Bruke Bordskannere å samle høy oppløsning tidsforskjøvede Bilder av Arabidopsis Root Gravitropic Response

Summary

Denne protokollen beskriver en prosess for rask innsamling av bilder av Arabidopsis frøplanter å svare på en tyngdekraft stimulus bruker kommersielt tilgjengelige planskannere. Metoden gjør det mulig for billig, høy-volum fangst av høyoppløselige bilder mottagelig for nedstrøms analyse algoritmer.

Abstract

Forskningsinnsatsen i biologi i økende grad krever bruk av metoder som gjør at høy-volum samling av data med høy oppløsning. En utfordring laboratorier kan møte er utvikling og oppnåelse av disse metodene. Observasjon av fenotyper i en prosess av interesse er et typisk mål av forskningslaboratorier studerer gen-funksjon og dette er ofte oppnådd gjennom bildeopptak. En spesiell prosess som er mottagelig for observasjon ved hjelp av avbildnings tilnærminger er den korrigerende veksten av en frøplante rot som er blitt forskjøvet fra innretting med gravitasjonsvektor. Avbildnings plattformer som benyttes for å måle roten gravitropic responsen kan være kostbart, forholdsvis lav i gjennomløpet og / eller arbeidskrevende. Disse problemene har blitt løst ved å utvikle en høy gjennomstrømming bildeopptak metode å bruke billig, men likevel høy oppløsning, planskannere. Ved hjelp av denne metoden, kan bildene bli tatt med få minutters mellomrom på 4800 dpi. Den nåværende oppsettet muliggjør samling av 216 individuelle responses per dag. Bildedataene samles inn er av god kvalitet for bildene analyse applikasjoner.

Introduction

Innsamling av høyoppløselig fenotypiske data er nyttig i studier som tar sikte på å forstå samspillet mellom genetikk og miljø i formidling organisme funksjon ^1,2. Undersøkelser av denne art er også iboende store i omfang, slik at det i tillegg nødvendig at metoder som benyttes for måling av fenotypene i denne sammenheng være høy i gjennomstrømningen ^3,4. I å etablere metoder for phenomics stilt forskning, avveininger mellom gjennomstrømming og oppløsning kommer inn i bildet. Metoder som er høyere i gjennomstrømningen også en tendens til å være lavere i oppløsning, noe som gjør det vanskeligere å oppdage små effekter av genetikk eller miljø ^fem. Alternativt metoder som mer nøye måle en ønsket fenotype også en tendens til å være lavere i gjennomstrømning, noe som gjør det vanskelig å kartlegge genetiske og miljømessige effekter bredt. I tillegg, kan manuelle metoder for å kvantifisere fenotyper, inkludert visuell inspeksjon, være gjenstand for variasjon på grunn av forskjeller i menneskelig perception ^seks.

Imaging teknologi kan gi en nyttig bro mellom gjennomstrømming og oppløsning i å skaffe fenotypiske observasjonene ^7-9. Generelt, er et bilde relativt lett å fange opp, legge til rette for gjennomstrømning, og når de er tatt med tilstrekkelig høy oppløsning, kan subtile fenotyper detekteres ^1,2,7. Bildebehandling teknologier har en tendens til å være modifiserbare å passe et system eller en prosess av interesse og er generelt skalerbar ^10-12. På grunn av dette avbildningsteknologier er ideelle for utvikling av undersøkelser i stor skala av organisme funksjon.

Responsen til det primære rot til et gravitasjons stimulus er et vanskelig fysiologisk prosess som skjer i løpet av en enkelt morfologisk organ. Responsen innebærer aktivering av signalveier som forplanter seg gjennom roten organ og dets progresjon bestemmes av miljømessige og genetiske faktorer, inkludert genetiske faktorer påvirket av miljøet ^12-14 12,14,15. Å få en detaljert forståelse av dynamikken i dette svaret er viktig å finne måter å forbedre evnen til frøplanter å kunne bli etablert i løpet av et gitt miljø ^16. I tillegg er formen av roten gjør den mottagelig for bildebehandlingsapplikasjoner ^8,12,17. Til sammen er roten gravitropic respons et ideelt system for utvikling av high-throughput bildeteknologi for den hensikt å gjennomføre genomikk-nivå studier av organisme funksjon.

I denne rapporten, er en høy gjennomstrømning, høy oppløsning metode for bildeopptak av roten gravitropic respons ved hjelp av rimelige, kommersielt tilgjengelige planskannere presentert. Oversikten overProtokollen er vist i figur 1.. Frøplanter plantet på Agarplatene ble plassert på vertikalt orienterte planskannere utstyrt med tilpassede pleksiglass plate holdere. Bilder ble samlet inn hvert femte minutt på 4800 dpi og lagret på en lokal stasjon eller dataserver. Metadata knyttet til hver bildeserie er lagret på en database, og de lagrede bildene blir behandlet. Tilnærmingen bruker VueScan programvare for bildeopptak. VueScan kan brukes til å kjøre over 2100 ulike skannere på Windows, Mac, eller Linux-operativsystemene (se Materialer tabell). En skanner oppløsning på 4800 dpi ble brukt i dette programmet for å matche oppløsningen oppnådd i tidligere studier med faste CCD-kameraer ^1,8,12. Fleksibiliteten av VueScan programvare sammen med felles grensesnitt den bruker for enhver skanner det går lar brukerne lett vedta nesten alle skanneren tilstrekkelig oppløsning til protokollen presenteres i denne artikkelen. Nåværende gjennomstrømming åpner for innsamling av216 individuelle svar per dag. Teknologien er tilpasningsdyktig og skalerbar til bruk ved institusjoner som spenner fra videregående skoler til forskning universiteter. Videre er de bildene som er samlet inn av tilstrekkelig kvalitet for bildeanalyse anvendelser.

Protocol

En. Image Acquisition Protocol

Hensyn:

Denne protokollen er mest effektivt utført med to personer, selv om det er mulig for en å jobbe alene. Ordningen fungerte best i dette laboratoriet var for én person å forberede plater for skanning mens en annen arbeider på skanneroppsett, da både arbeide sammen for å plassere plater i skannere og starte søket.

Det er også viktig å merke seg at skannerne i dette prosjektet er vertikalt orientert med skanner lokkene hviler på baksiden av skanneren. En tilpasset støtte ble gjort for å holde retter på dette loddrett stilling og er festet til planflate med 3M Kommando strimler (figur 2). Den flyttbare dokumentdekselet som følger med skanneren brukt i denne protokollen (en Epson V700) ble foret på den ene siden med svart filt. Dokumentdekselet ble plassert mot plan med en strikk ledningen tilholde platene på plass, og for å gi bildekontrast (figur 3).

Enhver skanneren tilstrekkelig oppløsning kan brukes for bildeopptak. Epson Perfection V700 ble valgt på grunn av sin firkantet profil (noe som gjør det enkelt å plassere vertikalt), sin høye oppløsning, og flere alternativer for å skanne fra både seng og lokket og bruke den infrarøde kanalen. Disse tilleggsalternativer ble ikke brukt i denne protokollen.

Når platene er tatt ut av vekstkammeret, er det viktig at protokollen fortsetter til slutten.

Plate Forberedelse

Ble brukt standard Petri-skåler inneholdende 10 ml av transparent medium og 9 frø plantet over midten av hver plate. Prosedyrer for plate merking, media forberedelse og planting kan finnes på: http://www.doane.edu/doane-phytomorph

1. Påfør Triton X-100 (rensemiddel) til lokket med en Kimwipe - være sjenerøse.
   (Merk at Triton X-100 bidrar til å hindre opphoping av kondens på lokket som platen er skannet. En sjenerøs søknad (nok til å lage en film på lokket overflaten) vil bidra til at lokket holder seg gjennomsiktig gjennom hele skanneren løp .)
2. Pakk platen med Micropore tape for å feste lokket, og for å muliggjøre ventilasjon.

Skanneroppsett og bildesamlingen

Denne protokollen forutsetter at mer enn en scanner blir brukt, og gir instruksjoner om å starte flere skannere fra en enkelt datamaskin.

4. Lag mapper for lagring av bilder fra hver skanneren. Hver skanner vil holde to plater, så ha dette i bakhodet når du oppretter mapper. Ettkan velge å bruke metadata som komponenter i filnavnet som unike IDer for hver plate, frøplante aldre, frø størrelse, og IDer av aksjer plantet. Et eksempel på et mappenavn som brukes i datainnsamlingen som inneholder disse metadata er "1652-2-sm-9-92-17-1653-2-lg-88-79-161".
5. Sett outlet tidtakere for utpekte samle tid (9 hr ble brukt i dette laboratoriet). Sørg for å sette ekstra tid (en time eller så) for forberedelse.
   (Merk at skannere som skal kobles til uttaket tidtakere for å sette oppkjøpet tid. Mens VueScan programvaren lar brukeren samle bilder flere ganger, betyr det ikke tillater brukeren å indikere hvor mange bilder for å samle eller hvor lenge å samle inn bilder for .)
6. Slå på den første skanneren og vent ca 10 sek for skanneren til å gå gjennom sine første varme-ups.
7. Åpne VueScan-programmet en gang. VueScan versjon 9.0.20 ble brukt i denne protokollen (se Materialer Table), kan selv om nyere versjoner brukes med litt modifiseringasjon. Kontroller at 'Mer' knappen har blitt trykket på bunnpanelet i brukergrensesnittet for å vise menyalternativene som er beskrevet nedenfor.
8. Sett Auto repeat: drop-down boks stykke under fanen Input og under fanen Crop satt Preview område: til Maximum (figur 4). Trykk 'Forhåndsvisning'.
9. Lag en beskjæringsboks som skulle fange regionen av interesse ved å bruke musen til å klikke og dra i hele regionen av interesse på forhåndsvisningsbildet. Innstillingene kan endres for regionen av interesse i kategorien Crop. Den typiske innstillingene som brukes for beskjæringsboksen var: x-offset 0.675, y-offset 1,924 i, men dette ble justert for å fange frøplante området for hver skanneren. Beskjæringsboksen størrelse brukt var 7,246 i bred med 1,1 i høy (figur 5).
10. Hvis du vil flytte beskjæringsboksen, holde inne shift-tasten mens du drar med musen. Sørg beskjæringsboksen inneholder alle de spirene som skal skannes pluss noen ønsket metadata som kan finnes på en etikett (figur 5).
11. Under fanen Crop, sette forhåndsvisningsområdet: å Crop boksen og trykk 'Forhåndsvisning'.
12. Gå til kategorien Output og velg riktig fil for skanneren (figur 5).
13. Gjenta trinn 01.07 til 01.12 på alle skannere for én datamaskin. Velg "ja" alternativet når du blir spurt om du vil åpne mer enn én forekomst av VueScan.
14. Gå gjennom hver kategori og kontroller at innstillingene er riktige. (Merk at alle spesifikasjonene kan endres for å passe behovene til et individ laboratorium inkludert bilde farge, oppløsning, osv.. Kan imidlertid innstillingene som brukes i denne protokollen bli brukt direkte til particular skanning maskinvaren i en gitt lab på grunn av felles grensesnitt av VueScan programvaren. Se listen vedlagte spesifikasjoner å vise parametrene som brukes i dette prosjektet, som bruker VueScan versjon 9.0.20).
15. Under fanen Input velge Kontinuerlig i Auto repeat:-feltet, eller velg et lengre tidsintervall mellom bilder hvis ønskelig. Tidsintervallet er hvor lenge skanneren pauser etter å lagre det siste bildet og begynner samling av neste bilde. I kontinuerlig modus, kan 3-4 min oppløsning fås på 4800 dpi.
16. Gjenta trinn 01.14 til 01.15 for resten av skanner koblet til en enkelt datamaskin.
17. Plasser forberedt plater i de riktige skannere med frøplanter orientert horisontalt (ikke gravistimulate).
18. Midlertidig plassere en svart, følte bakgrunn mot platene slik at de ikke faller fra Pleksiglass mal. Gjenta for alle skanningpartnere.
    (NB: I dette prosjekt ble det sorte deler av filten knyttet til dokumentet dekker følger med utstyret for å unngå blending og gi kontrast mot roten vev Den spesifikke bakgrunnsfarge som brukes vil være avhengig av fargen på vevet som avbildes.).
19. Ha en person snu platene 90 ° (platene ble slått mot klokken i denne protokollen) og umiddelbart erstatte filten bakgrunnen.
20. Den andre personen skal stå på datamaskinen, slik at de umiddelbart kan trykke på "Scan"-knappen.
21. Sikre bakgrunnen til skanneren med en strikk ledningen (figur 3). Ha en person til å holde bakgrunnen på plass mens en annen posisjoner strikk ledningen.
    (Merk: Umiddelbart etter gravistimulation (rotasjon av platene ved 90 °), og plassering av filten bakgrunn, skal "Scan" bli trykket).
22. Gjenta trinn 01.17 til 01.21 for resten av skannerne på en enkelt datamaskinereh.
23. Gjenta trinn 01.06 til 01.22 for det neste settet med skannere hvis aktuelt.
24. Ikke la skannerne før flere bilder er blitt samlet inn for å sørge for at de er redde riktig.
25. Det er ideelt å holde skannerne i et område som vil være fri for forstyrrelser for den utpekte scan tid. Det er også klokt å vurdere miljøtilstanden i skanneområdet for å sikre ideelle fenotypiske responser.
26. Når datainnsamlingen er ferdig, trykk på den grønne abort-knappen på hver VueScan vindu som sammenfaller med hver skanneren.
27. Lukk ut av alle programmer på datamaskinen.
28. Start maskinen på nytt og slå av alle skannerne før du starter en ny runde av bildesamlingen.

Representative Results

Representative Images

Denne tilnærmingen muliggjør hurtig produksjon av høy oppløsning tidsserie av Arabidopsis frøplante vekst. De første og siste bilde av en skanner drevet er vist i figur 7A og 7B. Figurene 7C og 7D viser optimale resultater fra halvparten av en full skanner bildet. Noen problemer som kan påvirke bildekvaliteten er vist i figur 7A og 7B. Disse problemene omfatter variasjon i spiring, variasjon i frøplante vekst banen i starten av oppkjøringen, og opphoping av kondens under skanning. Kondensering kan i stor grad løses ved å øke mengden av Triton X-100 anvendes til innsiden av platen lokket. Andre faktorer som kan hemme nøyaktig bilde samlingen er ukorrekt konfigurasjonen av avlingen boksen i forhold til plate posisjons-og posisjoneringsplater slik at de er forskjøvet i forhold til kornboksen.

Image Analysis Application: Bildekomprimering
Når en tidssekvens av strekkodebilder er blitt oppnådd, må den være sikkert lagret i et nettverksvennlig måte å lette bildeanalyse. Bildefilene forbundet med en individuell skanner løp oppta en betydelig mengde plass på harddisken. En enkelt TIFF-fil samlet på 4800 dpi er ca 220 MB og en typisk skanner løp genererer 200 bildefiler. Derfor er omtrent 44 GB harddiskplass kreves per løp. For å redusere lagrings-og nettverksoverføringskostnadene i forbindelse med bildeanalyse er det ønskelig å redusere mengden av plass som er nødvendig for å lagre bildedata, mens på samme tid minimere tap av data. Nedstrøms analyse vil innebære identifisering av hver frøplante i påfølgende bildefiler forbundet med en eksperimentell løp. Derfor kan segmentere ut enkelt frøplanter fra skanner image rette nedstrøms analyse. Fordi segmentering av frøplante bort fra resten av the image kan også redusere lagring av unødvendige bakgrunns piksler, denne tilnærmingen også fører til betydelig reduksjon i datastørrelse. Videre, hvis nedstrøms-analyse er fokusert på rot vev kan det ikke være nødvendig å beholde fargeinformasjon siden den bakenforliggende pikslene er relativt smal i sine fargerommet. En datamaskin bildebehandling protokollen og kode for å redusere datastørrelse av både segmentere ut individuelle frøplanter og konvertering av bilder til grå skala har blitt utviklet. Fremgangsmåten resulterer i en 60% reduksjon i krav til lagringsplass.

Arbeidsflyten brukes for å oppnå dette datakomprimering er beskrevet i følgende trinn:

1. Begynn med en tidsserie av skanner bildefiler i en enkelt mappe.
2. For hvert bilde, konvertere fra RGB til grå skala (Figur 8, øverst).
3. Splitte bildet inn venstre og høyre side.
4. Ekstraher hver frøplante fra bildet inn i sin egen fil (figur 8).Dette gjøres ved å anvende en terskel for å konvertere piksler til svart eller hvit, og deretter beregning av total pikselintensiteten til hvert bilde rad. Raden med høyest intensitet er identifisert og hver piksel er klassifisert som "anlegg" eller "nonplant 'basert på intensiteten av sine naboer. Sentrum av hver "plante" i denne raden er funnet og fra det punktet en beskjæringsboks av en forhåndsbestemt størrelse er trukket (Figur 8, nederst).
5. Opprett en egen mappe for hver side av bildet (til venstre og høyre) med separate undermapper for hver frøplante for oppbevaring av enkelte serie bildefiler.
6. Arkivere de resulterende mapper til en komprimert ZIP-fil.

En kode som oppnår disse trinnene har blitt utviklet ved hjelp av programmeringsspråket Python ^20. Algoritmen gir mulighet for en ca 60% reduksjon i datastørrelse og er vellykket i å identifisere alle enkelt frøplanter i 90% av skanneren image-filer analysert så langt. Kodene er fritt tilgjengelig for nedlasting under GNU General Public License versjon 3 (se Materialer tabell).

Figur 1. Prosedyren skanning begynner med frø og formeringsmateriale (opptil ni Arabidopsis frø per plate) og slutter med data lagring og bildebehandling. Klikk her for å se større bilde .

Figur 2. T ^-templetten for bygging av petriskål støtte. Ple xiglas ble kuttet slik at bredden passer plans (i dette tilfelle 227 mm) og lengde var 128 mm. To kretser med en 88 mm diameter ble skåret ut fra det gjenværende stykket slik at de ble jevnt fordelt langs bredden og lengden av støtten. Støtten ble festet til plans med 3M Command Strips. Klikk her for å se større bilde .

Scanner konfigurasjon Figur 3. Etter frøplanter har blitt gravistimulated og dokumentdekselet plassert. Dette er konfigurasjonen av skanneren på trinn 1.21 av skanneroppsett og bildesamlingen."_blank"> Klikk her for å se større bilde.

Figur 4. Skjermbilde av innstillingene som er valgt for steg 1,8 av skanneroppsett og bildesamlingen. Klikk her for å se større bilde .

Figur 5. Skjermbilde av VueScan programvaren under steg 1,9 og 1,10 for skanneroppsett og bildesamlingen. Den røde boksen fremhever størrelsen avlingen mens den blå boksen fremhever bestemte innstillinger fo r x-og y-forskyvning benyttes for å fange opp frøplanter og etikettinformasjon. Den delen av plan som skal skannes vises som en stiplet linje i forhåndsvisningsområdet. Klikk her for å se større bilde .

Figur 6. Valg av folder for steg 1,12 av skanneroppsett og bildesamlingen. Ved å trykke på @ knappen ved siden av Standard mappe-dialogboksen (rød pil) gjør det mulig for brukeren å velge riktig mappe destinasjon. Klikk her for å se større bilde .

re 7 "fo: content-width =" 5in "fo: src =" / files/ftp_upload/50878/50878fig7highres.jpg "src =" / files/ftp_upload/50878/50878fig7.jpg "width =" 600px "/>
Fig. 7 (AD). Bildene ovenfor er eksempler på de som samles ved hjelp av den metoden som er beskrevet i denne artikkelen. Paneler A, B og C, D er de første og siste bilde, henholdsvis fra en enkelt scan periode. A, B viser fulle skannede området, mens C, D er et beskåret region på det skannede område, som viser en enkelt plate. En rekke uoverensstemmelser kan observeres. Panel A viser variasjon i spiring og i vekst banen. Panel B (de samme frøplanter eksempel Bilde A, 9 timer senere) viser at platene kan samle kondens. Paneler C og D er ansett for å være et godt resultat på grunn av sterk vekst of frøplanter og bildekvalitet gjennom hele oppkjøringen. Klikk her for å se større bilde .

Figur 8. Bildet komprimering algoritmen utviklet konverterer en skanner bildet til gråtoner (øverst). Bildet blir delt inn i høyre og venstre halvdeler og bildegrenser blir fjernet (ikke vist). Plasseringen av de enkelte planter i hver halvdel er identifisert ved å finne den raden med den største totale pikselintensiteten. Disse stillingene brukes til å definere en ny avling området, som brukes på alle frøplanter på plate (nederst). Klikk her for å se større bilde .

Discussion

Nøyaktig fenotypiske observasjon er avgjørende for å forstå de manifestasjoner av gen-funksjon i en organisme. En måte å skaffe seg fenotypisk informasjon er gjennom fangst av høyoppløste bildedata. Skanneren-basert plattform utviklet har aktivert samling av mange bilder (200 bilder / scan periode) med høy oppløsning (4800 ppt) over flere timer. I tillegg er dette plattformen lett kan tilpasses til en rekke laboratorie og klasse miljøer på grunn av fleksibiliteten av de VueScan programvare for å kjøre flere tusen forskjellige skanner ved hjelp av en felles grensesnitt ^18..

Metoden som presenteres her fyller et tomrom i high-throughput bildeopptak som strekker seg fra store fenotyping fasiliteter og automatiserte systemer gjennomfør i et enkelt laboratorium. De high-throughput plattformer tiden tilgjengelig tendens til å bruke spesialisert bildebehandling maskinvare, inkludert kameraer montert på robot støtter, for å fange høyoppløselige bilder av primarily over bakken plantemateriale (f.eks Centre for Plant Integrative Teknologi og Scanalyzer HTS av LemnaTec) ^20,21. Specialized imaging-systemer som bruker røntgen og MRI-teknologi har også blitt utviklet for å image under bakken vev med bemerkelsesverdig oppløsning som de vokser i jorda miljøet (for eksempel Senter for Plant Integrative Technology) ^11,22,23. Denne utvikling av mer spesialisert teknologi er vanligvis på bekostning av gjennomstrømning, slik at dynamiske fenotypiske studier vanskeligere. Viktigere, kostnads-og infrastrukturbehov for disse high-end plattformer gjør dem mest gjennomførbare for implementering i mindre laboratorier.

Plattformer har også blitt utviklet som bruker mer standard bildefangstteknologi og er godt egnet til måling av dynamiske tiltak som for eksempel roten svar på en tyngdekraft stimulans. For eksempel har CCD-kameraer benyttet for å fange opp de enkelte frøplante respons til lys-og vekt ved høyromlig og tidsmessig oppløsning ^1,8,12. Andre systemer har blitt utviklet slik at måling av rotspissen orientering av flere røtter fra et enkelt bilde (f.eks RootTipMulti ved iPlant Collaborative) ^17,24. I det førstnevnte tilfellet blir gjennomstrømningen relativt lave ettersom kun en frøplante avbildes av hvert kamera på et tidspunkt, mens det i det sistnevnte tilfelle gjennomstrømning er høyere, men vanligvis på bekostning av oppløsning.

Prosedyren er beskrevet i denne artikkelen presenterer en plattform for å fange høyoppløselige bilder i høy gjennomstrømning med utstyr og programvare som er lett tilgjengelig og relativt rimelig. Ved hjelp av dette oppsettet, kan 1080 individuelle rot svar samles hver uke i et enkelt lab utstyrt med en bank av seks skannere. I 15 måneder med å samle et gjennomsnitt på 864 individuelle svar per uke, ble totalt 41 625 frøplanter skannet for en genomstudie. Om 15% av de enkelte samlingene mislyktes på grunn av oppsettet feil, nettvrk feil eller feil på utstyr. En annen 22% responser mislyktes på grunn av mangel på spiring eller utilstrekkelig rotvekst for å fremkalle en vekstrespons. Den endelige datasettet består av 27 475 individuelle frøplante svar på en tyngdekraft stimulans fra 163 rekombinante innavlede linjer pluss 99 i nærheten isogene linjer. Data ble oppsamlet i en enkelt laboratorie, noe som gjør dette til en meget høy gjennomstrømning tilnærming. Selv gitt at utstyret som brukes for oppkjøpet er relativt billig, det har fungert pålitelig i over to år, selv med tung bruk.

Mens denne protokollen har vært svært nyttig for forsknings målene for denne gruppen, noen begrensninger fortsatt eksisterer. På grunn av gjennomstrømning på rundt 50 GB med ukomprimerte bildedata per dag, var det tydelig at en stor mengde plass var nødvendig for å huse bilder med mindre effektive komprimeringsmetoder kan utvikles. Lagrings problemet ble midlertidig løst ved å kjøpe eksterne harddisker for hver datamaskin. I tillegg er to en0 TB nettverks forbundet lagringsenheter ble kjøpt. Senere ble kompresjonsalgoritmer utviklet, som beskrevet ovenfor, noe som kan bidra til å redusere størrelsen av data med opp til 60% (figur 8). Det er viktig å merke seg at den hastigheten som data kan lagres på et nettverk tilknyttet lagringsenhet er avhengig av hastigheten på nettforbindelsen. Komprimeringsmetoder har også blitt hemmet på grunn av ønsket om å forhindre tap av bildedata.

Andre begrensninger som er spesifikke for et skannerbasert avbildningssystem blir også vurdert. For eksempel, i en skanner tilnærming frøplanter utsettes for lys med høy intensitet i de hvite og potensielt infrarøde områder i løpet av hver avsøkning. Dette påvirker sannsynligvis frøplante vekst, men frøplanter kan fortsatt følges for å gjennomgå robuste svar på en tyngdekraft stimulus (figur 7). En fremtidig forbedring kan innebære programmering skannere slik at bare infrarøde lysdioder er aktive. Et område i aktiv development er etableringen av algoritmer godt matchet til oppløsning og gjennomstrømningen av disse bildedata. Den store datasett generert ved hjelp av denne skanneren baserte metoden har vært ideelt for utvikling av robuste verktøy for høy gjennomstrømming phenotyping av frøplante bilder. Den komprimering algoritmen ansatt på disse bildene som er vist i Figur 7 støtter påstanden om at de er mottagelig for bilde analyse applikasjoner. I tillegg kan de bilder generert bli analysert ved den tidligere publiserte algoritmen, RootTrace ^17,24, hvis de blir samlet inn ved lavere oppløsning (mindre enn 1200 ppt), og individuelle planter er segmentert av bildet ved hjelp av sammentrykningsalgoritme er beskrevet ovenfor, før analyse. Rotvekst data kan hentes ut fra bilder redusert til 1200 dpi mens spissen vinkel data kan hentes ut fra bilder redusert til 900 dpi (upublisert observasjon).

Prosedyren er beskrevet i denne artikkelen passer inn i sin egen nisje i verden av root bildebehandling i at det er høy gjennomstrømning og høy oppløsning samtidig som den er relativt rimelig. En ekstra fordel med denne tilnærmingen er at den enkelt kan tilpasses for å imøtekomme imaging behovene til en bestemt forskningsgruppe.

Materials

Name	Company	Catalog Number	Comments
Epson Perfection V700 Photo Scanners	Epson	B11B178011	-
Plexiglas Scanner Template	-	-	Custom made. See Figure 2.
Smart Strap Bungee Cords	SmartStraps	Wal-Mart 1079478
Brinks Digital Outdoor Timers	Brinks	Wal-Mart 42-1014-2
VueScan Software	Hamrick Software	http://www.hamrick.com
Segmentation Software	Chris Wentworth, Doane College		https://sites.google.com/a/doane.edu/compphy-doane/projects/root-gravitropism/image-segmentation
3M Micropore Tape	Fisher Scientific	19-061-655	-
Holding racks	-	-	Custom made by gluing two cookie racks together.