Name: Imagem e análise para quantificar fenótipos de estresse abiótico de milho (Zea mays) (Vídeo) | JoVE Journal
Uploaded: 2025-03-28T13:35:00.000+00:00
Duration: 6 min 41 s
Description: Aprenda um método de imagem de baixo custo para quantificar fenótipos de estresse abiótico em milho (Zea mays). Esta técnica utiliza o software plantcv para analisar área foliar, altura e matiz, validando a eficácia da fenotipagem baseada em imagens.

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>Fonte de alimentação USB-C de 15 W</td><td>CanaKit</td><td>DCAR-RSP-3A5-C</td><td></td></tr><tr><td>25604 UC-E6 Cabo USB</td><td>Nikon</td><td>18208256044</td><td></td></tr><tr><td>potes de 3,5 polegadas</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>AI Plataforma de software</td><td>www.biodock.ai.</td></tr><tr><td>Software de edição de código</td><td>Jupyter</td><td></td><td>https://jupyter.org/install</td></tr><tr><td>Software de edição de código</td><td>Visual Studio Code</td><td>https://code.visualstudio.com/download</td>Color <td></td></tr><tr><td>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 Growth Chamber</td><td>Conviron</td><td>BDW80 modelo</td><td></td></tr><tr><td>Dell 22 Monitor</td><td>Dell</td><td>SE2222H</td><td></td></tr><tr><td>EH-67 Adaptador AC</td><td>Nikon</td><td>AZ185</td><td></td></tr><tr><td>Software de análise de imagem</td><td>PlantCV</td><td></td><td>https://plantcv.readthedocs.io/en/latest/installation/</td></tr> <tr><td>Jack's Water Soluble Fertilizer 15-5-15</td><td>Hummert International</td><td>7590200</td><td>fertilizante líquido</td></tr><tr><td>Teclado e mouse</td><td>Logitech</td><td>1440638</td><td>MK270 teclado e mouse sem fio</td></tr><tr><td>Semente de milho</td><td>USDA-ARS Rede de Informações de Recursos de Germoplasma (GRIN)</td> <td>B73</td><td>https://www.ars-grin.gov/</td></tr> <tr><td>Cabo Micro HDMI para HDMI</td><td>Amazon</td><td>B07KSDB25X</td><td></td></tr><tr><td>Câmera Nikon Coolpix B500</td><td>Câmera Nikon</td><td></td><td></td></tr><tr><td>Nikon D7200 Nikon</td><td></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>Tecido de Fotografia</td><td>Yayoya</td><td></td><td>Tecido de Poliéster Preto Fundo de Foto para Estúdio de Foto Vídeo Televison</td></tr><tr><td>Raspberry Pi 4 Case com dissipador de calor</td><td>iUniker</td><td>&lrm; </td><td></td>B07ZVKN262</tr><tr><td>Raspberry Pi 4 Modelo 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 Raspberry Pi</td><td>Imager</td><td></td><td>https://www.raspberrypi.com/software/</td></tr> <tr><td>Software de análise estatística</td><td>Rstudio</td><td></td><td>https://posit.co/downloads/</td></tr><tr><td>Tripé</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>Leitor de código de barras sem fio</td><td>Netumscan</td><td>B08X4NMX2M</td> leitor <td>de código de barras 1D e 2D</td></tr></tbody></table>

imagem e análise para quantificar fenótipos de estresse abiótico de milho (zea mays)

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

Para desenvolver esse método, plantas de milho B73 foram avaliadas quanto a fenótipos quantitativos sob condições de controle de temperaturas, calor, bem irrigadas e secas, bem como suas combinações, para um total de quatro tratamentos. B73 é uma variedade de milho endogâmica bem conhecida com uma riqueza de dados genéticos21.
A análise de imagens no PlantCV corrigiu com sucesso as cores das imagens, rotulou os resultados quantitativos com os metadados da planta e segmentou (em outras palavras, separou) a planta do fundo, como demonstrado na Figura 3. Uma análise malsucedida forneceria imagens de saída que não mostram o contorno azul ou a forma rosa ao redor da parte externa da planta, mas incluem ruído adicional ou peças ausentes da planta (Figura 3, exemplo de baixa qualidade). Um limite de canal duplo foi necessário para incluir o máximo possível da planta na máscara (veja estratégias alternativas de canal único no "photo-studio-SV-notebook.ipynb"). No entanto, algumas plantas, particularmente aquelas com caules de cor roxa, não tiveram uma segmentação perfeita, mas foram suficientes para análise a jusante (Figura 3).
A análise PlantCV forneceu 16 características quantitativas de valor único, resumidas na Figura 4. Uma característica de valor único fornece um valor por planta - por exemplo, a área da folha, a altura, a largura e a média circular de matiz. A área foliar foi considerada por meio da função "analyze.shape" (Figura 4) e considerada a planta inteira. A altura e a largura, no entanto, foram consideradas usando a "função analyze.bound_horizontal", com um limite desenhado na linha do solo da planta. Isso ocorre porque as plantas que caem na lateral do vaso terão uma altura maior considerando a planta como um objeto inteiro e, em vez disso, devem medir apenas a partir da base da planta onde encontra o solo. Além das características de valor único, o PlantCV gera características de vários valores, que são histogramas, particularmente dos valores de cor, que representam cada pixel da planta. A média circular de matiz é uma característica de valor único que é o valor médio de matiz para toda a planta.
Para determinar quais características são as mais interessantes, foi calculada a variância explicada pelo tratamento para cada característica, bem como a correlação entre as diferentes características usando a função "frem" no pacote pcvr R Studio20 (Figura 5A). A área foliar, altura, largura e média circular de matiz foram selecionadas para análise a jusante porque explicaram mais de 50% da variância devido ao tratamento e são medidas relevantes de crescimento da planta (área, altura e largura) e saúde (matiz). Imagens representativas da planta com a maior e a menor área foliar demonstram a variação nos fenótipos coletados neste experimento (Figura 5B, C, respectivamente). A planta com a maior área foliar também teve a maior tonalidade média e foi uma planta B73, bem regada e estressada pelo calor (Figura 5B). A menor área foliar teve a menor tonalidade média (Figura 5C) e foi uma planta B73, estressada pela seca e pelo calor.
O tratamento da água teve um efeito significativo na determinação da área foliar (F(1,13) = 226,5, p = 1,32 x 10-9), altura (F(1,13) = 21,1, p = 0,0005), largura (F(1,13) = 75,5, p = 8,92 x 10-7) e média circular de matiz (F(1,13) = 27,8, p = 0,0002), determinada usando um modelo de regressão linear para o efeito do tratamento e uma ANOVA de duas vias no R Studio (resultados completos na Tabela 1). O tratamento com temperatura teve um efeito significativo na altura (F (1,13) = 5,94, p = 0,03), mas não na área foliar, largura ou média circular da tonalidade (p &gt; 0,05, Tabela 1). A interação entre temperatura e estado hídrico não foi fator significativo em nenhuma das características medidas (p &gt; 0,05, Tabela 1).
Em seguida, os tratamentos individuais foram comparados com o controle e entre si por meio de regressão linear e teste post-hoc (médias marginais estimadas) com correção de Sidak para comparações múltiplas (Figura 6). A área foliar, a altura da planta, a largura da planta e a média circular da tonalidade foram significativamente reduzidas em plantas estressadas pela seca em comparação com bem regadas em ambas as condições de temperatura (p &lt; 0,05, Figura 6). O estresse térmico quando bem regado apenas reduziu a altura da planta (p &lt; 0,05, Figura 6), mas não reduziu significativamente a área foliar, a largura da planta ou a média circular da tonalidade. Essa diferença de matiz pode ser investigada avaliando a tonalidade do traço de cor de vários valores, plotada como um histograma na Figura 7, em vez de apenas uma média. A redução na tonalidade média devido à seca foi devido a uma mudança de pixels verdes para amarelos, conhecida como clorose (Figura 7). Embora o calor não tenha mostrado uma diferença significativa na tonalidade média, ele exibiu uma redução e aumento devido ao amarelecimento (clorose) e ao escurecimento da cor verde (Figura 7).
Após a imagem, as plantas foram cortadas na junção raiz-parte aérea e o peso do tecido acima do solo foi registrado. As raízes foram lavadas e secas suavemente com uma toalha, depois pesadas, para calcular a biomassa total da planta (também conhecida como peso) para comparação com o método de fenotipagem baseado em imagem descrito. A área foliar medida por meio de análise de imagem correlacionou-se fortemente com a biomassa vegetal (R2 = 0,84, Figura 8).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67619/67619fig01.jpg"> 
Figura 1: Imagem da configuração do estúdio fotográfico com componentes rotulados para coletar imagens de plantas. (A) Tecido de grau fotográfico, (B) cartão colorido, (C) linha de fita para colocar vasos uniformemente, (D) câmera digital, (E) computador de placa única, (F) monitor exibindo o processo de captura de imagem. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67619/67619fig02.jpg"> 
Figura 2: Visão geral do fluxo de trabalho de imagem. Uma imagem representativa de "alta qualidade" e "baixa qualidade" é fornecida. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/67619/67619fig3v2.jpg"> 
Figura 3: Visão geral do fluxo de trabalho de análise de imagens no PlantCV. Imagens representativas de segmentação de qualidade "alta", "aceitável" e "baixa" são apresentadas; As características do PlantCV são representadas usando um contorno rosa da forma da planta inteira e um contorno azul da área da planta. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig3v2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/67619/67619fig04.jpg"> 
Figura 4: Resumo e representação visual dos traços de forma capturados da análise. Função de forma em PlantCV. As caixas roxas representam características que não utilizam outra característica em seus cálculos. As caixas laranja representam características que utilizam outras características em seus cálculos; As setas indicam quais características são usadas nesses cálculos. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/67619/67619fig05.jpg"> 
Figura 5: A fenotipagem baseada em imagem captura a variância fenotípica e as características correlacionadas. (A) Variância de características explicadas pelo tratamento (direita) e correlação de características entre si (esquerda). Cada característica é rotulada, seguida por sua unidade de medida; "NA" significa que é uma medida sem unidade. (B) Imagem da planta que apresentou a maior área foliar e maior tonalidade média circular (graus). (C) Imagem da planta que apresentou a menor área foliar e menor média circular de matiz (graus). <a href="https://www.jove.com/files/ftp_upload/67619/67619fig05large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/67619/67619fig06.jpg"> 
Figura 6: Comparação boxplot dos efeitos do tratamento nos fenótipos das plantas. A área foliar (A), a altura (B), a largura (C) e a média circular de matiz (D) são comparadas quanto ao efeito da seca, do calor e das tensões combinadas. n = 4. As letras representam diferenças estatisticamente significativas entre os tratamentos (p &lt; 0,05); Os tratamentos foram comparados por meio de regressão linear e teste post-hoc (médias marginais estimadas) com correção de Sidak para comparações múltiplas. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig06large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/67619/67619fig07.jpg"> 
Figura 7: Histogramas de cor (matiz) somados de todos os pixels de cada combinação de tratamento, normalizados pelo número total de pixels na combinação de tratamento. Os histogramas são coloridos pelo valor de cor para o grau de matiz. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig07large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/67619/67619fig08.jpg"> 
Figura 8: Correlação da área foliar medida a partir de imagens com a biomassa de toda a planta. Cada ponto preto representa uma planta. A linha rosa representa a correlação linear entre a área foliar (X) e a biomassa (Y). <a href="https://www.jove.com/files/ftp_upload/67619/67619fig08large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Traço</td>
			<td>Fator</td>
			<td>graus de liberdade</td>
			<td>Valor F</td>
			<td>Valor de p</td>
		</tr>
		<tr>
			<td>área foliar (cm^2)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>0.5372</td>
			<td>0.4766</td>
		</tr>
		<tr>
			<td>área foliar (cm^2)</td>
			<td>Água</td>
			<td>1</td>
			<td>226.5318</td>
			<td>1.32E-09</td>
		</tr>
		<tr>
			<td>área foliar (cm^2)</td>
			<td>Temperatura: Água</td>
			<td>1</td>
			<td>2.1526</td>
			<td>0.1661</td>
		</tr>
		<tr>
			<td>área foliar (cm^2)</td>
			<td>Resíduos</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Altura (cm)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>5.9426</td>
			<td>0.0298935</td>
		</tr>
		<tr>
			<td>Altura (cm)</td>
			<td>Água</td>
			<td>1</td>
			<td>21.107</td>
			<td>0.0005029</td>
		</tr>
		<tr>
			<td>Altura (cm)</td>
			<td>Temperatura: Água</td>
			<td>1</td>
			<td>2.1752</td>
			<td>0.1640545</td>
		</tr>
		<tr>
			<td>Altura (cm)</td>
			<td>Resíduos</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>largura (cm)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>2.2495</td>
			<td>0.1575</td>
		</tr>
		<tr>
			<td>largura (cm)</td>
			<td>Água</td>
			<td>1</td>
			<td>75.5474</td>
			<td>8.92E-07</td>
		</tr>
		<tr>
			<td>largura (cm)</td>
			<td>Temperatura: Água</td>
			<td>1</td>
			<td>0.0839</td>
			<td>0.7766</td>
		</tr>
		<tr>
			<td>largura (cm)</td>
			<td>Resíduos</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Matiz Circular Médio (graus)</td>
			<td>Temperatura</td>
			<td>1</td>
			<td>0.9154</td>
			<td>0.3561432</td>
		</tr>
		<tr>
			<td>Matiz Circular Médio (graus)</td>
			<td>Água</td>
			<td>1</td>
			<td>27.7988</td>
			<td>0.0001509</td>
		</tr>
		<tr>
			<td>Matiz Circular Médio (graus)</td>
			<td>Temperatura: Água</td>
			<td>1</td>
			<td>3.4792</td>
			<td>0.0848724</td>
		</tr>
		<tr>
			<td>Matiz Circular Médio (graus)</td>
			<td>Resíduos</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>
Tabela 1: Resultados do modelo de regressão linear e análises ANOVA bidirecionais examinando os efeitos do tratamento da água, tratamento da temperatura e sua interação nas características das plantas.

Imagem e análise para quantificar fenótipos de estresse abiótico de milho (Zea mays)

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

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.

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

Research

JoVE Journal

Biology

Biologia

Quantificar a divisão e expansão celular é de importância crucial para a compreensão do crescimento de toda a planta. Aqui, apresentamos um protocolo para calcular parâmetros celulares que determinam as taxas de crescimento foliar do milho e destacamos o uso desses dados para investigar mecanismos regulatórios de crescimento molecular, direcionando estratégias de amostragem específicas do estágio de desenvolvimento.

Análise cinemática da Divisão Celular e Expansão: Quantificar a base celular de crescimento e de amostragem de desenvolvimento zonas em<em&gt; Zea mays</em&gt; Folhas

Um protocolo experimental é apresentado para avaliação do solo cultivado sistemas de raiz de planta com RGB e geração de imagens hiperespectrais. Combinação de tempo de imagem RGB série com informações quimiométricas de hiperespectrais verifica otimiza insights sobre a dinâmica de raiz da planta.

RGB e raiz Spectral Imaging para fenotipagem de planta e pesquisa fisiológica: instalação Experimental imagem e protocolos

Nós fornecemos um método inovador para melhorar o contraste de absorção de raio-x do milho tecido apropriado para digitalização de tomografia computadorizada de microcomputed comum. Com base em imagens de CT, apresentamos um conjunto de fluxos de trabalho de processamento de imagem para diferentes materiais de milho que efetivamente extrair fenótipos microscópicos de feixes vasculares de milho.

Técnicas de fenotipagem mícron-escala de milho feixes vasculares, com base na tomografia computadorizada de Microcomputed de raio-x

Projetamos um protocolo de fenotipagem baseado em imagem para determinar as respostas morfológicas e fisiológicas a tratamentos únicos e combinados de calor, seca e alagamento. Essa abordagem permitiu a identificação de respostas precoces, tardias e de recuperação em todo o nível da planta, particularmente nas partes acima do solo, e destacou a necessidade de usar vários sensores de imagem.

Fenotipagem baseada em imagem de alto rendimento para determinar respostas morfológicas e fisiológicas a estresses únicos e combinados em batata

A ressonância magnética (RM) fornece uma ferramenta poderosa para avaliar a eficácia do equipamento de processo durante a operação. Nós discutimos o uso de MRI para visualizar a mistura em um misturador estático. A aplicação é relevante para produtos de cuidado pessoal, mas pode ser aplicado a uma ampla variedade de fluidos de alimentos, químicos, biomassa e biológicas.

Quantificar mistura usando Ressonância Magnética

Aqui nós descrevemos um fluxo de trabalho para rapidamente analisar e explorar coleções de imagens de microscopia de fluorescência usando PhenoRipper, uma plataforma de análise de imagem recentemente desenvolvido.

Análise rápida e Exploração de microscopia de fluorescência Images

Aqui relatamos um protocolo para medir o estresse oxidativo em embriões vivos de peixe-zebra. Este procedimento permite a detecção de espécies reativas de oxigênio (ROS) em tecidos embrionários inteiros e populações unicelulares. Este protocolo realizará análises qualitativas e quantitativas.

Análise do estresse oxidativo em embriões Zebrafish

O Sistema Induzível de Raiz Lateral (LRIS) permite a indução síncrona de raízes laterais e é apresentado para Arabidopsis thaliana e milho.

Lateral Root Inducible sistema no<em&gt; Arabidopsis</em&gt; E Milho

O relógio circadiano regula a cerca de um terço do transcriptoma de Arabidopsis, mas a percentagem de genes que se alimentam de volta para cronometragem permanece desconhecida. Aqui nós visualizamos um método para avaliar rapidamente os fenótipos circadianos em qualquer linha mutante de Arabidopsis utilizando imagens luminescentes de um repórter circadiano transitoriamente expressa em protoplastos.

Rápida análise de fenótipos circadianos em Arabidopsis Protoplastos transfectadas com um relógio Reporter luminescentes

Após danos no DNA, as células humanas ativam caminhos essenciais de reparação para restaurar a integridade de seu genoma. Aqui, descrevemos o método de imunofluorescência indireta como um meio de detectar proteínas de reparação de DNA, analisar seu recrutamento espacial e temporal e ajudar a interrogar a interação proteína-proteína nos locais de danos ao DNA.

Visualização de Proteínas de Reparação de DNA Interação por Imunofluorescência

Aprenda um método de imagem de baixo custo para quantificar fenótipos de estresse abiótico em milho (Zea mays). Esta técnica utiliza o software plantcv para analisar área foliar, altura e matiz, validando a eficácia da fenotipagem baseada em imagens.

Imagem e análise para quantificar fenótipos de estresse abiótico de milho (Zea mays)

Explorar mais vídeos