Визуализация и анализ для количественного определения фенотипов абиотического стресса кукурузы (Zea mays)
28 марта 2025 г.
Представлен метод недорогой визуализации растений для измерения фенотипов, а также передовые методы получения изображений и конвейер анализа изображений для количественной оценки признаков растений. Эти методы были применены для измерения фенотипов кукурузы (Zea mays) в условиях жары, засухи и комбинированного абиотического стресса.
Наши исследования направлены на разработку и применение высокопроизводительных инструментов фенотипирования растений. Наша цель – сделать замеры быстро, недорого и не убивая растения. Последние разработки в области фенотипирования растений расширили анализ изображений на различные типы камер, таких как спутники и беспилотные летательные аппараты, и применили новые методы машинного обучения.
Текущие экспериментальные проблемы включают в себя большой объем и значительные трудозатраты, необходимые для проведения измерений во многих временных точках, обработки окружающей среды и генотипов для достижения значительного прогресса в биологических вопросах. Наш протокол обеспечивает простой метод получения и анализа изображений растений с высокой скоростью и гибкостью без необходимости использования дорогостоящего оборудования. Для начала включите удлинитель с помощью переключателя и нажмите кнопку включения монитора.
Поверните переключатель на одноплатном компьютере или шнуре питания SBC в положение «Вкл.Поместите камеру на штатив или стол» и подайте питание на камеру через шнур питания или батарейки. Включите камеру с помощью кнопки питания камеры. Подключите камеру к USB-порту на SBC с помощью прилагаемого кабеля для передачи данных и к камере.
Затем поместите кусок ленты темного цвета на ткань фотографического качества в том месте, где будет размещен горшок. Теперь расположите горшок на отмеченной ленте. Для растений, растущих в плоскости, таких как кукуруза и сорго, расположите максимально широкий угол наклона растения в сторону камеры.
Отрегулируйте цветовую карту так, чтобы она находилась на одной линии с горшком, но отделена от растения без перекрытия. Нажмите кнопку «Терминал», чтобы открыть терминал на SBC. Введите строку кода, чтобы открыть окно для захвата изображения.
Затем введите название изображения вручную или отсканируйте штрих-код или QR-код завода с помощью сканера штрих-кодов. После того, как вы сделаете снимок, выберите вариант сохранения изображения локально или на подключенном сервере или в облачном хранилище. Нажмите кнопку «Нажмите здесь, чтобы сделать снимок», чтобы сделать снимок.
Если было выбрано локальное хранилище, откройте папку «Фото» на рабочем столе, чтобы просмотреть изображение. Если использовался сервер или облачное хранилище, откройте образ в этом месте. После захвата всех изображений используйте предпочтительный метод, такой как USB-накопитель, интернет-браузер или передача данных по SSH, чтобы скопировать все изображения с SBC на локальный компьютер или облачное хранилище.
Загрузите необходимые файлы на локальный компьютер или сервер. Установите plantcv с помощью командной строки или менеджера пакетов. Откройте фотостудию-SV-блокнот.
ipynb с помощью предпочитаемого редактора кода, такого как JupyterLab или Visual Studio Code. Запустите каждый блок кода, внося необходимые правки на основе параметров, изложенных в коде, чтобы получить чистую маску растения. Когда вы будете удовлетворены анализом образца изображения, откройте рабочий процесс.
py в предпочитаемом редакторе кода. Редактирование рабочего процесса. py, чтобы включить любые изменения параметров, сделанные в фото-студии-SV-блокноте.
ipynb и сохраните файл. Откройте photo-studio-SV-config. json для обновления путей к файлам.
Измените пути к входной папке, содержащей изображения растений, и выходной папке, где будут храниться обработанные изображения и результаты. Откройте терминал и активируйте plantcv с помощью команды conda activate plantcv и нажмите Enter на клавиатуре. Измените указанную строку кода так, чтобы она указывала на обновленный photo-studio-SV-config.
JSON. В терминале введите измененный код и нажмите Enter на клавиатуре. Убедитесь, что plantcv активирован в терминале.
Затем выполните команду для преобразования results-photo-studio. json в CSV, соответствующим образом обновив путь к файлу. Анализ изображений в plantcv успешно сегментировал растения кукурузы от фона с использованием двухканального порога.
Анализ plantcv показал 16 однозначных признаков, включая площадь листьев, высоту, ширину и среднее круговое значение оттенка с многозначными признаками, построенными в виде гистограмм. Площадь листа, высота, ширина и среднее значение оттенка по кругу объясняют более 50% вариантов из-за обработки, что делает их ключевыми показателями для последующего анализа. Растение с самой большой площадью листьев имело самый высокий средний оттенок и относилось к генотипу B73, хорошо поливаемому, испытывающему тепловой стресс.
Самая маленькая площадь листьев также имела наименьший средний оттенок и относилась к генотипу B73, засушливо-тепловому стрессу. Водоподготовка существенно влияет на площадь листьев, высоту, ширину и оттенок кругового среднего, в то время как температурная обработка лишь существенно влияет на высоту. Стресс от засухи значительно сократил площадь листьев, высоту растений, ширину растений и среднее значение круглых оттенков при обоих температурных условиях.
Уменьшение среднего оттенка из-за засухи произошло из-за сдвига от зеленых к желтым пикселям. Тепловой стресс вызвал как пожелтение, так и потемнение зеленого цвета. Площадь листьев, измеренная с помощью анализа изображений, сильно коррелировала с биомассой растений, что подтверждает метод фенотипирования на основе изображений.
Обзор
В данном исследовании представлен недорогой метод визуализации для анализа фенотипов растений, в частности кукурузы (Zea mays), в условиях различных абиотических стрессов, включая высокую температуру и засуху. В работе подчеркивается эффективность этого метода для получения и анализа изображений с целью количественной оценки критических признаков растений.
Основные компоненты исследования
Область исследования
- Фенотипирование растений
- Анализ абиотического стресса
- Методы анализа изображений
Теоретическая часть
- Повышение эффективности измерения признаков растений
- Проблемы высокопроизводительного фенотипирования, связанные со стоимостью и операционной сложностью
- Важность точного измерения фенотипа для исследований в области биологии растений
Используемые методы
- Разработка недорогой системы визуализации для получения изображений растений
- Использование кукурузы в качестве биологического модельного организма
- Применение программного обеспечения plantcv для анализа изображений
Основные результаты
- Анализ изображений позволил успешно количественно оценить различные фенотипические признаки, такие как площадь листа, высота и цветовой тон
- При условиях засухи и теплового стресса наблюдалось значительное снижение высоты и площади листа
- Данный метод хорошо коррелировал с биомассой растений, что подтверждает его эффективность для фенотипирования
Выводы
- Данное исследование демонстрирует практически реализуемый и экономически эффективный подход к высокопроизводительному фенотипированию растений
- Этот метод визуализации имеет важное значение для развития исследований в области биологии растений, особенно в условиях воздействия факторов окружающей среды
Часто задаваемые вопросы
Промышленная значимость
Количественная неразрушающая визуализация фенотипов абиотического стресса кукурузы обеспечивает масштабируемое и воспроизводимое измерение признаков, что имеет решающее значение для раннего обнаружения и трансляционных исследований. Фенотипирование на основе изображений сокращает объем ручного труда и увеличивает пропускную способность, обеспечивая надежную проверку гипотез и снижение механистических рисков при валидации признаков сельскохозяйственных культур. Данный подход повышает прогностическую уверенность групп НИОКР, отдающих приоритет стрессоустойчивым генотипам и оптимизирующих конвейеры отбора признаков.
Стратегическое применение в биофармацевтических исследованиях и разработках
Ранний поиск и валидация мишени
- Обеспечивает быструю количественную оценку реакции растений на абиотический стресс для валидации признаков на основе выдвинутых гипотез.
- Способствует снижению механистических рисков путем корреляции фенотипов, полученных на основе изображений, с лежащими в их основе биологическими процессами.
- Облегчает отбор приоритетных образцов из портфеля путем выявления генотипов с повышенной стрессоустойчивостью на основе объективных показателей.
Скрининг и разработка анализа
- Обеспечивает стандартизированные и воспроизводимые рабочие процессы захвата и анализа изображений для высокопроизводительного скрининга признаков.
- Предоставляет количественные выходные данные, такие как площадь листа, высота и оттенок, что позволяет проводить надежное сравнение между вариантами обработки.
- Обеспечивает возможность масштабируемого скрининга множества генотипов и условий окружающей среды при минимальных затратах ресурсов.
Трансляционные и доклинические исследования
- Сопоставляет фенотипические результаты с разработкой трансляционных биомаркеров признаков стрессоустойчивости.
- Обеспечивает непрерывность процесса от раннего этапа поиска до доклинической валидации за счет возможности проведения многократных неразрушающих измерений.
- Обосновывает решения о продвижении проекта с учетом рисков, предоставляя надежные количественные данные о проявлении признаков в условиях стресса.
Интеграция конвейеров и рабочих процессов
Этот рабочий процесс визуализации и анализа интегрируется в конвейеры исследований и разработок сельскохозяйственных культур, начиная с этапа первичного поиска и заканчивая идентификацией перспективных соединений и доклинической валидацией признаков.
- Открывающая биология: поддерживает проверку гипотез и уточнение путей передачи сигналов путем количественной оценки реакций растений на определенные стрессоры.
- Скрининг: стандартизирует измерение признаков для воспроизводимой высокопроизводительной оценки генотипов.
- Аналитика: предоставляет количественные выходные данные (например, площадь листа, высота, цветовой тон), позволяющие проводить статистическое сравнение эффектов воздействия.
- Трансляционные исследования: способствует приведению фенотипических данных в соответствие с последующими работами по валидации биомаркеров и признаков.
- Корпоративное использование: предлагает гибкую и недорогую платформу, адаптируемую к различным растительным системам и схемам экспериментов.
Операционное и корпоративное воздействие
- Научная ценность: повышает прогностическую достоверность и снижает механистическую неопределенность при валидации признаков.
- Операционная ценность: обеспечивает стандартизированные, масштабируемые и воспроизводимые рабочие процессы фенотипирования.
- Стратегическая ценность: улучшает принятие решений о продолжении или прекращении разработок (go/no-go) и эффективность использования капитала за счет внедрения надежной приоритизации на основе данных.
- Влияние на портфель: поддерживает продвижение с учетом рисков и снижение рисков для кандидатных генотипов или признаков.
Особенности реализации
- Требуются навыки работы с программным обеспечением для анализа изображений и фенотипирования (например, PlantCV).
- Необходимо базовое оборудование для получения изображений и вычислительная инфраструктура для обработки данных.
- Требуется межкомандная стандартизация протоколов захвата изображений и разметки данных.
- Метод adaptable к различным видам растений и экспериментальным установкам при условии оптимизации параметров.
- Надежность результатов зависит от качества изображений и стабильности условий окружающей среды.
