Summary
Detta protokoll beskriver ett förfarande för snabb insamling av bilder av Arabidopsis plantor som reagerar till en gravitations stimulus använder kommersiellt tillgängliga flatbäddsskannrar. Metoden gör det möjligt för billig, hög volym fånga bilder med hög upplösning som kan bli föremål för efterföljande analysalgoritmer.
Abstract
Forskningsinsatser i biologi kräver allt användningen av metoder som möjliggör stora volymer insamling av data med hög upplösning. En utmaning laboratorier kan möta är att utveckla och uppnå dessa metoder. Observation av fenotyper i en process av intresse är ett typiskt mål för forskningslaboratorier som studerar geners funktion och detta uppnås ofta genom bildfångst. En särskild process som är mottaglig för observation med hjälp av avbildning är den korrigerande tillväxten av en planta rot som har förskjutits från anpassningen till gravitation vektorn. Imaging plattformar som används för att mäta roten gravitropic svaret kan vara dyrt, relativt låg genomströmning, och / eller arbetsintensiv. Dessa frågor har behandlats genom att utveckla en hög genomströmning bildfångstmetod med hjälp av billiga, men ändå med hög upplösning, flatbäddsskannrar. Med denna metod kan bilder tagna med några minuters mellanrum på 4.800 dpi. Den nuvarande inställning möjliggör insamling av 216 individuella responses per dag. Bilddata som samlas in är av god kvalitet för bildanalystillämpningar.
Introduction
Insamling av högupplösta fenotypisk information är användbar i studier som syftar till att förstå samspelet mellan genetik och miljö vid medieorganismfunktion 1,2. Studier av detta slag är också i sig av stor omfattning, vilket gör det dessutom nödvändigt att metoder som används för att mäta fenotyper i detta sammanhang vara hög i genomströmning 3,4. Vid upprättande av metoder för Phenomics forskning, kompromisser mellan genomströmning och upplösning spelar in. Metoder som är högre genomströmning också tenderar att vara lägre i upplösning, vilket gör det svårare att upptäcka små effekter av genetik eller miljö 5. Alternativt sätt att mer noggrant mäta en önskad fenotyp tenderar också att vara lägre i genomströmning, vilket gör det svårt att överblicka genetiska och miljöeffekter i stort sett. Dessutom kan manuella metoder för kvantifiering av fenotyper, inklusive visuell inspektion, ibland variera något beroende på skillnader i mänsklig pertagning 6.
Avbildningstekniker kan ge en användbar bro mellan genomströmning och upplösning att få fenotypiska observationer 7-9. I allmänhet är en bild med relativt lätt att fånga, underlättande genomströmning, och när det tas vid tillräcklig upplösning kan subtila fenotyper detekteras 1,2,7. Imaging tekniker tenderar att vara modifierbara för att passa ett system eller en process av intresse och är i allmänhet skalbar 10-12. På grund av detta, avbildningstekniker är idealiska för utveckling av storskaliga studier av organism funktion.
Svaret hos den primära roten till en gravitations stimulus är en invecklad fysiologisk process som inträffar inom en morfologiskt enkel orgel. Svaret handlar om aktivering av signalvägar som propagerar genom roten orgel och dess progression bestäms av miljömässiga och genetiska faktorer, inklusive genetiska faktorer miljöpåverkade 12-14 12,14,15. Att få en detaljerad förståelse av dynamiken i detta svar är viktigt att hitta sätt att förbättra möjligheten för plantor att framgångsrikt etablera sig inom en given miljö 16. Dessutom gör formen av roten den mottaglig för bildbehandlingsprogram 8,12,17. Sammantaget är roten gravitropic svaret ett idealiskt system för utveckling av hög genomströmning bildteknik i syfte att genomföra studier av organism funktion genomik-nivå.
I denna rapport, är en hög kapacitet, hög upplösning metoden för bildfångst av roten gravitropic svaret med hjälp av billiga, kommersiellt tillgängliga flatbäddsskannrar presenteras. Den översikt överprotokoll visas i fig 1. Plantor planteras på agarplattor placerades vertikalt orienterade flatbäddsskannrar utrustade med anpassade Plexiglas platthållare. Bilder samlades med några minuters mellanrum på 4.800 dpi och sparas på en lokal enhet eller dataserver. Metadata i samband med varje bildserie lagras i en databas och de lagrade bilderna bearbetas. Den metod använder VueScan programvara för bildfångst. VueScan kan användas för att köra över 2.100 olika scanners på Windows, Mac eller Linux-operativsystem (se Material tabell). En scanner upplösning på 4800 dpi användes i denna ansökan för att matcha upplösningen uppnåtts i tidigare studier med fasta CCD-kameror 1,8,12. Flexibiliteten i VueScan programvara tillsammans med den gemensamma gränssnitt den använder för någon skanner det körs tillåter användare att snabbt anta praktiskt taget alla skannern av tillräcklig upplösning för att det protokoll som presenteras i detta dokument. Aktuell genomströmning möjliggör insamling av216 individuella svar per dag. Tekniken är anpassningsbar och skalbar för användning vid institutioner allt från gymnasieskolor till forskning universitet. Dessutom, de insamlade bilderna är av tillräcklig kvalitet för bildanalystillämpningar.
Protocol
1. Image Acquisition Protocol
Att tänka på:
Detta protokoll är effektivast utförs med två personer, även om det är möjligt för en att arbeta ensam. Arrangemanget fungerar bäst i detta laboratorium var för en person att förbereda plattor för skanning medan en annan fungerar på skannern, då båda arbetar tillsammans för att placera plattorna i skannrar och starta skanningen.
Det är också viktigt att notera att de scanners i detta projekt är vertikalt orienterade med skannerlock vilar på skannerns baksida. En anpassad support gjordes för att hålla rätter i detta vertikalt läge och fäst på flak ytan med 3M Command Strips (Figur 2). Det avtagbara lock som levereras med skannern används i detta protokoll (en Epson V700) var kantad på ena sidan med svart filt. Dokumentet omslaget var placerad mot flatbädden med ett bungee rep tillhålla plattorna på plats och för att ge bildkontrast (Figur 3).
Varje skanner med tillräcklig upplösning kan användas för bildfångst. Epson Perfection V700 valdes på grund av dess fyrkantsprofil (vilket gör det enkelt att placera vertikalt), hög upplösning, och ytterligare alternativ för att skanna från både säng och locket och använda den infraröda kanalen. Dessa ytterligare alternativ användes inte i detta protokoll.
När plattorna har tagits bort från tillväxtkammaren, är det absolut nödvändigt att protokollet fortsätter till slutet.
Plansch Framställning
Standardpetriskålar innehållande 10 ml transparent medel och 9 frön planterade över mitten av varje platta användes. Rutiner för plattmärkning, media förberedelse och plantering finns på: http://www.doane.edu/doane-phytomorph
- Applicera Triton X-100 (rengöringsmedel) till locket med en Kimwipe - vara generösa.
(Notera att Triton X-100 hjälper till att förhindra uppbyggnad av kondens på locket som plattan skannas. En generös tillämpning (tillräckligt för att skapa en film på lockets yta) kommer att bidra till att se till att locket förblir transparent genom hela skanner körningen .) - Linda plattan med Micropore tejp för att fästa locket, och att sörja för god ventilation.
Skannerinställning och bildsamling
Detta protokoll förutsätter att mer än 1 skannern används, och ger instruktioner för att starta flera skannrar från en enda dator.
- Skapa mappar för lagring av bilder från varje scanner. Varje scanner kommer att hålla två plattor, så ha detta i åtanke när du skapar mappar. Onekan välja att använda metadata som komponenter i filnamnet, t.ex. unika ID: n för varje platta, plantor åldrar, frö storlek och ID för bestånd som planteras. Ett exempel på ett mappnamn som används i datainsamling som innehåller dessa metadata är "1652-2-sm-9-92-17-1653-2-lg-88-79 till 161".
- Ställ utlopps timers för utsedda samla tid (9 tim användes i detta laboratorium). Se till att ställa in extra tid (en timme eller så) för beredning.
(Observera att skannrar ska anslutas till utlopps timers för att ställa förvärvstiden. Medan VueScan programvara tillåter en användare att samla in bilder flera gånger, är det inte möjligt för användaren att ange hur många bilder som samlar in eller hur lång tid att samla in bilder för .) - Slå på den första scannern och vänta ca 10 sek för skannern för att gå igenom sina ursprungliga uppvärmningar.
- Öppna VueScan programmet en gång. VueScan version 9.0.20 användes i detta protokoll (se Material tabell), kan om senare versioner användas med lite MODIFICation. Se "Mer" knappen har tryckts in på undersidan av användargränssnittet för att visa menyalternativ som beskrivs nedan.
- Ställ in Auto repeat: drop-down box till ingen under fliken Input och under fliken Beskär set Preview området: till max (Figur 4). Tryck på "Preview".
- Skapa en beskärningsruta som skulle fånga regionen av intresse genom att använda musen för att klicka och dra över regionen av ränta på förhandsgranskningen. Inställningar kan ändras för regionen av intresse på fliken Beskär. De typiska inställningar som används för beskärningsrutan var: x-offset 0,675, y-förskjutning 1.924 i, även om detta justerades till fånga plantan området för varje scanner. Beskärningsstorleken användes var 7.246 i bred och 1,1 i tall (Figur 5).
- Du flyttar beskärningsrutan, håller du Skift-tangenten medan du drar med musen. Se till beskärningsruta innehåller alla plantor som ska skannas plus varje önskad metadata som kan finnas på en etikett (Figur 5).
- Under fliken Beskär, ställa förhandsgranskningsområdet: till Beskär box och Tryck "Preview".
- Gå till fliken Output och välj rätt fil för skannern (Figur 5).
- Upprepa steg från 1,7 till 1,12 på alla skannrar för en dator. Välj "ja" när frågan om att öppna mer än en instans av VueScan.
- Gå igenom varje flik och kontrollera att inställningarna är korrekta. (Observera att alla specifikationer kan ändras för att passa behoven hos ett enskilt laboratorium inklusive bild färg, upplösning, osv. Däremot kan de inställningar som används i detta protokoll kan direkt appliceras på particular avsökning hårdvaran i ett givet laboratorium på grund av den gemensamma gränsytan i den VueScan programvara. Se listan bifogade specifikationer för att visa de parametrar som används i detta projekt, som använder VueScan version 9.0.20).
- Under fliken Input väljer Kontinuerlig i Auto repeat: fält, eller välj ett längre tidsintervall mellan bilderna om så önskas. Tidsintervallet är den tid skannern paus efter att ha sparat den sista bilden och börjar samlingen av nästa bild. I Kontinuerligt läge, kan 3-4 min upplösning fås på 4.800 dpi.
- Upprepa steg från 1,14 till 1,15 för resten av scanners som är anslutna till en enda dator.
- Placera förberedda plattor i rätt skannrar med plantor orienterade horisontellt (inte gravistimulate).
- Placera tillfälligt en svart, kände bakgrund mot plattorna så att de inte faller från plexiglas mall. Upprepa för alla scansamarbetspartners.
(OBS: I detta projekt var svarta bitar av filt bifogas dokumentet täcker försedd med utrustning för att förhindra bländning och ge kontrast mot rotvävnad Den specifika bakgrundsfärg som används beror på färgen på vävnaden som avbildas.). - Har en person vända plattorna 90 ° (plattorna vrids moturs i detta protokoll) och omedelbart ersätta filt bakgrunden.
- Den andra personen ska stå vid datorn, så att de omedelbart kan trycka på "Scan"-knappen.
- Säkra bakgrunden till skannern med ett bungee rep (figur 3). Låt en person hålla bakgrunden på plats medan en annan position i bungee rep.
(OBS: Direkt efter gravistimulation (rotation av plattorna med 90 °) och placeringen av filt bakgrunden, ska tryckas 'Scan'). - Upprepa steg från 1,17 till 1,21 för resten av scanners på ett enda computer.
- Upprepa steg från 1,6 till 1,22 för nästa uppsättning av skannrar om tillämpligt.
- Lämna inte scanners förrän flera bilder har samlats för att se till att de sparar på rätt sätt.
- Den är idealisk för att hålla skannrar i ett område som kommer att vara fri från störningar för den angivna söktiden. Det är också klokt att överväga miljöförhållandena i skanningsområdet för att säkerställa perfekt fenotypiska responser.
- När datainsamlingen är klar, tryck på den gröna knappen Avbryt på varje VueScan fönster som sammanfaller med varje scanner.
- Stäng av alla program på datorn.
- Starta om datorn och stäng av alla scanners innan du påbörjar en annan runda av bildsamling.
Representative Results
Representativa bilder
Detta tillvägagångssätt möjliggör snabb produktion av hög upplösning tidsserier av Arabidopsis planttillväxt. Första och sista bilden av en skanner körningen visas i figurerna 7A och 7B. Figurerna 7C och 7D visar optimala resultat från hälften av en full scanner bild. Vissa problem som kan påverka bildkvaliteten visas i figurerna 7A och 7B. Dessa frågor innefattar variation i grobarhet, variation i planttillväxtbana i början av körningen, och uppbyggnad av kondens under skanning. Kondensation kan till stor del kan lösas genom att öka mängden av Triton X-100 appliceras på insidan av lockplattan. Andra faktorer som kan hämma korrekt bildsamling är felaktig konfiguration av beskärningsrutan med avseende på plattan position och positioneringsplattorna så att de är sneda med avseende på beskärningsrutan.
Bildanalys Användning: Bildkomprimering
När en tidssekvens av skannerbilder har erhållits måste det säkert lagrad i ett nätverk tillgängligt sätt för att underlätta bildanalyser. Bildfilerna som är förknippade med en enskild skanner springa upptar en stor mängd hårddiskutrymme. En enda TIFF-fil samlas in på 4800 dpi är ca 220 MB och en typisk scanner körning genererar 200 bildfiler. Därför är omkring 44 GB hårddiskutrymme krävs per körning. För att minska lagrings-och nätverksöverföringskostnader som är förknippade med bildanalys är det önskvärt att reducera den mängd utrymme som krävs för att lagra bilddata, medan på samma gång minimera förlust av data. Nedströms analys kommer att omfatta identifiering av varje planta i efterföljande bildfiler i samband med en experimentell körning. Därför kan segmentera ut enstaka plantor från skannern bilden lätta efterföljande analys. Eftersom segmentering av plantan från resten av the bild kan också avsevärt minska lagring av onödiga bakgrundspixlar, leder detta synsätt också till betydande minskning av datastorlek. Om vidare nedströms analys fokuserar på rotvävnad det kanske inte nödvändigt att bibehålla färginformation eftersom de underliggande pixlarna är relativt smal i sin färgrymd. En dator bildbehandling protokoll och kod för att minska datastorleken både segmentera ut enskilda plantor och konvertera bilder till gråskala har utvecklats. Det tillvägagångssätt som resulterar i en minskning av lagringsutrymmeskraven som 60%.
Arbetsflödet används för att uppnå denna datakomprimering beskrivs i följande steg:
- Börja med en tidsserie scanner bildfiler i en enda mapp.
- För varje bild, konvertera från en RGB till gråskala (Figur 8, överst).
- Dela upp bilden till vänster och höger sida.
- Utdrag varje planta från bilden till en egen fil (Figur 8).Detta görs genom att tillämpa ett tröskelvärde för att omvandla pixlar till svart eller vit och därefter beräkna den totala pixelintensiteten hos varje bild rad. Raden med högsta intensitet identifieras och varje pixel är klassificerad som "växt" eller "nonplant" baserad på intensiteten i sina grannar. I mitten av varje "anläggning" i den här raden hittas och från den punkten en beskärningsruta på en förutbestämd storlek dras (Figur 8, botten).
- Skapa en separat mapp för varje sida av bilden (vänster och höger) med separata undermappar för varje planta för lagring av enskilda tidsserier bildfiler.
- Arkivera de erhållna mappar till en komprimerad ZIP-fil.
En kod som utför dessa steg har tagits fram med hjälp av programmeringsspråket Python 20. Algoritmen möjliggör en minskning av datastorlek cirka 60% och är framgångsrik i att identifiera alla enskilda plantor i 90% av skanner image-filer analyseras hittills. Koderna är fritt tillgängliga för nedladdning under GNU General Public License version 3 (se Material tabell).
Figur 1. Skanningsförfarandet inleds med frö plantering (upp till nio Arabidopsis frön per platta) och slutar med datalagring och bildbehandling. Klicka här för att visa en större bild .
Figur 2. T emplate för konstruktion av petriskål stöd. Ple xiglas skars så att bredden passar flatbädden (i detta fall 227 mm) och längden var 128 mm. Två cirklar med en 88 mm diameter skars ut ur den kvarvarande bit så att de jämnt fördelade längs bredden och längden på stödet. Stödet fästs på flatbädden med 3M Command Strips. Klicka här för att visa en större bild .
Konfiguration Figur 3. Scanner efter plantor har gravistimulated och dokumentlocket placeras. Detta är konfigurationen av skannern i steg 1.21 av Scanner Setup-och bildsamling."_blank"> Klicka här för att visa en större bild.
Figur 4. Skärmdump av inställningar som valts för steg 1.8 av Scanner Setup-och bildsamling. Klicka här för att visa en större bild .
Figur 5. Skärmdump av VueScan programvara under steg 1.9 och 1.10 i Skannerinställning och bildsamling. Den röda rutan lyfter grödan storlek medan den blå rutan belyser specifika inställningar fo r x-och y-offset som används för att fånga upp plantor och etikettinformation. Regionen av flatbädden som ska skannas visas som en streckad linje i förhandsgranskningsområdet. Klicka här för att visa en större bild .
Figur 6. Val av målmapp för steg 1.12 av Scanner Setup-och bildsamling. Om du trycker på @ knappen bredvid standardmapp i dialogrutan (röd pil) gör det möjligt för användaren att välja rätt mapp destination. Klicka här för att visa en större bild .
re 7 "fo: innehåll-width =" 5in "fo: src =" / files/ftp_upload/50878/50878fig7highres.jpg "src =" / files/ftp_upload/50878/50878fig7.jpg "width =" 600px "/>
Figur 7 (AD). Bilderna ovan är exempel på de som samlats in med hjälp av den metod som beskrivs i detta dokument. Paneler A, B och C, D är de första och sista bilderna, respektive, från en enda avsökningsperiod. A, B visar fullt skannade området, medan C, D är en beskuren region på det skannade området, som visar en enda skylt. Flera inkonsekvenser kan observeras. Panel A visar variation i groning och tillväxt bana. Panel B (samma plantor som bild A, 9 timmar senare) visar att plattorna kan samlas kondens. Paneler C och D anses vara ett bra resultat till följd av stark tillväxt of plantor och bildkvalitet genom hela loppet. Klicka här för att visa en större bild .
Figur 8. Bilden komprimeringsalgoritm utvecklad omvandlar en scanner bild till gråskala (överst). Bilden är uppdelad i höger-och vänsterhalvor och bildgränserna avlägsnas (ej visat). Positionerna för enskilda plantor på varje halva identifieras genom att hitta raden med den största totala pixelintensitet. Dessa positioner används för att definiera en ny gröda område, tillämpas på alla plantor på plattan (botten). Klicka här för att visa en större bild .
Discussion
Exakt fenotypisk observation är avgörande för att förstå de manifestationer av geners funktion i en organism. Ett sätt att skaffa fenotypisk information genom avskiljning av högupplösta bilddata. Skannern-baserad plattform som utvecklats har möjlig samling av många bilder (200 bilder / scan period) med hög upplösning (4800 dpi) under ett antal timmar. Dessutom är denna plattform lätt anpassas till en mängd olika lab och klassrumsmiljöer på grund av flexibiliteten i VueScan programvara för att köra tusentals olika skannrar med ett gemensamt gränssnitt 18.
Den metod som presenteras här fyller ett tomrum i hög genomströmning ta bilder som sträcker sig från storskaliga fenotypning anläggningar och automatiserade system genomförbara i ett enda laboratorium. De hög kapacitet plattformar tillgängliga tenderar att använda specialiserad imaging hårdvara, inklusive kameror monterade på robot stöd, för att fånga högupplösta bilder av primarily ovan jord växtvävnader (t.ex. Centrum för växt Integrative Teknik och Scanalyzer HTS av LemnaTec) 20,21. Specialiserade bildsystem som använder röntgen och MRI tekniker har också utvecklats för att bilden nedan mark vävnader med anmärkningsvärd upplösning när de växer i jorden miljön (t.ex. centrum för växt Integrative Technology) 11,22,23. Denna utveckling av mer specialiserad teknik är i allmänhet på bekostnad av genomströmning, vilket gör dynamiska fenotypiska studier svårare. Viktigt är kostnads-och infrastrukturbehov för dessa avancerade plattformar gör dem oftast omöjligt att genomföra i mindre laboratorier.
Plattformar har också utvecklats som använder mer standardbild capture-teknik och är väl lämpad för mätning av dynamiska svar som roten svar på en gravitations stimulans. Till exempel har CCD-kameror har använts för att fånga individuella plantor svar på ljus och allvar vid högtidsmässiga och geografiska 1,8,12. Andra system har utvecklats för att tillåta mätning av rotspets orientering av multipla rötter från en enda bild (t.ex. RootTipMulti från iPlant Collaborative) 17,24. I det förra fallet är genomströmningen relativt låg eftersom endast en fröplanta avbildas av varje kamera i taget, medan i det senare fallet genomströmningen är högre, men i allmänhet på bekostnad av upplösning.
Det förfarande som beskrivs i detta dokument utgör en plattform för att fånga högupplösta bilder med hög genomströmning med utrustning och mjukvara som är lätt tillgängliga och relativt prisvärd. Med hjälp av denna inställning, kan 1080 individuella rot svaren samlas varje vecka i ett enda laboratorium utrustat med en bank av sex scanners. Under 15 månader för att samla i genomsnitt 864 individuella svar i veckan, har totalt 41.625 plantor skannas för en genomik studie. Om 15% av de enskilda samlingar misslyckades på grund av inställningsfelet, och kork fel eller felaktig utrustning. Ytterligare 22% svar misslyckades på grund av brist på groning eller otillräcklig rottillväxt att framkalla en tillväxtsvar. Den sista datapost består av 27.475 individuella plant svar på en gravitations stimulans från 163 rekombinanta inavlade linjer plus 99 nära isogena linjer. Uppgifterna samlades in i ett enda laboratorium, vilket gör detta till en mycket hög genomströmning metod. Även med tanke på att den utrustning som används för förvärvet är relativt billig, den har fungerat tillförlitligt i över två år även med tung användning.
Även om detta protokoll har varit till stor nytta för de forsknings målen i denna grupp, finns vissa begränsningar fortfarande. På grund av genomströmningen av ungefär 50 GB okomprimerade bilddata per dag, var det uppenbart att en stor mängd utrymme behövdes till hus bilder om inte effektiva komprimeringsmetoder kan utvecklas. Lagrings problemet tillfälligt löst genom att köpa externa hårddiskar för varje dator. Dessutom, två 10 TB nätverks tillhörande lagringsenheter köptes. Senare var komprimeringsalgoritmer utvecklats, såsom beskrivits ovan, vilket kan bidra till att minska datastorleken med upp till 60% (figur 8). Det är viktigt att notera att den hastighet med vilken data kan sparas till ett nätverk associerad lagringsenhet är beroende av hastigheten på nätverksanslutningen. Komprimeringsprogram har också begränsad på grund av en önskan att förhindra förlust av bilddata.
Andra begränsningar som är specifika för en skanner-baserade bildsystem övervägs också. Till exempel i en skanner baserad metod plantor utsätts för hög intensitet ljus i de vita och potentiellt infraröda intervall under varje skanning. Detta påverkar sannolikt planttillväxt, även om plantorna fortfarande kan observeras att genomgå robusta svar på en gravitations stimulus (Figur 7). En framtida förbättring skulle kunna innebära programmering scanners så att endast infraröda lysdioder är aktiva. Ett område i aktiv UTVECKLINGt är skapandet av analysalgoritmer väl anpassade till den upplösning och genomströmning av dessa bilddata. Den stora datamängden som genereras med hjälp av denna skanner-baserad metod har varit idealisk för utveckling av robusta verktyg för high-throughput fenotypning av plantbilder. Den komprimeringsalgoritm används på dessa bilder som visas i figur 7 har stöd för påståendet att de är mottagliga för bild analysprogram. Dessutom kan bilder som genereras att analyseras av tidigare publicerade algoritmen, RootTrace 17,24, om de samlas vid lägre upplösning (mindre än 1200 dpi), och individuella plantor segment från bilden med hjälp av komprimeringsalgoritm som beskrivs ovan före analys. Rottillväxt data kan extraheras från bilderna reduceras till 1200 dpi, medan spetsvinkeldata kan extraheras från bilder reduceras till 900 dpi (opublicerad observation).
Det förfarande som beskrivs i detta dokument passar in i sin egen nisch i världen av Root avbildning i att det är hög genomströmning och hög upplösning samtidigt som den är relativt billig. En ytterligare fördel med denna metod är att den lätt kan anpassas för att tillgodose bildbehov av en viss forskningsgrupp.
Disclosures
Författarna förklarar att de inte har några konkurrerande ekonomiska intressen.
Acknowledgments
Detta arbete har finansierats genom ett bidrag från National Science Foundation (utmärkelse nummer IOS-1.031.416) och har genomförts i samarbete med Nathan Miller, Logan Johnson och Edgar Spalding vid University of Wisconsin och Brian Böckelman, Carl Lundstedt och David Swanson i University of Nebraska Holland Computing Center.
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. |
References
- Miller, N. D., Brooks, T. L. D., Assadi, A. H., Spalding, E. P. Detection of a gravitropism phenotype in glutamate receptor-like 3.3 mutants of Arabidopsis thaliana using machine vision and computation. Genetics. 186, 585-593 (2010).
- Clack, N. G. Automated Tracking of Whiskers in Videos of Head Fixed Rodents. PLoS Comp. Biol. 8, (2012).
- Lussier, Y. A., Liu, Y. Computational approaches to phenotyping: high-throughput phenomics. Proc. Am. Thoracic Soc. 4, 18-25 (2007).
- Houle, D. Colloquium Paper: Numbering the hairs on our heads: The shared challenge and promise of phenomics. Proc. Natl. Acad. Sci. U.S.A. 107, 1793-1799 (2009).
- Elwell, A. L., Gronwall, D. S., Miller, N. D., Spalding, E. P., L, T. D. B. Separating parental environment from seed size effects on next generation growth and development in Arabidopsis. Plant Cell Env. 34, 291-301 (2011).
- Silk, W. K. Quantitative Descriptions of Development. Ann. Rev. Plant Physiol. 35, 479-518 (1984).
- Cronin, C. J., Feng, Z., Schafer, W. R. Automated imaging of C. elegans behavior. Methods Mol. Biol. 351, 241-251 (2006).
- Miller, N. D., Parks, B. M., Spalding, E. P. Computer-vision analysis of seedling responses to light and gravity. Plant J. 52, 374-381 (2007).
- Iyer-Pascuzzi, A. S. Imaging and Analysis Platform for Automatic Phenotyping and Trait Ranking of Plant Root Systems. Plant Physiol. 152, 1148-1157 (2010).
- Houle, D., Mezey, J., Galpern, P., Carter, A. Automated measurement of Drosophila wings. BMC Evol. Biol. 3, 25 (2003).
- Jahnke, S. Combined MRI-PET dissects dynamic changes in plant structures and functions. Plant J. 59, 634-644 (2009).
- Durham Brooks, T. L., Miller, N. D., Spalding, E. P. Plasticity of Arabidopsis Root Gravitropism throughout a Multidimensional Condition Space Quantified by Automated Image Analysis. Plant Physiol. 152, 206-216 (2010).
- Perrin, R. M. Gravity signal transduction in primary roots. Ann. Botany. 96, 737-743 (2005).
- Strohm, A. K., Baldwin, K. L., Masson, P. H. Molecular mechanisms of root gravity sensing and signal transduction. Dev. Biol. 1, 276-285 (2012).
- Harrison, B. R., Masson, P. H. ARL2, ARG1 and PIN3 define a gravity signal transduction pathway in root statocytes. Plant J. 53, 380-392 (2007).
- Beeckman, T. Root Development. , Wiley-Blackwell. 157-174 Forthcoming.
- French, A., Ubeda-Tomás, S., Holman, T. J., Bennett, M. J., Pridmore, T. High-throughput quantification of root growth using a novel image-analysis tool. Plant Physiol. 150, 1784-1795 (2009).
- Granier, C. PHENOPSIS, an automated platform for reproducible phenotyping of plant responses to soil water deficit in Arabidopsis thaliana permitted the identification of an accession with low sensitivity to soil water deficit. New Phytol. , 169-623 (2006).
- Walter, A. Dynamics of seedling growth acclimation towards altered light conditions can be quantified via GROWSCREEN: a setup and procedure designed for rapid optical phenotyping of different plant species. New Phytol. 174, 447-455 (2007).
- Gregory, P. J. Non-invasive imaging of roots with high resolution X-ray micro-tomography. Plant Soil. , 255-351 (2003).
- Pierret, A., Kirby, M., Moran, C. Simultaneous X-ray imaging of plant root growth and water uptake in thin-slab systems. Plant Soil. 255, 361-373 (2003).
- Naeem, A., French, A. P., Wells, D. M., Pridmore, T. P. High-throughput feature counting and measurement of roots. Bioinformatics. 27, 1337-1338 (2011).
