Name: Mısır (Zea mays) Abiyotik Stres Fenottiplerinin Miktarının Belirlenmesi için Görüntüleme ve Analiz (Video) | JoVE Journal
Uploaded: 2025-03-28T13:35:00.000+00:00
Duration: 6 min 41 s
Description: Öğrenin, Zea mays'ın abiyotik stres altındaki fenotiplerini düşük maliyetli görüntüleme ve plantcv yazılımı ile analiz etme yöntemini. Bu teknik, yaprak alanı ve bitki boyu gibi özellikleri hızlıca ölçer.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Xiao, Q., Bai, X., Zhang, C., He, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advanced+high-throughput+plant+phenotyping+techniques+for+genome-wide+association+studies%3A+A+review%5BTitle%5D)+AND+%22J+Adv+Res%22%5BJournal%5D)">Advanced high-throughput plant phenotyping techniques for genome-wide association studies: A review.</a> J Adv Res. 35, 215-230 (2022).</li>
<li>Mutka, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((image-based+phenotyping+methods+provide+insight+into+spatial+and+temporal+dimensions+of+plant+disease%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">image-based phenotyping methods provide insight into spatial and temporal dimensions of plant disease.</a> Plant Physiol. 172 (2), 650-660 (2016).</li>
<li>Mutka, A. M., Bart, R. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-based+phenotyping+of+plant+disease+symptoms%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Image-based phenotyping of plant disease symptoms.</a> Front Plant Sci. 5, 734(2014).</li>
<li>Fahlgren, N., Gehan, M. A., Baxter, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lights%2C+camera%2C+action%3A+High-throughput+plant+phenotyping+is+ready+for+a+close-up%5BTitle%5D)+AND+%22Curr+Opin+Plant+Biol%22%5BJournal%5D)">Lights, camera, action: High-throughput plant phenotyping is ready for a close-up.</a> Curr Opin Plant Biol. 24 (2), 93-99 (2015).</li>
<li>Das Choudhury, S., Samal, A., Awada, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leveraging+image+analysis+for+high-throughput+plant+phenotyping%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Leveraging image analysis for high-throughput plant phenotyping.</a> Front Plant Sci. 10, 508(2019).</li>
<li>Yang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Crop+phenomics+and+high-throughput+phenotyping%3A+Past+decades%2C+current+challenges%2C+and+future+perspectives%5BTitle%5D)+AND+%22Mol+Plant%22%5BJournal%5D)">Crop phenomics and high-throughput phenotyping: Past decades, current challenges, and future perspectives.</a> Mol Plant. 13 (2), 187-214 (2020).</li>
<li>Omari, M. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digital+image-based+plant+phenotyping%3A+A+review%5BTitle%5D)+AND+%22Korean+J+Agric+Sci%22%5BJournal%5D)">Digital image-based plant phenotyping: A review.</a> Korean J Agric Sci. 47 (1), 119-130 (2020).</li>
<li>Schindelin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiji%3A+An+open-source+platform+for+biolFiogical-image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fiji: An open-source platform for biolFiogical-image analysis.</a> Nat Methods. 9 (7), 676-682 (2012).</li>
<li>Gehan, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PlantCV+v2%3A+Image+analysis+software+for+high-throughput+plant+phenotyping%5BTitle%5D)+AND+%22PeerJ%22%5BJournal%5D)">PlantCV v2: Image analysis software for high-throughput plant phenotyping.</a> PeerJ. 5, e4088(2017).</li>
<li>Murphy, K. M., Ludwig, E., Gutierrez, J., Gehan, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning+in+image-based+plant+phenotyping%5BTitle%5D)+AND+%22Annu+Rev+Plant+Biol%22%5BJournal%5D)">Deep learning in image-based plant phenotyping.</a> Annu Rev Plant Biol. 75 (1), 771-795 (2024).</li>
<li>Fahlgren, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+versatile+phenotyping+system+and+analytics+platform+reveals+diverse+temporal+responses+to+water+availability+in+Setaria%5BTitle%5D)+AND+%22Mol+Plant%22%5BJournal%5D)">A versatile phenotyping system and analytics platform reveals diverse temporal responses to water availability in Setaria.</a> Mol Plant. 8 (3), 1520-1535 (2015).</li>
<li>Yu, L., et al. Development of a mobile, high-throughput, and low-cost image-based plant growth phenotyping system. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aYu%2C+L+%22bioRxiv%22">bioRxiv</a>. , (2023).</li>
<li>Atefi, A., Ge, Y., Pitla, S., Schnable, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robotic+technologies+for+high-throughput+plant+phenotyping%3A+Contemporary+reviews+and+future+perspectives%5BTitle%5D)+AND+%22Front+Plant+Sci%22%5BJournal%5D)">Robotic technologies for high-throughput plant phenotyping: Contemporary reviews and future perspectives.</a> Front Plant Sci. 12, 611940(2021).</li>
<li>Berry, J. C., Fahlgren, N., Pokorny, A. A., Bart, R. S., Veley, K. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated%2C+high-throughput+method+for+standardizing+image+color+profiles+to+improve+image-based+plant+phenotyping%5BTitle%5D)+AND+%22PeerJ%22%5BJournal%5D)">An automated, high-throughput method for standardizing image color profiles to improve image-based plant phenotyping.</a> PeerJ. 6, e5727(2018).</li>
<li>Tovar, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Raspberry+Pi-powered+imaging+for+plant+phenotyping%5BTitle%5D)+AND+%22Appl+Plant+Sci%22%5BJournal%5D)">Raspberry Pi-powered imaging for plant phenotyping.</a> Appl Plant Sci. 6, e1031(2018).</li>
<li>Jolles, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Broad-scale+applications+of+the+Raspberry+Pi%3A+A+review+and+guide+for+biologists%5BTitle%5D)+AND+%22Methods+Ecol+Evol%22%5BJournal%5D)">Broad-scale applications of the Raspberry Pi: A review and guide for biologists.</a> Methods Ecol Evol. 12 (5), 1562-1579 (2021).</li>
<li>Watt, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Phenotyping%3A+New+windows+into+the+plant+for+breeders%5BTitle%5D)+AND+%22Annu+Rev+Plant+Biol%22%5BJournal%5D)">Phenotyping: New windows into the plant for breeders.</a> Annu Rev Plant Biol. 71 (1), 689-712 (2020).</li>
<li>Xie, C., Yang, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+on+plant+high-throughput+phenotyping+traits+using+UAV-based+sensors%5BTitle%5D)+AND+%22Comput+Electron+Agric%22%5BJournal%5D)">A review on plant high-throughput phenotyping traits using UAV-based sensors.</a> Comput Electron Agric. 178, 105731(2020).</li>
<li>Czedik-Eysenberg, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+%26%2334%3BPhenoBox%26%2334%3B%2C+a+flexible%2C+automated%2C+open-source+plant+phenotyping+solution%5BTitle%5D)+AND+%22New+Phytol%22%5BJournal%5D)">The &#34;PhenoBox&#34;, a flexible, automated, open-source plant phenotyping solution.</a> New Phytol. 219 (4), 808-823 (2018).</li>
<li>Sumner, J., Fahlgren, N., Murphy, K. M. PCVR: An R package and tutorials for guided statistical analysis of plant phenotyping data. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSumner%2C+J+%22Authorea+Preprints%22">Authorea Preprints</a>. , (2023).</li>
<li>Schnable, P. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+B73+maize+genome%3A+complexity%2C+diversity%2C+and+dynamics%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">The B73 maize genome: complexity, diversity, and dynamics.</a> Science. 326 (5956), 1112-1115 (2009).</li>
<li>Segment Anything. Kirillov, A., et al. 2023 IEEE/CVF Int Conf Comput Vision, , 3992-4003 (2023).</li>
<li>Gabaldón-Leal, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modelling+the+impact+of+heat+stress+on+maize+yield+formation%5BTitle%5D)+AND+%22Field+Crops+Res%22%5BJournal%5D)">Modelling the impact of heat stress on maize yield formation.</a> Field Crops Res. 198 (3), 226-237 (2016).</li>
<li>Intergovernmental Panel on Climate Change. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22SYNTHESIS+REPORT+OF+THE+IPCC+SIXTH+ASSESSMENT+REPORT+%28AR6%29%22">SYNTHESIS REPORT OF THE IPCC SIXTH ASSESSMENT REPORT (AR6)</a>. , https://report.ipcc.ch/ar6syr/pdf/IPCC_AR6_SYR_LongerReport.pdf (2023).</li>
<li>Quiñones, A., et al. Optimized methods for applying and assessing heat, drought, and nutrient stress of maize seedlings in controlled environment experiments. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aQui%C3%B1ones%2C+A+%22Cold+Spring+Harb+Protoc%22">Cold Spring Harb Protoc</a>. , (2024).</li>
<li>Murphy, K. M., et al. Maize abiotic stress treatments in controlled environments. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMurphy%2C+KM+%22Cold+Spring+Harb+Protoc%22">Cold Spring Harb Protoc</a>. , (2024).</li>
</ol>

<table><tbody><tr><td>15W USB-C Güç Kaynağı</td><td>CanaKit</td><td>DCAR-RSP-3A5-C</td><td></td></tr><tr><td>25604 UC-E6 USB Kablosu</td><td>Nikon</td><td>18208256044</td><td></td></tr><tr><td>3.5 inç tencere</td><td>Hummert International</td><td>13006000</td><td></td></tr><tr><td>Berger BM7 %35 Kabuk HP</td><td>Hummert International</td><td>10121500</td><td></td></tr><tr><td>Biodock 2024</td><td></td><td>AI Yazılım</td><td>Platformu www.biodock.ai.</td></tr><tr><td>Kod düzenleme yazılımı</td><td>Jupyter</td><td></td><td>https://jupyter.org/install</td></tr><tr><td>Kod düzenleme yazılımı</td><td>Visual Studio Code</td><td></td><td>https://code.visualstudio.com/download</td></tr><tr><td>Renk Kartı ColorChecker Klasik</td><td>Calibrite</td><td>CCC</td><td></td></tr><tr><td>Renk Kartı ColorChecker Pasaport</td><td>Calibrite</td><td>CCPP2</td><td></td></tr><tr><td>Conviron Büyüme Odası</td><td>Conviron</td><td>BDW80 model</td><td></td></tr><tr><td>Dell 22 Monitör</td><td>Dell</td><td>SE2222H</td><td></td></tr><tr><td>EH-67 AC Adaptörü</td><td>Nikon</td><td>AZ185</td><td></td></tr><tr><td>Görüntü analiz yazılımı</td><td>PlantCV</td><td></td><td>https://plantcv.readthedocs.io/en/latest/installation/</td></tr> <tr><td>Jack'in Suda Çözünür Gübre 15-5-15</td><td>Hummert International</td><td>7590200</td><td>sıvı gübre</td></tr><tr><td>Klavye ve Fare</td><td>Logitech</td><td>1440638</td><td>MK270 kablosuz klavye ve fare</td></tr><tr><td>Mısır tohumu</td><td>USDA-ARS Germplazm Kaynakları Bilgi Ağı (GRIN)</td><td>B73</td><td>https://www.ars-grin.gov/</td></tr> <tr><td>Micro HDMI - HDMI kablosu</td><td>Amazon</td><td>B07KSDB25X</td><td></td></tr><tr><td>Nikon Coolpix B500 fotoğraf makinesi</td><td>Nikon</td><td></td><td></td></tr><tr><td>Nikon D7200 fotoğraf makinesi</td><td>Nikon</td><td></td><td></td></tr><tr><td>Osmocote 14-14-14</td><td>Hummert International</td><td>7630000</td><td></td></tr><tr><td>Fotoğraf sınıfı kumaş</td><td>Yayoya</td><td></td><td>Polyester Kumaş Fotoğraf Video Stüdyosu Televison</td></tr><tr><td>Raspberry Pi 4 Soğutucu ile</td> Siyah Fotoğraf Zemin <td>iUniker</td> <td>& lrm; </td><td></td>B07ZVKN262</tr><tr><td>Raspberry Pi 4 Model B Rev 1.1</td><td>Raspberry Pi Foundation</td><td>RP4B4GB_BP</td><td></td></tr><tr><td>Raspberry Pi 4 PiSwitch (USB-C)</td><td>CanaKit</td><td>RSP-PISWITCH-USBC</td><td></td></tr><tr><td>Raspberry Pi yazılımı</td><td>Raspberry Pi Imager</td><td></td><td>https://www.raspberrypi.com/software/</td></tr> <tr><td>İstatistiksel analiz yazılımı</td><td>Rstudio</td><td></td><td>https://posit.co/downloads/</td></tr><tr><td>Tripod K</td><td>& F Concept</td><td>T255A3 + BH-28L</td><td></td></tr><tr><td>Turface MVP</td><td>Hummert International</td><td>10240000</td><td></td></tr><tr><td>Kablosuz Barkod Tarayıcı</td><td>Netumscan</td><td>B08X4NMX2M</td><td>1D ve 2D barkod tarayıcı</td></tr></tbody></table>

mısır (zea mays) abiyotik stres fenottiplerinin miktarının belirlenmesi için görüntüleme ve analiz

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

Bu yöntemi geliştirmek için, B73 mısır bitkileri, kontrol sıcaklıkları, ısı sıcaklıkları, iyi sulanma ve kuraklık koşulları altında kantitatif fenotipler ve bunların kombinasyonları için toplam dört muamele için değerlendirildi. B73, zengin genetik verilere sahip, iyi bilinen bir akraba mısır çeşididir21.
PlantCV'deki görüntü analizi, Şekil 3'te gösterildiği gibi, görüntülerin rengini başarıyla düzeltti, nicel sonuçları bitki meta verileriyle etiketledi ve bitkiyi arka plandan bölümlere ayırdı (başka bir deyişle ayırdı). Başarısız bir analiz, bitkinin dış tarafındaki mavi anahattı veya pembe şekli göstermeyen, bunun yerine ek gürültü veya bitkinin eksik parçalarını içeren çıktı görüntüleri sağlayacaktır (Şekil 3, düşük kaliteli örnek). Maskeye mümkün olduğunca çok bitkinin dahil edilmesi için çift kanallı bir eşik gerekliydi ("photo-studio-SV-notebook.ipynb" bölümündeki alternatif tek kanallı stratejilere bakın). Bununla birlikte, bazı bitkiler, özellikle mor renkli gövdeli olanlar, mükemmel bir segmentasyona sahip değildi, ancak aşağı akış analizi için yeterliydi (Şekil 3).
PlantCV analizi, Şekil 4'te özetlenen 16 nicel, tek değerli özellik sağlamıştır. Tek bir değer özelliği, bitki başına bir değer sağlar - örneğin, yaprak alanı, yükseklik, genişlik ve renk tonu dairesel ortalaması. Yaprak alanı "analyze.shape" fonksiyonu (Şekil 4) kullanılarak dikkate alındı ve tüm bitki olarak kabul edildi. Bununla birlikte, yükseklik ve genişlik, bitki toprağı çizgisine çizilen bir sınır ile "analyze.bound_horizontal fonksiyonu" kullanılarak dikkate alındı. Bunun nedeni, saksının kenarından sarkan bitkilerin, bitkiyi bir bütün olarak ele alındığında daha büyük bir yüksekliğe sahip olması ve bunun yerine yalnızca toprakla buluştuğu bitki tabanından ölçülmesi gerektiğidir. Tek değerli özelliklere ek olarak, PlantCV, bitkinin her bir pikselini temsil eden, özellikle renk değerlerinin histogramları olan çok değerli özellikler çıkarır. Dairesel renk tonu ortalaması, tüm bitki için ortalama renk tonu değeri olan tek değerli bir özelliktir.
Hangi özelliklerin en ilginç olduğunu belirlemek için, her bir özellik için tedavi tarafından açıklanan varyans ve pcvr R Studio paket20'deki "frem" fonksiyonu kullanılarak farklı özellikler arasındaki korelasyon hesaplandı (Şekil 5A). Yaprak alanı, yükseklik, genişlik ve renk tonu dairesel ortalaması, işleme bağlı varyansın P'sinden fazlasını açıkladıkları ve bitki büyümesi (alan, yükseklik ve genişlik) ve sağlığın (renk tonu) ilgili ölçümleri oldukları için aşağı akış analizi için seçilmiştir. En büyük ve en küçük yaprak alanına sahip bitkinin temsili görüntüleri, bu deneyde toplanan fenotiplerdeki varyasyonu göstermektedir (sırasıyla Şekil 5B,C). En büyük yaprak alanına sahip bitki aynı zamanda en yüksek ortalama renk tonuna sahipti ve B73, iyi sulanan, ısı stresli bir bitkiydi (Şekil 5B). En küçük yaprak alanı en küçük ortalama renk tonuna sahipti (Şekil 5C) ve B73, kuraklık stresli, ısı stresli bir bitkiydi.
Su arıtmanın yaprak alanı (F(1,13) = 226.5, p = 1.32 x 10-9), yükseklik (F(1,13) = 21.1, p = 0.0005), genişlik (F(1,13) = 75.5, p = 8.92 x 10-7) ve renk tonu dairesel ortalamasının (F(1,13) = 27.8, p = 0.0002) belirlenmesinde anlamlı bir etkisi olmuştur, tedavi etkisi için doğrusal regresyon modeli ve R Studio'da iki yönlü bir ANOVA kullanılarak belirlenmiştir ( Tablo 1'deki tam sonuçlar). Sıcaklık işleminin yükseklik üzerinde anlamlı bir etkisi vardı (F (1,13) = 5.94, p = 0.03), ancak yaprak alanı, genişlik veya renk tonu dairesel ortalaması üzerinde anlamlı bir etkiye sahip değildi (p &gt; 0.05, Tablo 1). Sıcaklık ve su durumu arasındaki etkileşim, ölçülen özelliklerin hiçbirinde önemli bir faktör değildi (p &gt; 0.05, Tablo 1).
Daha sonra, bireysel tedaviler, çoklu karşılaştırmalar için bir Sidak düzeltmesi ile doğrusal regresyon ve post-hoc test (tahmini marjinal ortalamalar) kullanılarak kontrol ve birbirleriyle karşılaştırıldı (Şekil 6). Yaprak alanı, bitki boyu, bitki genişliği ve renk tonu dairesel ortalaması, kuraklık stresi altındaki bitkilerde her iki sıcaklık koşulunda da iyi sulananlara kıyasla önemli ölçüde azalmıştır (p &lt; 0.05, Şekil 6). İyi sulanırken ısı stresi sadece bitki boyunu azalttı (p &lt; 0.05, Şekil 6), ancak yaprak alanını, bitki genişliğini veya dairesel renk tonunu önemli ölçüde azaltmadı. Renk tonundaki bu fark, yalnızca bir ortalamadan ziyade Şekil 7'de bir histogram olarak çizilen çok değerli renk özelliği tonunun değerlendirilmesiyle daha fazla araştırılabilir. Kuraklık nedeniyle ortalama renk tonundaki azalma, kloroz olarak bilinen yeşil piksellerden sarı piksellere geçişten kaynaklanıyordu (Şekil 7). Isı, ortalama renk tonunda önemli bir fark göstermezken, yeşil rengin hem sararması (kloroz) hem de koyulaşması nedeniyle bir azalma ve artış göstermiştir (Şekil 7).
Görüntüleme sonrası bitkiler kök-sürgün birleşim yerinden kesilerek toprak üstü dokunun ağırlığı kaydedildi. Kökler nazikçe yıkandı ve bir havluyla kurutuldu, daha sonra açıklanan görüntü tabanlı fenotipleme yöntemiyle karşılaştırmak için toplam bitki biyokütlesini (ağırlık olarak da bilinir) hesaplamak için tartıldı. Görüntü analizi ile ölçülen yaprak alanı, bitki biyokütlesi ile güçlü bir şekilde ilişkilidir (R2 = 0.84, Şekil 8).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67619/67619fig01.jpg"> 
Şekil 1: Bitki görüntülerini toplamak için etiketlenmiş bileşenlerle fotoğraf stüdyosu kurulumunun görüntüsü. (A) Fotoğraf kalitesinde kumaş, (B) renk kartı, (C) saksıları düzgün bir şekilde yerleştirmek için bant çizgisi, (D) dijital kamera, (E) tek kartlı bilgisayar, (F) görüntü yakalama işlemini gösteren monitör. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67619/67619fig02.jpg"> 
Şekil 2: Görüntüleme iş akışına genel bakış. Temsili bir "yüksek kalite" ve "düşük kalite" görüntüsü sağlanır. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig02large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/67619/67619fig3v2.jpg"> 
Şekil 3: PlantCV'deki görüntü analizi iş akışına genel bakış. "Yüksek", "kabul edilebilir" ve "düşük" kalite segmentasyonunun temsili görüntüleri sunulmaktadır; PlantCV özellikleri, tüm bitki şeklinin pembe bir taslağı ve bitki alanının mavi bir taslağı kullanılarak temsil edilir. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig3v2large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/67619/67619fig04.jpg"> 
Şekil 4: Analizden elde edilen şekil özelliklerinin özeti ve görsel temsili. PlantCV'de şekil işlevi. Mor kutular, hesaplamalarında başka bir özellik kullanmayan özellikleri temsil eder. Turuncu kutular, hesaplamalarında diğer özellikleri kullanan özellikleri temsil eder; Oklar, bu hesaplamalarda hangi özelliklerin kullanıldığını gösterir. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig04large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/67619/67619fig05.jpg"> 
Şekil 5: Görüntü tabanlı fenotipleme, fenotipik varyansı ve ilişkili özellikleri yakalar. (A) Tedavi ile açıklanan özelliklerin varyansı (sağda) ve özelliklerin birbiriyle korelasyonu (solda). Her özellik etiketlenir, ardından ölçü birimi gelir; "NA", birimsiz bir ölçüm olduğu anlamına gelir. (B) En yüksek yaprak alanına ve en yüksek renk dairesel ortalamasına (derece) sahip bitkinin görüntüsü. (C) En küçük yaprak alanına ve en düşük renk tonu dairesel ortalamasına (derece) sahip bitkinin görüntüsü. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig05large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/67619/67619fig06.jpg"> 
Şekil 6: Bitki fenotipleri üzerindeki tedavi etkilerinin kutu grafiği karşılaştırması. Yaprak alanı (A), yükseklik (B), genişlik (C) ve renk tonu dairesel ortalaması (D), kuraklık, ısı ve birleşik gerilmelerin etkisi için karşılaştırılır. n = 4 olur. Harfler, tedaviler arasında istatistiksel olarak anlamlı farklılıkları temsil eder (p &lt; 0.05); tedaviler doğrusal regresyon ve post-hoc test (tahmini marjinal ortalamalar) kullanılarak karşılaştırıldı ve çoklu karşılaştırmalar için Sidak düzeltmesi yapıldı. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig06large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/67619/67619fig07.jpg"> 
Şekil 7: Her tedavi kombinasyonunun tüm piksellerinin toplamı ve tedavi kombinasyonundaki toplam piksel sayısı ile normalize edilmiş renk (ton) histogramları. Histogramlar, ton derecesi için renk değerine göre renklendirilir. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig07large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/67619/67619fig08.jpg"> 
Şekil 8: Görüntülerden ölçülen yaprak alanının tüm bitki biyokütlesi ile korelasyonu. Her siyah nokta bir bitkiyi temsil eder. Pembe çizgi, yaprak alanı (X) ile biyokütle (Y) arasındaki doğrusal korelasyonu temsil eder. <a href="https://www.jove.com/files/ftp_upload/67619/67619fig08large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Özellik</td>
			<td>Etken</td>
			<td>Serbestlik dereceleri</td>
			<td>F değeri</td>
			<td>p-değeri</td>
		</tr>
		<tr>
			<td>Yaprak Alanı (cm^2)</td>
			<td>Sıcaklık</td>
			<td>1</td>
			<td>0.5372</td>
			<td>0.4766</td>
		</tr>
		<tr>
			<td>Yaprak Alanı (cm^2)</td>
			<td>Su</td>
			<td>1</td>
			<td>226.5318</td>
			<td>1.32E-09</td>
		</tr>
		<tr>
			<td>Yaprak Alanı (cm^2)</td>
			<td>Sıcaklık: Su</td>
			<td>1</td>
			<td>2.1526</td>
			<td>0.1661</td>
		</tr>
		<tr>
			<td>Yaprak Alanı (cm^2)</td>
			<td>Kalıntılar</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Yükseklik (cm)</td>
			<td>Sıcaklık</td>
			<td>1</td>
			<td>5.9426</td>
			<td>0.0298935</td>
		</tr>
		<tr>
			<td>Yükseklik (cm)</td>
			<td>Su</td>
			<td>1</td>
			<td>21.107</td>
			<td>0.0005029</td>
		</tr>
		<tr>
			<td>Yükseklik (cm)</td>
			<td>Sıcaklık: Su</td>
			<td>1</td>
			<td>2.1752</td>
			<td>0.1640545</td>
		</tr>
		<tr>
			<td>Yükseklik (cm)</td>
			<td>Kalıntılar</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Genişlik (cm)</td>
			<td>Sıcaklık</td>
			<td>1</td>
			<td>2.2495</td>
			<td>0.1575</td>
		</tr>
		<tr>
			<td>Genişlik (cm)</td>
			<td>Su</td>
			<td>1</td>
			<td>75.5474</td>
			<td>8.92E-07</td>
		</tr>
		<tr>
			<td>Genişlik (cm)</td>
			<td>Sıcaklık: Su</td>
			<td>1</td>
			<td>0.0839</td>
			<td>0.7766</td>
		</tr>
		<tr>
			<td>Genişlik (cm)</td>
			<td>Kalıntılar</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>renk tonu dairesel ortalama (derece)</td>
			<td>Sıcaklık</td>
			<td>1</td>
			<td>0.9154</td>
			<td>0.3561432</td>
		</tr>
		<tr>
			<td>renk tonu dairesel ortalama (derece)</td>
			<td>Su</td>
			<td>1</td>
			<td>27.7988</td>
			<td>0.0001509</td>
		</tr>
		<tr>
			<td>renk tonu dairesel ortalama (derece)</td>
			<td>Sıcaklık: Su</td>
			<td>1</td>
			<td>3.4792</td>
			<td>0.0848724</td>
		</tr>
		<tr>
			<td>renk tonu dairesel ortalama (derece)</td>
			<td>Kalıntılar</td>
			<td>13</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>
Tablo 1: Su arıtma, sıcaklık arıtımı ve bunların bitki özellikleri üzerindeki etkileşimlerini inceleyen doğrusal regresyon modeli ve iki yönlü ANOVA analizlerinin sonuçları.

Mısır (Zea mays) Abiyotik Stres Fenottiplerinin Miktarının Belirlenmesi için Görüntüleme ve Analiz

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

Araştırmamız, yüksek verimli bitki fenotipleme araçları geliştirmeye ve uygulamaya odaklanmıştır. Amacımız ölçümleri hızlı, uygun maliyetli ve bitkileri öldürmeden yapmaktır. Bitki fenotiplemesi alanındaki son gelişmeler, görüntü analizini uydular ve İHA gibi farklı kamera türlerine genişletti ve makine öğreniminde yeni teknikler uyguladı.Mevcut deneysel zorluklar, biyolojik sorularda önemli ilerleme kaydetmek için birçok zaman noktasında, çevresel tedavilerde ve genotiplerde ölçümleri yakalamak için gereken geniş kapsamı ve önemli emeği içerir. Protokolümüz, pahalı ekipmanlara ihtiyaç duymadan tesis görüntülerini hızlı ve esnek bir şekilde yakalamak ve analiz etmek için basit bir yöntem sağlar. Başlamak için, anahtarı kullanarak anahtarlı uzatma kablosunu açın ve monitörü açmak için düğmeye basın.Fotoğraf makinesini bir tripod veya masanın üzerine yerleştirin ve güç kablosu veya piller aracılığıyla fotoğraf makinesine güç sağlayın. Kameranın güç düğmesini kullanarak kamerayı açın. Sağlanan veri aktarım kablosunu kullanarak kamerayı SBC'deki USB bağlantı noktasına ve kameraya bağlayın.Ardından, tencerenin yerleştirileceği fotoğraf sınıfı kumaşın üzerine bir parça koyu renkli bant yerleştirin. Şimdi tencereyi işaretli bandın üzerine yerleştirin. Mısır ve sorgum gibi düzlemde büyüyen bitkiler için, bitkinin en geniş açısını kameraya doğru konumlandırın.Renk kartını saksı ile aynı hizada olacak, ancak üst üste binmeyecek şekilde bitkiden ayrılacak şekilde ayarlayın. SBC'de terminali açmak için Terminal düğmesine tıklayın. Görüntü yakalama penceresini açmak için kod satırını girin.Ardından görüntünün adını manuel olarak yazın veya bir barkod tarayıcı kullanarak tesisin barkodunu veya QR kodunu tarayın. Resmi çektikten sonra, görüntüyü yerel olarak veya bağlı bir sunucuya ya da bulut depolama alanına kaydetmek için bir seçenek belirleyin. Görüntüyü yakalamak için "fotoğraf çekmek için buraya tıklayın" düğmesini tıklayın.Yerel depolama seçildiyse, görüntüyü gözden geçirmek için masaüstündeki Fotoğraflar klasörünü açın. Bir sunucu veya bulut depolama alanı kullanılmışsa, görüntüyü bu konumda açın. Tüm görüntüleri yakaladıktan sonra, tüm görüntüleri SBC'den yerel bir bilgisayara veya bulut depolama alanına kopyalamak için USB depolama, internet tarayıcısı veya SSH aktarımı gibi tercih edilen yöntemi kullanın.Gerekli dosyaları yerel bir bilgisayara veya sunucuya indirin. Komut satırını veya paket yöneticisini kullanarak plantcv'yi yükleyin. photo-studio-SV-notebook'u açın.JupyterLab veya Visual Studio Code gibi tercih edilen bir kod düzenleyicisi kullanarak ipynb. Bitkinin temiz bir maskesini elde etmek için kodda belirtilen parametrelere göre gerekli düzenlemeleri yaparak her bir kod bloğunu çalıştırın. Örnek görüntünün analizinden memnun kaldığınızda, iş akışını açın.py'yi tercih edilen kod düzenleyicisinde kullanın. İş akışını düzenleyin. py, photo-studio-SV-notebook'ta yapılan tüm parametre değişikliklerini dahil etmek için kullanılır.ipynb ve dosyayı kaydedin. photo-studio-SV-config dosyasını açın. dosya yollarını güncellemek için json.Tesis görüntülerini içeren giriş klasörüne ve işlenen görüntülerin ve sonuçların depolanacağı çıkış klasörüne giden yolları değiştirin. Bir terminal açın ve conda enable plantcv komutuyla plantcv activate plantcv ve klavyede Enter tuşuna basın. Belirtilen kod satırını, güncellenen photo-studio-SV-config'e işaret edecek şekilde değiştirin.json dosyası. Terminalde, değiştirilen kodu yazın ve klavyede Enter tuşuna basın. plantcv'nin terminalde etkinleştirildiğinden emin olun.Ardından results-photo-studio. json csv'ye dönüştürmek için komutu çalıştırın ve dosya yolunu buna göre güncelleyin. plantcv'deki görüntü analizi, çift kanal eşiği kullanarak mısır bitkilerini arka plandan başarıyla segmentlere ayırdı.Plantcv analizi, histogram olarak çizilen çok değerli özelliklerle birlikte yaprak alanı, yükseklik, genişlik ve renk tonu dairesel ortalaması dahil olmak üzere 16 tek değerli özellik sağladı. Yaprak alanı, yükseklik, genişlik ve renk tonu dairesel ortalaması, işleme bağlı varyantların %50'sinden fazlasını açıkladı ve bu da onları aşağı akış analizi için temel metrikler haline getirdi. En büyük yaprak alanına sahip bitki, en yüksek ortalama renk tonuna sahipti ve iyi sulanan, ısı stresli bir bitki olan B73 genotipiydi.En küçük yaprak alanı aynı zamanda en küçük ortalama renk tonuna sahipti ve kuraklık stresli, ısı stresli bir bitki olan B73 genotipiydi. Su arıtma, yaprak alanını, yüksekliğini, genişliğini ve dairesel renk tonunu önemli ölçüde etkilerken, sıcaklık arıtması sadece yüksekliği önemli ölçüde etkiledi. Kuraklık stresi, her iki sıcaklık koşulunda da yaprak alanını, bitki yüksekliğini, bitki genişliğini ve dairesel renk tonunu önemli ölçüde azalttı.Kuraklık nedeniyle ortalama renk tonundaki azalma, yeşilden sarı piksellere geçişten kaynaklanıyordu. Isı stresi yeşil rengin hem sararmasına hem de koyulaşmasına neden oldu. Görüntü analizi ile ölçülen yaprak alanı, bitki biyokütlesi ile güçlü bir şekilde ilişkilendirildi ve görüntü tabanlı fenotipleme yöntemini doğruladı.

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

Research

JoVE Journal

Biology

Biyoloji

Hücre bölünmesini ve genişlemesini ölçmek, tüm bitki büyümesinin anlaşılması için çok önemlidir. Burada, mısır yaprağı büyüme oranlarını belirleyen hücresel parametreleri hesaplamak için bir protokol sunuyoruz ve bu verilerin, gelişimsel aşamaya özgü örnekleme stratejilerini yönlendirerek moleküler büyüme düzenleyici mekanizmaları araştırmak için kullanımını vurguluyoruz.

Hücre Bölünmesi ve Genişleme Kinematik Analizi: Büyüme ve Örnekleme Gelişim Bölgeleri Hücresel Temeli Quantifying<em&gt; Zea mays</em&gt; Yapraklar

Bir deneysel protokol toprak bitki kök sistemleri RGB ve hyperspectral görüntüleme ile yetiştirilen değerlendirilmesi için sunulmaktadır. RGB görüntü zaman serisi hyperspectral chemometric bilgilerle tarar kombinasyonu bitki kök dynamics anlayışlar en iyi duruma getirir.

RGB ve bitki fenotipleme ve fizyolojik araştırma için spektral kök görüntüleme: deneysel kurulum ve iletişim kuralları görüntüleme

Biz x-ışını soğurma kontrast Mısır doku sıradan microcomputed tomografi taramak için uygun geliştirmek için yeni bir yöntem sağlar. CT görüntüleri baz alınarak, biz görüntü işleme iş akışları için etkili bir şekilde Mısır Vaskular demetleri mikroskobik fenotipleri ayıklamak farklı Mısır malzeme bir dizi tanıtmak.

X-ışını Microcomputed tomografi üzerinde dayalı Mısır Vaskular demetleri mikron çaplı fenotipleme teknikleri

Tek ve birleşik ısı, kuraklık ve su basması tedavilerine morfolojik ve fizyolojik yanıtları belirlemek için görüntü tabanlı bir fenotipleme protokolü tasarladık. Bu yaklaşım, erken, geç ve geri kazanım tepkilerinin tüm tesis düzeyinde, özellikle yer üstü kısımlarda tanımlanmasını sağladı ve birden fazla görüntüleme sensörünün kullanılması gerekliliğini vurguladı.

Patateste Tek ve Kombine Streslere Morfolojik ve Fizyolojik Tepkileri Belirlemek için Yüksek Verimli Görüntü Tabanlı Fenotipleme

Manyetik rezonans görüntüleme (MRG), operasyon sırasında proses ekipmanları etkinliğini değerlendirmek için güçlü bir araç sağlar. Biz statik karıştırıcı karıştırma görselleştirmek için MRG kullanımı tartışıyorlar. Bu uygulama, kişisel bakım ürünleri ile ilgili, ancak, gıda, kimyasal, biyokütle ve biyolojik sıvılar geniş bir yelpazede uygulanabilir.

Manyetik Rezonans Görüntüleme kullanarak Karışım miktarının

Burada hızla PhenoRipper, son zamanlarda geliştirilmiş görüntü analiz platformu kullanarak floresan mikroskopi görüntülerin koleksiyonları analiz ve keşfetmek için bir iş akışını açıklar.

Hızlı Analiz ve Floresans Mikroskopi Görüntüler Exploration

Burada canlı zebra balığı embriyolarında oksidatif stresi ölçmek için bir protokol bildiriyoruz. Bu prosedür, hem tüm embriyo dokularında hem de tek hücreli popülasyonlarda reaktif oksijen türlerinin (ROS) tespitine izin verir. Bu protokol hem kalitatif hem de kantitatif analizleri gerçekleştirecektir.

Zebra balığı Embriyolar Oksidatif Stres Analizi

Lateral Kök İndüklenebilir Sistemi (LRIS), lateral köklerin senkron indüksiyonuna izin verir ve Arabidopsis thaliana ve mısır için sunulmuştur.

Lateral Kök İndüklenebilir Sistemi<em&gt; Arabidopsis</em&gt; Ve Mısır

sirkadiyen saat Arabidopsis transcriptome yaklaşık üçte düzenler, ancak timekeeping içine geri besleme genlerin yüzdesi bilinmemektedir. Burada hızla geçici protoplastlar ifade bir sirkadiyen muhabiri Işıklı görüntüleme kullanarak Arabidopsis herhangi mutant doğrultusunda sirkadiyen fenotipleri değerlendirmek için bir yöntem görselleştirmek.

Bir Lüminesans Saat Reporter ile Arabidopsis Protoplasts transfekte içinde Sirkadiyen fenotipleri Hızlı Analizi

DNA hasarının ardından, insan hücreleri genomlarının bütünlüğünü geri yüklemek için gerekli onarım yollarını aktive ederler. Burada, dolaylı immünoffloresan yöntemini DNA onarım proteinlerini tespit etmek, mekansal ve zamansal işe alımlarını analiz etmek ve DNA hasarı nın olduğu yerlerde protein-protein etkileşimini sorgulamaya yardımcı olmak için bir araç olarak tanımlıyoruz.

DNA Onarım Proteinlerinin İmmünfluoresan Etkileşiminin Görselleştirilmesi

Öğrenin, Zea mays'ın abiyotik stres altındaki fenotiplerini düşük maliyetli görüntüleme ve plantcv yazılımı ile analiz etme yöntemini. Bu teknik, yaprak alanı ve bitki boyu gibi özellikleri hızlıca ölçer.

Mısır (Zea mays) Abiyotik Stres Fenottiplerinin Miktarının Belirlenmesi için Görüntüleme ve Analiz

Daha fazla video keşfet