaptable to other biological or material systems with similar X-ray attenuation and segmentation challenges.
- Segmentation accuracy depends on sufficient X-ray contrast between root and surrounding soil or matrix.
