Mısır (Zea mays) Abiyotik Stres Fenottiplerinin Miktarının Belirlenmesi için Görüntüleme ve Analiz
28 Mart 2025
Fenotipleri ölçmek için bitkilerin düşük maliyetli görüntülenmesi için bir yöntemin yanı sıra, görüntü yakalama için en iyi uygulamalar ve bitki özelliklerini ölçmek için bir görüntü analiz hattı sunulmaktadır. Bu yöntemler sıcaklık, kuraklık ve kombine abiyotik stres koşulları altında mısır (Zea mays) fenotiplerini ölçmek için uygulanmıştır.
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.
Genel Bakış
Bu çalışma, özellikle ısı ve kuraklık dahil olmak üzere çeşitli abiyotik stres koşulları altındaki mısır (Zea mays) bitkilerine odaklanarak, bitki fenotiplerini analiz etmek için düşük maliyetli bir görüntüleme yöntemini sunmaktadır. Araştırma, kritik bitki özelliklerini nicelleştirmek amacıyla görüntülerin yakalanması ve analiz edilmesinde bu yöntemin etkinliğini vurgulamaktadır.
Temel Çalışma Bileşenleri
Araştırma Alanı
- Bitki fenotiplemesi
- Abiyotik stres analizi
- Görüntü analiz teknikleri
Arka Plan
- Bitki özelliklerinin ölçüm verimliliğinin artırılması
- Yüksek kapasiteli fenotiplemede maliyet ve operasyonel karmaşıklıkla ilgili zorluklar
- Bitki biyolojisi araştırmaları için doğru fenotip ölçümünün önemi
Kullanılan Yöntemler
- Bitki görüntülerini yakalamak için düşük maliyetli bir görüntüleme sisteminin geliştirilmesi
- Biyolojik model organizma olarak mısırın kullanılması
- Görüntü analizi için plantcv yazılımının uygulanması
Ana Sonuçlar
- Görüntü analizi; yaprak alanı, boy ve renk gibi çeşitli fenotipik özelliklerin başarıyla nicelendirilmesini sağlamıştır
- Kuraklık ve ısı stresi koşulları altında boy ve yaprak alanında önemli azalmalar gözlemlenmiştir
- Yöntem, bitki biyokütlesi ile iyi bir korelasyon göstermiş ve fenotipleme için etkinliği doğrulanmıştır
Sonuçlar
- Çalışma, yüksek verimli bitki fenotipleme için maliyet etkin ve uygulanabilir bir yaklaşım sunmaktadır
- Bu görüntüleme yöntemi, özellikle çevresel stres koşulları altındaki bitki biyolojisi araştırmalarının geliştirilmesi açısından önem taşımaktadır
Sıkça Sorulan Sorular
Sektörsel Uygulama Uygunluğu
Mısır abiyotik stres fenotiplerinin kantitatif ve tahribatsız görüntülemesi, erken keşif ve translasyonel araştırmalar için kritik olan ölçeklenebilir ve tekrarlanabilir özellik ölçümüne olanak tanır. Görüntü tabanlı fenotipleme, manuel iş gücünü azaltır ve veri işlem hacmini artırarak, ürün özelliklerinin doğrulanmasında sağlam hipotez testlerini ve mekanistik risk azaltmayı destekler. Bu yaklaşım, strese dayanıklı genotiplere öncelik veren ve özellik seçim süreçlerini optimize eden Ar-Ge ekipleri için öngörüsel güveni artırır.
Biyofarma Ar-Ge'de Stratejik Uygulamalar
Erken Keşif ve Hedef Doğrulama
- Hipotez odaklı özellik doğrulaması için bitkilerin abiyotik strese verdiği yanıtın hızlı ve kantitatif değerlendirmesine olanak tanır.
- Görüntüden türetilen fenotipleri temel biyolojik süreçlerle ilişkilendirerek mekanistik risk azaltmaya destek sağlar.
- Objektif metriklere dayanarak üstün stres dayanıklılığına sahip genotipleri belirleyip portföy önceliklendirmesini kolaylaştırır.
Tarama ve Analiz Geliştirme
- Yüksek verimli özellik taraması için standardize edilmiş, tekrarlanabilir görüntü yakalama ve analiz iş akışları sağlar.
- Yaprak alanı, boy ve renk tonu gibi nicel çıktılar sunarak tedaviler arası güvenilir karşılaştırmaları destekler.
- Minimum kaynak yatırımı ile çok sayıda genotipin ve çevresel koşulun ölçeklenebilir şekilde taranmasına olanak tanır.
Translasyonel ve Preklinik Araştırmalar
- Fenotipik çıktıları, stres tolerans özelliklerine yönelik translasyonel biyobelirteç geliştirme süreçleriyle hizalar.
- Tekrarlanabilir ve tahribatsız ölçümlere olanak tanıyarak, erken keşif aşamasından preklinik validasyona kadar süreklilik sağlar.
- Stres altındaki özellik performansı hakkında sağlam ve kantitatif veriler sunarak, riske göre ayarlanmış ilerleme kararlarını destekler.
İş Hattı ve İş Akışı Entegrasyonu
Bu görüntüleme ve analiz iş akışı, ürün Ar-Ge süreçlerinde erken keşiften öncü bileşiklerin belirlenmesine ve preklinik özellik doğrulamasına kadar olan aşamaları entegre eder.
- Keşif Biyolojisi: Belirlenmiş stresörlere karşı bitki tepkilerini nicelikselendirerek hipotez testlerini ve yolakların aydınlatılmasını destekler.
- Tarama: Yeniden üretilebilir, yüksek kapasiteli genotip değerlendirmesi için özellik ölçümünü standartlaştırır.
- Analitikler: İşlem etkilerinin istatistiksel karşılaştırmasına olanak tanıyan nicel çıktılar (örneğin yaprak alanı, boy, renk tonu) sağlar.
- Translasyonel Araştırma: Fenotipik verilerin, sonraki biyobelirteç ve özellik doğrulama çalışmalarıyla uyumlandırılmasını kolaylaştırır.
- Kurumsal Yeniden Kullanım: Farklı bitki sistemlerine ve deneysel tasarımlara uyarlanabilen, düşük maliyetli ve esnek bir platform sunar.
Operasyonel ve Kurumsal Etki
- Bilimsel Değer: Tahmin güvenini artırır ve özellik doğrulamasındaki mekanistik belirsizliği azaltır.
- Operasyonel Değer: Standartlaştırılmış, ölçeklenebilir ve tekrarlanabilir fenotipleme iş akışları sağlar.
- Stratejik Değer: Güçlü, veri odaklı önceliklendirmeyi mümkün kılarak go/no-go karar verme sürecini ve sermaye verimliliğini iyileştirir.
- Portföy Etkisi: Aday genotiplerin veya özelliklerin riskten arındırılmasını ve riskle ayarlanmış ilerletilmesini destekler.
Uygulama Hususları
- Görüntü analizi ve fenotipleme yazılımları (örneğin, PlantCV) konusunda uzmanlık gerektirir.
- Temel görüntüleme donanımına ve veri işleme için hesaplama altyapısına ihtiyaç duyar.
- Görüntü yakalama protokollerinin ve veri etiketlemenin ekipler arası standart hale getirilmesini gerektirir.
- Parametre optimizasyonu ile çeşitli bitki türlerine ve deneysel kurulumlara uyarlanabilir.
- Güvenilir sonuçlar için görüntü kalitesine ve tutarlı çevresel koşullara bağımlıdır.
