Imagem e análise para quantificar fenótipos de estresse abiótico de milho (Zea mays)
28 de março de 2025
Um método é apresentado para imagens de baixo custo de plantas para medir fenótipos, juntamente com as melhores práticas para captura de imagens e um pipeline de análise de imagens para quantificar as características das plantas. Esses métodos foram aplicados para medir os fenótipos do milho (Zea mays) sob condições de calor, seca e estresse abiótico combinado.
Nossa pesquisa está focada no desenvolvimento e aplicação de ferramentas de fenotipagem de plantas de alto rendimento. Nosso objetivo é fazer medições de forma rápida, acessível e sem matar as plantas. Desenvolvimentos recentes no campo da fenotipagem de plantas expandiram a análise de imagens para diferentes tipos de câmeras, como satélites e UAV, e aplicaram novas técnicas em aprendizado de máquina.
Os desafios experimentais atuais incluem o grande escopo e o trabalho significativo necessário para capturar medições em muitos momentos, tratamentos ambientais e genótipos para fazer progressos significativos em questões biológicas. Nosso protocolo fornece um método simples para capturar e analisar imagens de plantas com velocidade e flexibilidade, sem a necessidade de equipamentos caros. Para começar, ligue o filtro de linha usando o interruptor e pressione o botão para ligar o monitor.
Ligue o interruptor do computador de placa única ou do cabo de alimentação SBC.Coloque a câmera em um tripé ou mesa e forneça energia à câmera por meio do cabo de alimentação ou das baterias. Ligue a câmera usando o botão liga/desliga da câmera. Conecte a câmera à porta USB do SBC usando o cabo de transferência de dados fornecido e à câmera.
Em seguida, coloque um pedaço de fita adesiva de cor escura no tecido de fotografia onde o pote será colocado. Agora posicione o pote na fita marcada. Para plantas que crescem em um plano, como milho e sorgo, posicione o ângulo mais amplo da planta em direção à câmera.
Ajuste o cartão de cores para ficar alinhado com o vaso, mas separado da planta para não se sobrepor. Clique no botão Terminal para abrir o terminal no SBC. Insira a linha de código para abrir a janela para captura de imagem.
Em seguida, digite o nome da imagem manualmente ou escaneie um código de barras ou código QR da planta usando um leitor de código de barras. Depois de tirar a foto, selecione uma opção para salvar a imagem localmente ou em um servidor montado ou armazenamento em nuvem. Clique no botão clique aqui para tirar uma foto" para capturar a imagem.
Se o armazenamento local foi escolhido, abra a pasta Fotos na área de trabalho para revisar a imagem. Se um servidor ou armazenamento em nuvem foi usado, abra a imagem nesse local. Depois de capturar todas as imagens, use o método preferido, como armazenamento USB, navegador da Internet ou transferência SSH para copiar todas as imagens do SBC para um computador local ou armazenamento em nuvem.
Baixe os arquivos necessários para um computador ou servidor local. Instale o plantcv usando a linha de comando ou o gerenciador de pacotes. Abra photo-studio-SV-notebook.
ipynb usando um editor de código preferencial, como JupyterLab ou Visual Studio Code. Execute cada bloco de código, fazendo as edições necessárias com base nos parâmetros descritos no código para obter uma máscara limpa da planta. Quando estiver satisfeito com a análise da imagem de amostra, abra o fluxo de trabalho.
py no editor de código preferido. Edite o fluxo de trabalho. py para incluir quaisquer alterações de parâmetro feitas no photo-studio-SV-notebook.
ipynb e salve o arquivo. Abra photo-studio-SV-config. json para atualizar os caminhos do arquivo.
Modifique os caminhos para a pasta de entrada que contém imagens de plantas e a pasta de saída onde as imagens e os resultados processados serão armazenados. Abra um terminal e ative o plantcv com o comando conda activate plantcv e pressione Enter no teclado. Altere a linha de código especificada para apontar para o photo-studio-SV-config atualizado.
json. No terminal, digite o código modificado e pressione Enter no teclado. Certifique-se de que o plantcv esteja ativado no terminal.
Em seguida, execute o comando para converter results-photo-studio. json para csv, atualizando o caminho do arquivo de acordo. A análise de imagem em plantcv segmentou com sucesso as plantas de milho a partir do fundo usando um limite de canal duplo.
A análise plantcv forneceu 16 características de valor único, incluindo área foliar, altura, largura e média circular de matiz com características de vários valores plotadas como histogramas. A área foliar, altura, largura e média circular de matiz explicaram mais de 50% das variantes devido ao tratamento, tornando-as métricas-chave para análise a jusante. A planta com a maior área foliar apresentou a maior tonalidade média e foi um genótipo B73, uma planta bem regada e estressada pelo calor.
A menor área foliar também apresentou a menor tonalidade média e foi uma planta do genótipo B73, estressada pela seca e pelo calor. O tratamento com água afetou significativamente a área foliar, altura, largura e tonalidade circular média, enquanto o tratamento com temperatura afetou significativamente apenas a altura. O estresse hídrico reduziu significativamente a área foliar, a altura da planta, a largura da planta e a média circular da tonalidade em ambas as condições de temperatura.
A redução na tonalidade média devido à seca foi devido a uma mudança de pixels verdes para amarelos. O estresse térmico causou amarelecimento e escurecimento da cor verde. A área foliar medida por meio de análise de imagem correlacionou-se fortemente com a biomassa vegetal, validando o método de fenotipagem baseado em imagem.
Visão Geral
Este estudo apresenta um método de imagem de baixo custo para analisar fenótipos vegetais, com foco específico no milho (Zea mays) sob diversas condições de estresse abiótico, incluindo calor e seca. A pesquisa destaca a eficácia desse método na captura e análise de imagens para quantificar características vegetais críticas.
Componentes Principais do Estudo
Área de Pesquisa
- Fenotipagem de plantas
- Análise de estresse abiótico
- Técnicas de análise de imagem
Antecedentes
- Aumento da eficiência na medição de características de plantas
- Desafios na fenotipagem de alto rendimento relacionados ao custo e à complexidade operacional
- Importância da medição precisa de fenótipos para a pesquisa em biologia vegetal
Métodos Utilizados
- Desenvolvimento de um sistema de imageamento de baixo custo para captura de imagens de plantas
- Uso do milho como organismo modelo biológico
- Implementação do software plantcv para análise de imagens
Resultados Principais
- A análise de imagem quantificou com sucesso várias características fenotípicas, como área foliar, altura e matiz
- Reduções significativas na altura e na área foliar foram observadas sob condições de estresse por seca e calor
- O método apresentou boa correlação com a biomassa da planta, validando sua eficácia para fenotipagem
Conclusões
- O estudo demonstra uma abordagem viável para fenotipagem de alta produtividade em plantas que é economicamente eficaz
- Este método de imageamento é relevante para o avanço da pesquisa em biologia vegetal, especialmente sob condições de estresse ambiental
Perguntas Frequentes
Relevância Executiva para a Indústria
A imagem quantitativa e não destrutiva de fenótipos de estresse abiótico em milho permite a medição de características em escala e reprodutível, essencial para a descoberta precoce e pesquisas translacionais. A fenotipagem baseada em imagens reduz o trabalho manual e aumenta a produtividade, apoiando testes de hipóteses robustos e a redução de riscos mecanicistas na validação de características de culturas. Essa abordagem aumenta a confiança preditiva para equipes de P&D que priorizam genótipos resistentes ao estresse e otimizam os processos de seleção de características.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Permite avaliação rápida e quantitativa da resposta da planta ao estresse abiótico para validação de traços orientada por hipóteses.
- Apóia a desmistificação mecanicista ao correlacionar fenótipos derivados de imagens com processos biológicos subjacentes.
- Facilita a triagem de portfólios ao identificar genótipos com resiliência superior ao estresse com base em métricas objetivas.
Triagem e Desenvolvimento de Ensaios
- Oferece fluxos de trabalho padronizados e reprodutíveis para captura e análise de imagens em triagem de características de alto rendimento.
- Fornece saídas quantitativas, como área foliar, altura e matiz, apoiando comparações confiáveis entre tratamentos.
- Permite triagem escalável de múltiplos genótipos e condições ambientais com investimento mínimo de recursos.
Pesquisa Translacional e Pré-clínica
- Alinha resultados fenotípicos com o desenvolvimento de biomarcadores translacionais para características de tolerância ao estresse.
- Garante a continuidade desde a descoberta inicial até a validação pré-clínica, permitindo medições repetidas e não destrutivas.
- Apoia decisões de avanço ajustadas ao risco, fornecendo dados robustos e quantitativos sobre o desempenho da característica sob estresse.
Integração de Pipeline e Fluxo de Trabalho
Este fluxo de trabalho de imagem e análise integra desde a descoberta inicial até a identificação de compostos líderes e a validação de características pré-clínicas em pipelines de P&D agrícola.
- Biologia da Descoberta: Apoia a verificação de hipóteses e a elucidação de vias ao quantificar as respostas das plantas a estresses definidos.
- Triagem: Padroniza a medição de características para avaliação reprodutível e de alto rendimento de genótipos.
- Análises: Fornece resultados quantitativos (por exemplo, área foliar, altura, matiz) que permitem comparação estatística dos efeitos dos tratamentos.
- Pesquisa Translacional: Facilita a integração dos dados fenotípicos com esforços posteriores de validação de biomarcadores e características.
- Reutilização Empresarial: Oferece uma plataforma flexível e de baixo custo, adaptável a diversos sistemas vegetais e delineamentos experimentais.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva e reduz a ambiguidade mecanicista na validação de características.
- Valor Operacional: Oferece fluxos de trabalho de fenotipagem padronizados, escaláveis e reprodutíveis.
- Valor Estratégico: Melhora a tomada de decisões de avançar/não avançar e a eficiência do capital, permitindo uma priorização robusta baseada em dados.
- Impacto na Carteira: Apoia o avanço ajustado ao risco e a redução de riscos de genótipos ou características candidatos.
Considerações sobre a Implementação
- Requer experiência em análise de imagens e software de fenotipagem (por exemplo, PlantCV).
- Necessita de hardware básico para imagens e infraestrutura computacional para processamento de dados.
- Exige padronização entre equipes dos protocolos de captura de imagens e rotulagem de dados.
- Adaptável a diversas espécies vegetais e configurações experimentais mediante otimização de parâmetros.
- Depende da qualidade das imagens e de condições ambientais consistentes para resultados confiáveis.
