Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Biology

Tomat Analyzer: Ett användbart verktyg för att samla in tillförlitlig och detaljerad morfologisk och kolorimetriska data från två-dimensionella objekt

Published: March 16, 2010 doi: 10.3791/1856

Summary

Tomat Analyzer (TA) kvantifieras attribut tvådimensionella former och färger på ett reproducerbart och korrekt sätt. En steg-för-steg förfarande för att få hög kvalitet digitaliserade bilder av tomat frukt, morfologiska och färg analyser av dessa bilder och flera program med hjälp av de data som genereras via programvaran beskrivs.

Abstract

Mätning frukt morfologi och egenskaper färg av grönsaker och frukt odlingar på ett objektivt och reproducerbart sätt är viktigt för detaljerad fenotypisk analys av dessa egenskaper. Tomat Analyzer (TA) är ett program som mäter 37 attribut relaterade till två-dimensionell form i en halvautomatisk och reproducerbart sätt 1,2. Många av dessa attribut, till exempel vinklar på distala och proximala ändarna av frukt och områden av indrag, är svåra att kvantifiera manuellt. Attributen är organiserade i tio kategorier inom programmet: Enkel mätning, frukt Shape Index, Blockiness, homogenitet, proximal frukt End Shape, distala frukt End Shape, asymmetri, Intern excentricitet, latitud-avsnitt och Morfometri. Den sista kategorin kräver varken förkunskaper eller förutbestämda föreställningar om formen attribut, erbjuder så morfometriska analyser en objektiva alternativ som kan anpassas bättre till hög kapacitet analyser än attribut analys. TA erbjuder också tillämpningen färgtest som var avsedd att samla färg mätningar från scannade bilder och låta skanningsenheter ska kalibreras med hjälp av färg-standarder 3.

TA ger flera alternativ för att exportera och analysera form attribut, morfometriska och data färg. Uppgifterna kan exporteras till en Excel-fil i batch-läge (mer än 100 bilder på en gång) eller exporteras som enskilda bilder. Användaren kan välja mellan produktion som visar genomsnitt för respektive attribut för objekt i varje bild (inklusive standardavvikelse), eller en effekt som visar attributvärden för varje objekt på bilden. TA har varit ett värdefullt och effektivt verktyg för indentifying och bekräfta tomat frukt formen Quantitative Trait Loci (QTL), samt att utföra fördjupade analyser av effekten av viktiga gener frukt form på anläggningen morfologi. Dessutom kan TA användas för att objektivt klassificera frukt i olika form kategorier. Slutligen kan frukt formen och drag färg i andra växtarter samt andra organ växter som löv och frön utvärderas med TA.

Protocol

Tomat Analyzer (TA) mjukvara är designad för att känna igen föremål av en viss storlek och upplösning, mätt i punkter (pixlar) per tum (dpi). Programmet fastställer automatiskt gränserna för frukt i en skannad bild. Målet gränsen bestäms genom kontur spåra, vilket resulterar i en lista över intilliggande punkter som beskriver gränsen på ett objekt i en bild. All frukt formen mätningar beräknas utifrån gränser. Färgen testa modulen "Tomat Analyzer färgtest" är utformad för att kvantifiera den färg värdena inom gränserna erkänns av programvaran. Färgen Mätningarna är baserade på RGB: R (röd), G (grön) och B (blå). Den genomsnittliga RGB-värden för varje pixel är tagen av färgtest modul och sedan räknas om till den CIELAB färgrymd som använder L *, a *, b * att beskriva färgen på ett sätt som efterliknar människans visuella perception. Den färgtest modulen beräknar Hue och Chroma beskrivningar färg baserat på en * och b *.

En steg-för-steg-protokollet beskrivs för digitalisering av tomat frukt och efterföljande halvautomatisk analys av morfologi och attribut färg med hjälp av TA-programpaketet. Protokollet är uppdelat i åtta steg: 1) Val och förberedelse av växtmaterial, 2) bildsamling, 3) installation av programvara, 4) bildanalys och kalibrering för TA färgtest, 5) Manuell justering av attribut, 6) User- inställningar, 7) Spara och exportera data, och 8) Exempel på analys av data.

1. Val och förberedelse av växtmaterial

  1. Frukt måste vara ren och torr.
  2. Frukter med fruktkött bör inte vara övermogna för att mjuka upp kan orsaka form deformation vid skärning av frukt.
  3. Skär frukten med en vass tandad kniv eller ett nytt rakblad. Beroende på typen av analys och de attribut som ska utvärderas, bör frukt skäras längden eller tvären genom centrum. Färg analys kan tillämpas på längden eller tvären skära frukt samt andra delar som syftar till att belysa specifika egenskaper.
  4. Torka den interna delen av frukt genom blotting med vävnad eller pappershanddukar om frukten är mycket saftigt.

2. Bildsamling

  1. Skär frukten och lägg på skannern med den skurna sidan nedåt. Placera en linjal över och en etikett under frukt. Linjalen används för att verifiera att rätt skanningsupplösningen har valts, och är viktigt för korrekt mätning av frukt attribut. För high-throughput analys av data är det viktigt att skanna frukt från endast en anläggning (eller genotyp) i taget och att skanna frukt som är antingen längs-eller skurna på tvären, men inte en blandning av båda på samma sökning. Placera frukt nära varandra, men slippa angränsande frukt rörande. Undvik också stora tomma utrymmen mellan frukterna på skannern. Om objekten är för långt från varandra, måste bilden manipuleras med hjälp av bildbehandlingsprogram som Adobe Photoshop eller GIMP före analys med TA.
  2. Eftersom TA program använder bildupplösning att noggrant mäta storlek är korrekt val av skanningsupplösningen viktiga för senare analys.
    1. Som regel, om föremålen är mellan 1 och 8 cm, scanna vid 200 eller 300 dpi (pixlar / tum). Om objekten är> 8 cm, scanna vid 100 dpi. För mycket små (<1 cm) objekt såsom frön, scanna med 750 dpi eller högre. När parti analys planeras (se nedan) och frukten storleken inte är mycket varierande mellan olika växter, är det lämpligt att välja en inställning Skannerupplösning för alla bilder som ska samlas in för samma experiment.
    2. För färgtest, ställ in upplösningen av skannern till 200 dpi om frukterna är <8 cm. Om frukterna är> 8 cm, scanna vid 100 dpi. Ställ också in storleken bild, på högsta antalet färger som finns i skannern.
  3. Objekt ska genomsökas med en svart eller väldigt mörk bakgrund för att förhindra skuggor som kommer att störa analysen. En mörk bakgrund kan erhållas genom att placera en kartong över scannern så att allt ljus är begränsad från skärmen. Om en vit bakgrund används, TA inte fungerar eftersom programmet är optimerad för att använda en mörk bakgrund.
  4. Bilden ska beskäras efter den första (innan du sparar bilden) för att undvika stora tomma utrymmen. Om bilden inte beskärs på detta stadium, måste det beskäras med hjälp av bildbehandlingsprogram som Adobe Photoshop eller GIMP före analys med TA.
  5. För Färg analyser, kommer skannern att behöva kalibreras om användaren har för avsikt att översätta RGB-värden till den universella L *, a * och b * skala. Scanning av färg checker (Figur 1) bör ske före eller under sökningen av frukterna. Den skannade färgen bricka ska sparas i samma mapp som frukten bilder. Scanner kalibrering är nödvändig eftersom scanners skiljer sig åt i hur de fångar färg data och ljuskällan kan ändras över tid med upprepad användning.
    1. Att få färg normer och skanning. Color normer bör väljas utifrån det breda spektrum av färger som observerats i grödan av intresse. I det här exemplet valde vi en vanlig 24-färgåtergivning diagrammet (ColorChecker, X-Rite, Grand Rapids, MI, figur 1). Scan färgen pjäs som du skulle skanna frukter. Scanner kalibrering förklaras i avsnitt 4.7.
  6. Spara den skannade bilden som en JPEG-fil.
    Obs: Var försiktig och noggrann när du placerar föremålen på skannern under bildsamlingen steg. Ju bättre föremålen är justerade, desto mindre manuell justering vara nödvändig när man analyserar frukt i TA. Exempel på låg-och högkvalitativa bilder visas i figur 2.

3. Installation av programvara

  1. Tomat Analyzer (TA) version 2.2.0.0 kan laddas ner från http://www.oardc.osu.edu/vanderknaap/tomato_analyzer.htm . Den Tomat Analyzer Bruksanvisning och tomaten Analyzer färgtest finns också tillgängliga från denna webbplats.
  2. TA kräver ett Windows-operativsystem (version 2000 eller senare).

4. Bildanalys och kalibrering för TA färgtest

  1. Mappen med bilder ska placeras på hårddisken och inte i "Mina dokument" mapp eller på en fjärrserver. Annars kommer TA inte spara den justerade bilderna i samma mapp som den ursprungliga bilderna. Se till att den justerade bilderna med tillägget. TMT är i samma mapp som originalet. Jpg-bilder (se steg 6.1.1).
  2. Starta TA-program som du skulle alla andra program genom att dubbelklicka på ikonen.
  3. Användaren måste ställa in dpi och måttenheter till lämpliga inställningar genom att välja "Scanner DPI" från menyn "Inställningar". Den dpi Inställningen måste vara samma som bildfilen så att storleken mått (höjd, bredd, omkrets, area) är korrekta. Den "Använda enheter" i dialogrutan avgör enheter (cm, mm, i eller pixel) för utdata. I samma dialogruta kan ljusstyrkan behöva justeras när objekten är relativt mörka.
    Obs: DPI och enheter kan också justeras efter att ha gjort manuella justeringar eller efter bildanalys.
  4. Användaren kan välja de attribut som ska mätas genom att välja "Mätning Sparade" från menyn "Inställningar". Detta kan göras när som helst under eller efter analysen. Attributen är grupperade i tio kategorier (dvs grundläggande mätning, frukt Shape Index, Blockiness, homogenitet, proximal frukt End Shape, distala frukt End Shape, asymmetri, Intern excentricitet, latitud-avsnitt och Morfometri). Individuella attribut eller en hel mätning grupp kan välja eller välja bort genom att klicka på gruppen eller attribut. Alla attribut för en mätning grupp kan visas genom att klicka på "+". De valda attributen visas per kategori i fönstret i det nedre högra hörnet av skärmen som visas i Figur 3.
  5. För att komma igång, klicka på "Öppna bild" och välj bildfilen från popup-dialogrutan. Den valda bilden kommer att visas i det vänstra fönstret.
  6. Att analysera öppnade bilden, klicka på "Analysera"-knappen. När du är klar kommer i ytterkanten av varje frukt att markeras med en gul linje och uppgifterna kommer att visas i det nedre högra uppgifter fönster. Programvaran kommer automatiskt att välja bort mycket stora eller små föremål, t.ex. en linjal eller etikett. Den avmarkerade objekt kommer att markeras med en blå linje. Ytterligare frukter kan väljas bort genom att högerklicka på sin image. Endast objekt som beskrivs i gult kommer att visas i data-fönstret och exporteras (Figur 3). Objekt som beskrivs i blått kommer inte att inkluderas i analyserna. Enskilda objekten visas i det övre högra fönstret genom att vänsterklicka på dem med musen.
    Obs: Uppgifterna i färgtest modulen visas inte i nedre högra uppgifter fönster.
  7. Analysera färgen checker för färganalys.
    1. Färg checker och samla L *, a *, b * värden. Öppna den skannade bilden färg checker och analysera som beskrivs för frukt. Se till TA erkänner varje patch som ett objekt för att analysera (gul gränsen). Om du använder en vanlig färg bricka, kan programmet inte att kunna känna igen mörkare strängar. Dessa färger kommer inte att ingå i kalibreringen. Under menyn Inställningar, välj "Färg Test". I dialogrutan visas. Se till att korrigera värdena är satt till 1 för backen (vänster lådor) och 0 för y-axeln (höger lådor). Minsta blått värde bör sättas till 0, och parametrarna 1 och 2 kan ignoreras. Klicka på knappen Analysera inom färgtest dialogrutan. Ett nytt fönster kommer att visas för att spara ee ut som en "CSV" dokument som kan öppnas i Excel. Ange namn och katalog för datafilen. Utdata filen innehåller RGB-värden, L *, a *, b * värden, och beräkningar för färgton och färgstyrka för varje färg patch.
    2. Fastställande korrigering värden för kalibrering. Plotta L *, a *, b * värden för varje färg patch mot kolorimeter värden för L *, a * ​​och b * som finns tillgängliga från tillverkaren av färgen checker eller i tabell 1. Bestäm regressionsekvationen och spela in lutningen och y-skärningspunkten för varje parameter. I dialogrutan anger inversen av lutningen och backväxeln på tecknet på y-axeln värde för L *, a * och b *. Dessa värden används som korrigering värden för "Färg Test" inställningar.
  8. Färgtest tillåter användaren att definiera två parametrar som rapporterar andel (%) av pixlar som faller angivna intervall av nyanser valda värdena. För analys av tomat, exempelvis nedre och övre värdena för parameter 1 är 70 och 100 respektive, vilka motsvarar oönskade gula och grön-gult kött färg. De nedre och övre värden för parameter 2 är 0 och 50 och motsvarar den önskade röda färgen. Spara inställningarna för dessa värden. Dessa värden kommer att tillämpas på alla bilder som håller på att analyseras tills programmet avslutas. För skannade bilder, välj "Ljuskälla C 2 °" alternativet. Den "Ljuskälla D65 10 °" alternativet är endast gäller för bilder som förvärvats i naturligt ljus.
  9. Resultat visualisering (se Figur 3): Varje rad med data i det nedre högra uppgifter fönstret motsvarar ett visst objekt i bilden. Uppgifterna visas i samma ordning som objekt i bilden. Den första raden visar värdena för objektet i det övre vänstra hörnet och den sista uppgifterna raden visas värdena för objektet i det nedre högra hörnet av bilden. Klicka på en rad för att visa motsvarande frukten i det övre fönstret till höger. Du kan också klicka på en frukt och motsvarande rad markeras. Genom att klicka på det attribut fliken i nedre högra fönstret är det möjligt att se hur det attribut mäts för varje enskild frukt. Till exempel genom att klicka på distala änden vinkel, kommer vinkeln mäts av programvaran på frukten i det vänstra fönstret visas. Denna funktion är mycket användbar vid identifiering av föremål som kräver manuell justering för mer exakt mätning.
    Figur 4 visar en bild för att analysera med färgtest modul. Dock är resultaten inte sett i data-fönstret. Data kan endast nås i en Excel-fil efter analys sparas.

5. Manuell justering av attribut

Ibland gränsen till frukt och den proximala och distala änden inte hittas korrekt av TA. Även om frukt är placerade i en vinkel på skannern måste bilden justeras för att erhålla korrekta mätningar. Dessa och andra funktioner kan korrigeras genom manuell justering av bilderna efter första analys. De tillgängliga justeringar visas under "Revidera" meny-knappen och inkluderar: Rotera, Boundary, proximala änden, distala änden, Auto-rotera, justera Ellips, Justera Distal Protrusion, Justera fruktvägg Boundary, Standard skal gräns.

Obs: Om justeringar behöver göras, först justera gränsen, följt av rotation. Alla andra justeringar kan göras i valfri ordning efter dessa två justeringar. En justering valts ut under Revidera menyn att vara vald tills en annan inställning väljs. Detta tillåter användaren att utföra samma justering på en sekvens av skivor genom att klicka på skiva bilden och klicka på Granska-knappen. Nedan manuella justeringar på olika frukt-attribut detaljerad.

  1. Boundary
    1. Vänsterklicka på frukten i det vänstra fönstret. Den visas i övre högra fönstret.
    2. Klicka på pilen bredvid "revidera" knappen och välj "Boundary" från rullgardinsmenyn i det övre högra fönstret. Markera gränsen plats som ska ändras genom att vänsterklicka på startpunkten och slutpunkten av felaktiga gränsen. Som ett resultat kommer avgränsade gränsen tas bort.
    3. För att lägga till en ny gräns, vänsterklicka från startpunkten mot slutpunkten. Fortsätt att klicka för att följa den önskade konturen. Högerklicka kommer att ångra en tidigare ändring. Flera ändringar kan ångras genom att i följd rätt klick.
    4. För att bekräfta den nya gränsen, tryck på "Enter". Annars, tryck på "Esc" för att avbryta åtgärden.
    5. Klicka på "Reset Boundary" för att återgå till den ursprungliga gränsen inställningen.
  2. Rotera. Denna funktion används när ett objekt inte är helt lodrät.
    1. Klicka på lämplig frukt i det vänstra fönstret. Den visas i det övre högra fönstret.
    2. Klicka på pilen bredvid "revidera" knappen och välj "Rotera"från drop down-listan.
    3. En axel som visas i det övre högra fönstret. Dra den gröna torget i slutet av axeln och frukten roterar därefter.
    4. Dubbelklicka inuti fönstret eller tryck på "Enter" för att avsluta.
    5. Klicka på "Reset Rotation" för att återgå till den ursprungliga inriktningen.
  3. Justera proximala änden. Om det finns ett fel i positionen för den proximala änden, kommer mätningarna från den här funktionen vara felaktig. Välj en frukt som kräver anpassning så att den visas i fönstret till höger. Välj sedan "Proximal frukten slut formen"-fliken och "Proximal vinkel mikro eller makro" i utdata nedan vald frukt. Den proximala vinklar kommer nu att visas för varje frukt i bilden till vänster. På detta sätt kan vinklar som verkar ovanligt identifieras. För att ändra placeringen av den proximala änden, så här:
    1. Klicka på önskad frukt i det vänstra fönstret. Den visas i övre högra fönstret.
    2. Klicka på pilen bredvid "revidera" knappen och välj "proximala ände" från rullgardinslistan.
    3. I det övre högra fönstret, klicka och dra vertex indikatorn till rätt position.
    4. Dubbelklicka eller tryck på "Enter" för att avsluta.
  4. Justera distala änden. Placeringen av den distala änden av objektet kan också ändras manuellt. För att effektivt hitta frukt som behöver distala änden justeringar, följ samma procedur som för den proximala änden.
    1. Klicka på önskad frukt i det vänstra fönstret. Den visas i det övre högra hörnet.
      Klicka på pilen bredvid "revidera" knappen och välj "distala ände" från rullgardinslistan.
    2. I det övre högra fönstret, klicka och dra vertex indikatorn till rätt position.
    3. Dubbelklicka eller tryck på "Enter" för att avsluta.
  5. Distala änden utstick. Denna funktion tillåter användaren att definiera ändpunkterna på gränsen i spetsen.
    1. Under "Distal Frukt End Shape"-fliken, välj kolumnen "distala änden Protrusion" och välj det objekt som ska justeras.
    2. Klicka på pilen bredvid "revidera" knappen och välj "Justera Distal Utstick" från rullgardinsmenyn.
    3. Dra punkter som visas till önskad position längs gränsen.
    4. Tryck på Enter för att avsluta. En linje visas som visar brytpunkten på spetsen området och räkna spetsen området. Resultatet kommer att visas i distala änden Protrusion kolumn. Om spetsen området inte är i önskad position, kommer att välja "Återställ Distal Protrusion" under "Revidera" knappen återställer punkter till sina ursprungliga positioner. Om ett tips område finns men bör inte existera, kommer att välja "Eliminera Distal Utstick" från "Revidera" knappen flytta pekar till botten av frukten, vilket ger ett värde på 0,0 för "distala änden Protrusion"-kolumnen.
  6. Auto-rotera. Denna funktion är speciellt utvecklat för tomat frö så att de kan automatiskt anpassas till den spetsiga änden åt samma håll. Vid denna tid, fungerar automatiskt rotera fungerar inte på andra föremål som frukt.
  7. Justera ellips. Denna funktion gör att användaren kan ändra storlek och / eller flytta den interna ellipsen att definiera interna frukt områden. Detta attribut används för den inre Excentricitet funktionen och frukt Shape Index attributet internal av vinsyra.
    1. Markera den inre Excentricitet fliken och sedan välja någon av kolumnerna i fliken. Välj en "storlek Standard ellips" från menyn "Inställningar".
    2. Markera ett objekt och klicka på "Revidera"-knappen. Välj "Justera Ellipse" från rullgardinsmenyn.
    3. Två punkter kommer att visas representerar övre och vänstra punkterna i ellips. Flytta dem båda ändrar storlek och re-centrerar ellips med avseende på de två nya poäng.
    4. När dessa punkter har satts till önskad position, tryck på Enter. Ellipsen kommer att ritas om. Om läget är acceptabelt, tryck Enter igen och värdena i kolumnerna kommer att uppdateras.
    5. Om den interna ellipsen behöver flyttas utan att omformas, klicka på mitten av objekten, där punkter. Två linjer och tre gröna punkter visas. Flytta punkten placerad ungefär i mitten av frukten till en ny plats att flytta ellipsen utan att ändra storlek det.
    6. Tryck Enter för att avsluta.
  8. Justera skal gränsen. Denna funktion tillåter användaren att definiera fruktväggen regionen och måste justeras när fruktvägg område "och" fruktvägg tjocklek "är vald i" latitud-avsnittet "-fliken.
    Obs: för frukter som är övermogna, kan det vara svårt eller omöjligt att skilja fruktväggen från resten av frukten.
    1. Markera ett objekt och klicka på "Revidera" droppa ned migNu. Välj "Standard fruktvägg gränsen" och ställa in standard som bäst passar fruktväggen.
    2. För ytterligare justeringar, välj "Justera fruktvägg gränsen" från "revidera" rullgardinsmenyn.
    3. I det övre högra fönstret, välj fruktväggen gränsen plats som behöver ändras. Detta uppnås genom att vänster klicka på startpunkten och slutpunkten av felaktiga gränsen. Som ett resultat kommer avgränsade gränsen tas bort. För bästa resultat bör minsta möjliga del av gränsen väljas åt gången.
    4. För att lägga till en ny gräns, vänster klick från den andra punkten tillbaka till den första punkten. Fortsätt att klicka för att följa den önskade konturen. Högerklicka kommer att ångra en tidigare ändring. Flera ändringar kan ångras genom att i följd rätt klick.
      OBS: För många fruktvägg gränsen ändringar kan resultera i att krascha av programmet.
    5. För att bekräfta nya gränsen, tryck på "Enter". Annars, tryck på "Esc" för att avbryta åtgärden.
    6. Välj "Återställ fruktvägg Boundary" för att återgå gränsen till sitt ursprungliga läge.
  9. För färganalys, när gränsen av kött inte är vid kanten av frukten bilden (t.ex. ett tvärsnitt på frukt axeln, visar huden på frukt ovanför tvären som visas i Figur 4), användaren behöver för att öppna "Färg Test" i dialogrutan under "Inställningar"-menyn. I den här dialogrutan måste det minsta blå värdet sättas till 30 och sparas. Om frukterna är <3 cm, ställ den minsta blå värdet till 20. Detta värde kan behöva ytterligare justeras om TA har svårt att hitta rätt gränser.

6. Användardefinierade inställningar

För vissa attribut, måste användaren välja inställningar vid vilken mätningen bör vidtas. Detta kan göras före eller efter analys och kommer att bero om ett experiment är att upprepas på samma inställningar som användes tidigare, eller om användaren vill göra explorativa analyser för att fastställa lämplig inställning för nya analyser.

  1. Inställning av distala och proximala änden blockiness. Blockiness beräknas som kvoten av bredden på ett användarvänligt vald del av höjden närmast distala / proximala änden av frukt till mitten av bredd (Figur 5A). Detta tillåter användaren att välja eller ändra plats på objekt där mätningen görs. De övre och nedre blockiness positioner kan ändras genom att ange ett nytt värde i "Blockiness position" under "Inställningar"-knappen.
  2. Inställning av mikro-och makronivå vinklar. Dessa inställningar används för att beräkna vinklar i olika positioner från ändarna av frukten (Figur 5B). Makrot Inställningen används normalt för vinklar från 5 till 40% längs gränsen och mikro inställning används för 2 till 10% längs gränsen.
  3. Antal morfometriska poäng. Denna funktion hittar punkter längs gränsen för varje objekt i den inlästa bilden. Den distala och proximala ändarna används som landmärke poäng för varje objekt i bilden. Antalet poäng mätt längs gränsen kan väljas med "# av morfometriska punkter" under menyn "Inställningar". Mellan 4 och 30 punkter kan väljas. Programvaran kommer automatiskt att dividera antalet punkter som valts i halvor och fördela dem på varje sida av frukt mellan distala och proximala ändar.

7. Spara och exportera data

  1. Spara data
    1. Efter manuell justering av en bild och bildanalys av TA, klicka på "Spara Fruit"-knappen. All aktuell information, inklusive manuella justeringar och avmarkerade objekt kommer att sparas i en ny fil med samma namn som den ursprungliga bilden och en TMT förlängning. Varje gång en fil är vald kommer den sparade TMT-filen med samma namn automatiskt öppnas eftersom den är kopplad till den ursprungliga filen. Dock bör TMT-filen lagras i samma mapp som jpg-bildfil (se avsnitt 4.1). Om programvaran inte lagra TMT och jpg-filer i samma mapp, flytta bilden mappen till C-enheten.
    2. För att återgå till den ursprungliga bildfilen, utan några av de justeringar, helt enkelt ta bort den associerade TMT-filen. Ett alternativ är att välja "Analyze" och ny analys den ursprungliga bilden. Dock vara medveten om att alla TMT med samma namn som bilden fortfarande kommer att förknippas med den bild nästa gång filen öppnas inte, naturligtvis, är justeringar sparas på TMT-filen.
  2. Exportera data
    1. Användaren kan exportera data för en enskild bild genom att välja knappen "Exportera". Uppgifterna kommer att exporteras till en Excel-fil och visa attributvärden för varje frukt, i genomsnitt och standardavvikelse.
    2. TA program kan också exportera attributvärden från två eller flera bilder ("Batch Analysis"-funktion).
      1. Till STArt upp partiet analysen, klicka på "Öppna bild"-knappen.
      2. Välj bild att partiet analyseras. Flera filer är markerade med "Shift" eller "Ctrl"-tangenten medan du markerar ytterligare filer. När filerna är markerade, klicka på "Open"-knappen.
      3. Användaren kommer att uppmanas att välja den typ av parti analys utgång: "Average Only", "Genomsnittlig och standardavvikelse" eller "enskilda mätningar per bild". Ett exempel på två lägen för export visas i Figur 6.
      4. Välj ett namn på Excel-filen som ska skapas och klicka på "Spara"-knappen. Programvaran kommer automatiskt att öppna filerna och börja partiet analysen. Om bilden filerna har tidigare analyserats och räddades av TA kommer sparas. TMT-filer öppnas för partiet analys. Om filerna inte tidigare har analyserats, kommer programmet att utföra analys av bilder utan manuella justeringar och deselections. TA kan utföra ett parti analys av minst 100 bilder på 600 dpi.
      5. Batch Analys för färganalys. Öppna "Färg Test" alternativ under inställningsmenyn. Kontrollera Batch Analys och klicka på Analysera. Ett nytt fönster visas för att välja de bilder att analysera. I nästa fönster ange namn och katalog för datafilen. Klicka på Spara. Utdatafilen kommer att innehålla namnet på varje bild (baserat på filnamnet) och medelvärden färg för varje frukt på bilden. De parametrar som ingår i produktionen är: parameter 1, parameter 2, R, G och värderingar B, luminositet, L *, a * och b * värden samt färgton och färgstyrka värden. Färgtest modul kan göra ett parti analys av upp till 100 frukter bilder beroende på datorns maskinvara.

8. Exempel på dataanalys

De utdata som genereras av TA kan användas för många tillämpningar. I genetiska studier, är utdata används för att upptäcka frukt form QTL (Quantitative Trait Loci) i flera segregerande populationer som kommer från korsningar mellan olika odlade tomat sorter (S. Lycopersicum) och vilda arter S. pimpinellifolium anslutning LA1589 1,4,5. TA kan också användas för att klassificera frukt i form kategorierna 6 och analysera tomat missfärgning frukt färg på grund av den fysiologiska störning "gula axeln" 3. Dessutom har programmet använts för att analysera andra vegetabiliska organ såsom löv 7 och frön 8,9.

9. Representativa resultat

Produktionen av TA har använts för mycket varierade program. I QTL frukt form studier var frukten bilder (8 till 10 frukter per anläggning i en bild) som samlats in från totalt 96 till 130 plantor i varje population. Därefter har dessa bilder analyserades av TA 4,5. För att upptäcka samband mellan fenotyper och genotyper, var QTL analyser utförs med hjälp av komposit intervall kartläggning 10,11 och multitrait komposit intervall kartläggning för grupper av attribut i varje population 12. Som ett resultat av många regioner i tomat genomet styr frukt formen identifieras. Några av dessa regioner var närvarande i flera populationer, medan andra var unika för en befolkning. Medan vissa frukter form QTLs (till exempel ovala, sol och fs8.1) var kända från tidigare kartläggning studier har flera andra loci nyupptäckta. Totalt har 17 till 36 QTLs kontrollera attribut frukt formen upptäcktes i tre segregerande populationer 2,4.

Data som genereras av TA har också analyserats med hjälp av Principal Components Analysis (PCA). I en studie var femton form attribut utsatts för partnerskaps-och samarbetsavtalet och de första tre huvudsakliga komponenter (PC) därefter kartlade som drag. Uppgifterna visar att PC QTLs överlappas med attribut QTLs som bidrar till att komponenten 4. Segregerande populationer användes också för att jämföra QTL identifieras med Morfometri till QTL identifieras med formen attribut. Återigen var Morfometri QTL visat sig sammanfalla med QTL kontrollera frukt form och attribut storlek i 93% av fallen 2. Dessa resultat visar tydligt giltigheten och reproducerbarhet av data som produceras av TA för att analysera frukt morfologi.

En annan tillämpning av TA är skapandet av en frukt form klassificeringssystem för att identifiera tomat sorter baserade på objektiva mätningar frukt form. En arvsmassa samling ~ 350 tomat anslutningar av olika ursprung och frukt morfologi utvärderades. Cirka åtta frukt från varje växt var digitaliserade och analyserades med TA. Två befintliga klassificeringssystem, IPGRI 13 och UPOV 14, utvärderades och jämfördes med visuella jämförelser frukt bilder i vår samling. Vi ändrade de morfologiska klassificering av dessa två system genom att kombinera flera kategorier och genom att skapa två nya 6. PRoposed kategorierna är platta, runda, långa, rektangulära, obovoid, ellipsoid, hjärta och oxheart. De åtta nya kategorier anpassas från IPGRI 13 och UPOV 14 system är mer visuellt urskiljbara, och testades med TA mätningar. TA produktion av 37 attribut från varje anslutning utsattes för PCA och Linjär diskriminantanalys (LDA) för att identifiera de mätningar som bäst definierar varje kategori frukt form, och även att bedöma hur exakt den som diskriminerar attributen förklara visuella klassificeringen av varje anslutning. En möjlig tillämpning av denna frukt form klassificeringssystem skulle vara att använda utdata från TA till kluster anslutningar baserade på fenotypisk data och identifiera samband mellan olika kategorier frukt form.

Den färgtest modul i TA jämfördes med färg mätningar gjorda med en kolorimeter (CR300) i en inavlad backcross (IBC) befolkning kommer från korsningar mellan S. lycopersicum bearbetning sorter 3. Den L *, a * och b * värden från kolorimeter var jämförbara med färgvärden från tre olika skannrar med TA. Däremot fanns skillnader mellan de tre skannrar observeras på grund av hårdvara, mjukvara eller nonstandardized RGB-värden. Följaktligen var ett alternativ för att ange korrigering värden genomförs i färgtest för att möjliggöra skanner kalibrering. I en genetisk studie med färgtest från TA var den genetiska variationen för färg och färg enhetlighet betydligt högre än när dessa värden erhölls från en colorimeter. Dessa skillnader beror på TA mäta färg parametrar för en hel yta medan kolorimetern analyserna endast ett fåtal punkter på ytan. Slutligen var TA testats och kunde analysera färg och färg enhetlighet i andra grödor som potatis, gurka, muskmelon och jordgubbar 3.

Figur 1
Figur 1. Standardfärg checker för Color Test modul för att kalibrera färgen värden som erhålls från olika skannrar och vid olika tidpunkter.

Figur 2
Figur 2. Högkvalitativa digitaliserade bilder krävs för en väl fungerande TA. A) Ett exempel på en låg bildkvalitet. TA kommer att försöka hitta objekt i hela bilden. När det finns stora tomma utrymmen som visas här, kan TA inte fungerar eller kraschar. Vissa frukter var inte avtorkning och juice på skannern skärmen kommer att förhindra TA från att erkänna den rätta frukten gränsen. Dessutom, när de flesta frukter felaktigt vertikalt orienterade, kommer många attribut inte kan beräknas korrekt. Dessa bilder av dålig kvalitet kommer att avsevärt fördröja analysen av frukt form på grund av omfattande manuella justeringar som måste göras innan analysen. B) Ett exempel på en hög bildkvalitet. Frukten är vertikalt orienterade korrekt placerade nära utan att vidröra varandra och avtorkning.

Figur 3
Figur 3. Skärmdump av TA-program. Det översta fönstret visar knapparna för flera tillgängliga verktyg (dvs. öppen bild, spara frukt, exportera data, passar storlek, analysera och revidera). Objektet i det övre högra fönstret har valts ut för manuella justeringar och de data som visas i det nedre högra fönstret. Värdena för denna frukt är markerade i grått i det nedre högra uppgifter fönster. De objekt som beskrivs i gult i det vänstra fönstret kommer att inkluderas i analyserna medan föremålen som beskrivs i blått inte kommer att inkluderas i analyserna.

Figur 4
Figur 4. En bild som används för Tomat Analyzer - färgtest ansökan.

Figur 5
Figur 5. Användardefinierade inställningar. A) Blockiness attribut. Den övre läge används för att beräkna proximala änden blockiness och attribut triangel. Inställningen för övre läget avgör där X är uppmätt (= 10% i figuren). Det nedre läget används för att beräkna distala änden blockiness och attribut triangel. Inställningen för lägre position bestämmer var Y mäts (= 90% i figuren). Värdena för dessa positioner lika med andelen av höjden från toppen av frukten. B) Macro vinkel attribut. De gröna linjerna representerar procent (= 20% i figuren) längs gränsen från slutet (svart fyrkant i figuren) där vinkeln kommer att mätas. Programvaran kommer att avgöra lutningen med + / - 5% av det valda värdet. För mikro vinklar mjukvara kommer att avgöra lutningen med + / - 2% av det valda värdet.

Figur 6
Figur 6. Ett exempel på den utgående data som erhållits med export verktyg från bilden visade i figur 3. A) Produktion visa attributet värden för varje frukt, i genomsnitt och standardavvikelse. B) Output visar den genomsnittliga attributvärden och standardavvikelsen för 10 tomat sorter.

  L * en * b *
1 37,986 13,555 14,059
2 65,711 18,13 17,81
3 49,927 -4,88 -21,925
4 43,139 -13,095 21,905
5 55,112 8,844 -25,399
6 70,719 -33,397 -0,199
7 62,661 36,067 57,096
8 40,02 10,41 -45,964
9 51,124 48,239 16,248
10 30,325 22,976 -21,587
11 72,532 -23,709 57,255
12 71,941 19,363 67,857
13 28,778 14,179 -50,297
14 55,261 -38,342 31,37
15 42,101 53,378 28,19
16 81,733 4,039 79,819
17 51,935 49,986 -14,574
18 51,038 -28,631 -28,638
19 96,539 -0,425 1,186
20 81,257 -0,638 -0,335
21 66,766 -0,734 -0,504
22 50,867 -0,153 -0,27
23 35,656 -0,421 -1,231
24 20,461 -0,079 -0,973

Tabell 1. L *, a *, b * värden för varje patch av färgen checker (se figur 1). Källan till ljuskälla var D50 och observatören vinkeln var 2 °.

Discussion

Hög kapacitet och noggrann utvärdering av växt-orgel morfologi och färg är svår på grund av dess kvantitativa art och ofta subjektiva kvantifiering. TA ger objektiva och exakta mätningar av flera frukt morfologiska och kolorimetriska egenskaper i en hög genomströmning och halvautomatisk sätt. Nyttan av TA har visats i studier som lett till identifiering av tomat frukt formen QTL 2,4,5. Dessutom har klassificeringen av cultivars6 och taxonomi av en grupp av arter har utvärderats med hjälp av utdata från TA 15,16. Högt uttryck av formen tomat frukten genen sön resulterar i avlång frukt 17. Använda TA, löv och hjärtbladsnod formen bestämdes i rader uttrycka solen till en hög nivå 7, vilket visar att programmet kan användas effektivt för att mäta morfologi av andra vegetabiliska organ också. Dessutom har TA varit mycket viktigt för att identifiera den genetiska grunden av utsäde storlek i tomat och solros 8,9. Slutligen är färgtest modulen genomförs i TA mer exakt och korrekt, och billigare än andra metoder för att analysera frukt färg i tomat. Sammanfattningsvis har TA blivit ett viktigt verktyg för objektiv och tillförlitlig utvärdering av morfologi och färgvariation av vegetabiliskt organ.

Acknowledgments

Denna forskning stöds av National Science Foundation (DBI 0.227.541).

References

  1. Brewer, M. T. Development of a controlled vocabulary and software application to analyze fruit shape variation in tomato and other plant species. Plant Physiol. 141 (1), 15-25 (2006).
  2. Gonzalo, M. J. Tomato Fruit Shape Analysis Using Morphometric and Morphology Attributes Implemented in Tomato Analyzer Software Program. Journal of the American Society for Horticultural Science. 134 (1), 77-87 (2009).
  3. Darrigues, A. Tomato analyzer-color test: A new tool for efficient digital phenotyping. Journal of the American Society for Horticultural Science. 133 (4), 579-586 (2008).
  4. Brewer, M. T., Moyseenko, J. B., Monforte, A. J., van der Knaap, E. Morphological variation in tomato: a comprehensive study of quantitative trait loci controlling fruit shape and development. J Exp Bot. 58 (6), 1339-1349 (2007).
  5. Gonzalo, M. J., Knaap, E. vander A comparative analysis into the genetic bases of morphology in tomato varieties exhibiting elongated fruit shape. Theor Appl Genet. 116 (5), 647-656 (2008).
  6. Rodríguez, G. R. Diversity of SUN, OVATE and FAS in the tomato germplasm and their effect on fruit morphology (in preparation. , Forth Coming Forthcoming.
  7. Wu, S. Masters Thesis. , The Ohio State University. (2009).
  8. Orsi, C. H., Tanksley, S. D. Natural variation in an ABC transporter gene associated with seed size evolution in tomato species. PLoS Genet. 5 (1), e1000347-e1000347 (2009).
  9. Yue, B., Cai, X., Yuan, W., Vick, B., Hu, J. Mapping quantitative trait loci (QTL) controlling seed morphology and disk diameter in sunflower (Helianthus annuus L). Helia. 32, 17-35 (2009).
  10. Zeng, Z. B. Theoretical Basis for Separation of Multiple Linked Gene Effects in Mapping Quantitative Trait Loci. Proceedings of the National Academy of Sciences of the United States of America. 90 (23), 10972-10976 (1993).
  11. Zeng, Z. B. Precision Mapping of Quantitative Trait Loci. Genetics. 136 (4), 1457-1468 (1994).
  12. Jiang, C. J., Zeng, Z. B. Multiple-Trait Analysis of Genetic-Mapping for Quantitative Trait Loci. Genetics. 140 (3), 1111-1127 (1995).
  13. International Plant Genetic Resources Institute. IPGRI Descriptors for Tomato (Lycopersicon spp.). , Roma, Italy. 47-47 (1996).
  14. International Union for the Protection of New Varieties of Plants. UPOV Guidelines for the Conduct of Tests for Distinctness, Uniformity, and Stability. TOMATO (Lycopersicon Lycopersicum (L.) Karsten Ex Farw.). , Geneva. 51-51 (2001).
  15. Depypere, L., Chaerle, P., Mijnsbrugge, K. V., Goetghebeur, P. Stony endocarp dimension and shape variation in Prunus section Prunus. Annals of Botany. 100 (7), 1585-1597 (2007).
  16. Depypere, L., Chaerle, P., Breyne, P., Mijnsbrugge, K. V., Goetghebeur, P., P, A combined morphometric and AFLP based diversity study challenges the taxonomy of the European members of the complex Prunus L. section Prunus. Plant systematics and evolution. 279 (1-4), 219-231 (2009).
  17. Xiao, H., Jiang, N., Schaffner, E., Stockinger, E. J., van der Knaap, E. A retrotransposon-mediated gene duplication underlies morphological variation of tomato fruit. Science. 319 (5869), 1527-1530 (2008).

Tags

Växtbiologi morfologi färg bildbehandling Quantitative Trait Loci programvara
Tomat Analyzer: Ett användbart verktyg för att samla in tillförlitlig och detaljerad morfologisk och kolorimetriska data från två-dimensionella objekt
Play Video
PDF DOI

Cite this Article

Rodríguez, G. R., Moyseenko, J. More

Rodríguez, G. R., Moyseenko, J. B., Robbins, M. D., Huarachi Morejón, N., Francis, D. M., van der Knaap, E. Tomato Analyzer: A Useful Software Application to Collect Accurate and Detailed Morphological and Colorimetric Data from Two-dimensional Objects. J. Vis. Exp. (37), e1856, doi:10.3791/1856 (2010).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter