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

NOT: T. officinale ve F. excelsior yapraklarının toplanması için özel izin veya onay gerekmemiştir, çünkü bu korunmayan türler halka açık bahçe alanlarından örneklenmiştir. Tüm örneklerin koleksiyonu kurumsal ve yerel yönergelere uygundu.
1. Bitki malzemesi koleksiyonu
<ol>
	<li>Karşılaştırmalı analiz için sağlıklı yapraklar seçin. Mevcut deney için, zıt stoma dağılımına sahip iki dikot türün sağlıklı, güneşe maruz kalmış olgun yaprakları seçildi: yalnızca alt yaprak yüzeyinde stoma bulunan hipo stomatlı ağaç F. excelsior ve amfistomatöz çok yıllık otlu T. officinale.</li>
	<li>Her örnek türü/konum için 3-5 kopya yaprak alın.</li>
	<li>Yaprağı temiz makas veya jilet ile ayırın. Kesilen yaprağı hemen suya koyarak susuz kalmayı önleyin.</li>
	<li>Toplandıktan sonra, yaprak sapını tamamen suya batırın ve 4°C sıcaklıkta saklayın.</li>
	<li>Protokol bölümleri 2 veya 3'ü 48 saat içinde uygula.</li>
</ol>
2. Stoma izi soyulmalarının hazırlanması ve görüntülenmesi
NOT: Temizleme protokolü sırasında oluşan tüm kimyasal atıklar, kurumsal ve yerel güvenlik düzenlemelerine uygun şekilde işlenmiştir. Glutaraldehit içeren çözeltiler ayrı ayrı toplanarak tehlikeli kimyasal atık olarak bertaraf edilmiştir. Sodyum hidroksit (NaOH) çözeltileri, izin verildiğinde bertaraf edilmeden önce pH 6-8'e nötralize edilmiştir. Sulandırılmış çamaşır suyu ve etanol çözeltisi, kurumsal ve belediye düzenlemeleriyle izin verilen yerlerde bol miktarda soğuk su ile gidere atıldı. TBO çözeltileri yerel yönergelere göre toplanıp kimyasal atık olarak bertaraf edildi. Kullanıcılar, onaylanmış bertaraf prosedürleri için kurumsal güvenlik ofislerine danışmalıdır.
<ol>
	<li>Gerekirse, seçilen yaprak yüzeyini suyla nazikçe durulayarak toz veya kalıntıları temizleyin. Yaprak yüzeyini hemen filtre kağıdı veya yumuşak bir kağıt havlu kullanarak kurutarak fazla nemi giderin. Hava ile kurutmayın, çünkü bu dokunun küçülmesine ve stoma ile epidermal hücrelerin yanlış boyut ölçümlerine yol açabilir.</li>
	<li>Mikroskop slaytı, numune detaylarıyla (örneğin, tür, yaprak tarafı ve hazırlanma tarihi) etiketleyin; böylece her örnek görüntüleme, analiz ve veri yorumu sırasında izlenebilir hale getirilebilir ve gelecekteki kullanım için uygun şekilde saklanabilir.</li>
	<li>Bez dışı (tüylü) trikomlara sahip türler için, trikomları yaprak yüzeyinden tıraş bıçağıyla çıkarın; çünkü varlıkları hücre sınırlarını gizleyebilir ve görüntü kalitesini düşürebilir (Şekil 1).</li>
	<li>Küçük bir fırça kullanarak, hedef bölgeye ince, eşit ve düz bir şeffaf, uzanamaz tırnak ojesi ("esneme" veya "soyulabilir" formüllerden kaçının) uygulayın. Kabuk hazırlığı için her zaman yaprak kısmının orta kısmını seçin, ucu ve tabandan kaçının.</li>
	<li>Oje oda sıcaklığında genellikle 2-5 dakika boyunca tamamen kurumasına izin verin. Uzun süreli maruz kalma, doku renk değişikliğine (örneğin, yumuşak yapraklarda kırmızı ton) neden olabilir; bu renk son peelingde görülebilir ve düzgün renk gerektiren sonraki analizleri engelleyebilir.</li>
	<li>Kuruduktan sonra, kaplanmış alana şeffaf bir bant şeridi uygulayın. Ojenin bir kenarından başlayın ve bandı yavaşça yüzeye serin, iyi yapışma sağlamak ve hava kabarcıkları ya da kırışıklıkları önlemek için hafifçe bastırın. Parmak izlerinden kaçınmak için nitril eldiven takın.</li>
	<li>Bandı dikkatlice ve oje filmi (epidermal iz) soyun.</li>
	<li>Bandı (yapışkan yüzü aşağı) temiz bir mikroskop slaytına yerleştirin, katlanma veya örtüşmeleri önleyin.</li>
	<li>Hazırlanmış slaytları oda sıcaklığında, toz ve doğrudan güneş ışığından korunarak saklayın.</li>
	<li>Slaytı 400x büyütme ile bileşik ışık mikroskobu altında inceleyin. Yazılım rehberine göre ve ilgili ölçekle birlikte görüntüleri kaydedin.</li>
</ol>
3. Temizlenmiş bölümlerin hazırlanması ve görüntülenmesi
<ol>
	<li>Yaklaşık 1 cm2 boyutunda yaprak parçalarını kesin. Tüm adımları nitril eldiven takarak ve bir duman kapüşonunun altında çalışarak yapın.</li>
	<li>Örnekleri etiketli bir şişeye aktarın, üzerlerini sabitleyici çözeltiyle (%4 glutarik aldehit 0,1 M fosfat tamponunda %4, pH = 6,9) ile kaplayın (DİKMET) ve 4°C'de 24 saat boyunca saklayın (Fiksasyon çözeltisi hazırlamak için Tablo 1).</li>
	<li>Sabitleyici çözeltiyi pipetle çıkarın ve örnekleri distile suyla kaplayın. 30 dakika bırakın. Üç kez tekrarlayın (Şekil 2A-C).</li>
	<li>Suyu çıkarın ve örnekleri 1 M NaOH çözeltisiyle örtün (20 g NaOH'u 0,5 L damıtılmış suda çözün).</li>
	<li>Yaprak temizleme sırasında NaOH çözeltisi yeşile döner. NaOH çözümünü günde bir kez taze çözeltiyle değiştirin. 3 ila 4 gün veya örnekler soluk sarıya dönene kadar devam edin ve NaOH çözeltisi berrak kalana kadar (Şekil 2D-F).</li>
	<li>NaOH çözeltisini çıkarın ve örnekleri çamaşır suyu (%5 NaClO) ile kaplayın. Bu konsantrasyona sahip ticari ev çamaşır suyu uygundur.</li>
	<li>Örnekleri çamaşır suyu içinde 1-2 dakika kuluçka edin. Örnekler beyaz ve saydam olacak (Şekil 2G-I).</li>
	<li>Önceki çözeltiyi çıkarın ve örnekleri 2 dakika boyunca damıtılmış su ile kaplayın. Numuneleri aşağıdaki şekilde derecelendirilmiş damıtılmış su-etanol serisi ile kurutun: 75:25, 50:50, 25:75 ve %100 etanol.</li>
	<li>Etanolü çıkarın ve örnekleri %3 alkollü toluidin mavi O çözeltisiyle kaplayın (TBO, 3 g TBO'yu 100 mL 100 mL etanolde çözünür). Gece boyunca ayrıl.</li>
	<li>Boyama çözeltisini çıkarın ve örnekleri %100 etanol ile 2 dakika boyunca kaplayın. Bu adımı derecelendirilmiş damıtılmış su-etanol serisi kullanarak aşağıdaki şekilde tekrarlayın: 25:75, 50:50, 75:25 ve son olarak damıtılmış su (Şekil 2J-L). Temizleme süreciyle ilgili yaygın hatalar ve sorun giderme adımları için Şekil 3'e bakınız.</li>
	<li>Numuneleri izlemeye kadar 4°C sıcaklıkta damıtılmış suda tutun.</li>
	<li>Örnekleri cam slayta aktarın, bir damla damıtılmış su ekleyin ve mikroskobik görüntüleme ve görüntüleme için cam bir kapak kıvırıyla örtün.</li>
	<li>Slaytı 400x büyütme ile bileşik ışık mikroskobu altında inceleyin. Yazılım rehberine göre ve ilgili ölçekle birlikte görüntüleri kaydedin. Daha fazla bilgi için materyaller tablosuna bakınız.</li>
</ol>
4. Görüntü analizi ve ölçümler
<ol>
	<li>Görüntü işleme ve analiz için Fiji23 (ImageJ dağıtımı, sürüm 1.54p) kullanın.</li>
	<li>Çizgi aracını kullanarak ölçek çubuğunun üzerine bir çizgi çizin, ardından Ölçeği Analiz &gt; Ayarlan'ı seçin, bilinen mesafeyi ölçek çubuğunun uzunluğuna göre değiştirin ve uzunluk birimini μm olarak değiştirin.</li>
	<li>Analiz &gt; set ölçümlerini analiz edin. Alan ve Feret'in çapı seçeneklerinin kontrol edildiğinden emin olun.</li>
	<li>İlgilendiğiniz nesneyi belirlemek için Çokgen Seçim Aracı'nı kullanın. M tuşuna basarak ölçümü kaydedin.</li>
	<li>Fiji'de aşağıdaki stomatal ve epidermal özellikleri ölçün ve hem temizlenmiş örnekler hem de stoma peeling'leri hesaplayın (Şekil 3).</li>
	<li>Stoma sayısını (Ns) hesaplayın.<ol>
		<li>Ortalama stoma alanını (As) belirleyin.</li>
		<li>Ortalama stoma genişliğini (Ws) belirleyin: Feret'in minimum çapı kullanılarak.</li>
		<li>Stoma yoğunluğunu (SD) aşağıdaki formülle hesaplayın: 
		<img alt="Denklem 1" src="/files/ftp_upload/69615/69615eq1.jpg" style="opacity: 0.9; margin: 0px;" data-altupdatedat="1776747604000" data-alt="Equation 1"> ; Birim Ia başına (ölçüm için seçilen yaprak alanı, mm2).</li>
		<li>Ortalama epidermal hücre alanını (Ae) belirleyin.</li>
		<li>Epidermal hücre yoğunluğunu (ECD) aşağıdaki formülle belirleyin: 
		<img alt="Denklem 2" src="/files/ftp_upload/69615/69615eq2.jpg" style="margin: 0px;" data-altupdatedat="1776747604000" data-alt="Equation 2"></li>
	</ol>
	</li>
</ol>
5. İstatistikler
<ol>
	<li>Örnek grupları arasındaki farkları test etmek için ANOVA ve Tukey'nin HSD post-hoc testini kullanın.</li>
	<li>R21'deki tüm istatistiksel analizleri yapın.</li>
	<li>Her tür için toplam 3 çoğaltılmış yaprak analiz edin ve her yapraktan 3 kabuk görüntüleyin.</li>
</ol>
6. Yapay Zeka destekli analiz
<ol>
	<li>Segmentasyon için makine öğrenimi araçlarını seçin.<ol>
		<li>Hedef yapıya (stomata veya epidermal hücreler), görüntü kalitesine ve analiz hedeflerine göre uygun makine öğrenimi tabanlı segmentasyon araçlarını seçin.</li>
		<li>Stomalara özgü derin öğrenme modeli kullanarak stomalara özgü bir derin öğrenme modeli kullanın ve epidermal hücre segmentasyonu için genel derin öğrenme veya piksel tabanlı segmentasyon araçları kullanın.</li>
		<li>Belirli yazılım uygulamaları için Makine Öğrenimi Araçları ve Yazılım bölümüne (Ek dosya) bakabilirsiniz.</li>
		<li>Segmentasyon performansını değerlendirmek ve yanlış pozitif potansiyel kaynaklarını belirlemek için büyük ölçekli analizden önce bir alt küme görüntü üzerinde pilot test gerçekleştirin.</li>
	</ol>
	</li>
	<li>Hesaplama ortamını hazırlayın.<ol>
		<li>8-12 çekirdekli işlemci, en az 32 GB RAM ve en az 24 GB VRAM olan NVIDIA CUDA destekli GPU ile donatılmış bir iş istasyonu kullanın.</li>
		<li>Açıklama ve görsel incelemeyi kolaylaştırmak için yüksek çözünürlüklü bir ekran (tercihen 4K) kullanın.</li>
		<li>Seçilmiş tüm yazılım araçlarını geliştiricilerin talimatlarına göre kurun ve tekrarlanabilirliği sağlamak için yazılım sürümlerini kaydedin.</li>
	</ol>
	</li>
	<li>Makine öğrenimi analizi için görüntüler hazırlayın.<ol>
		<li>Mikroskopik görüntüleri TIFF veya PNG formatında içe aktarın, mümkün olduğunda 8 veya 16 bit gri tonlu görüntüler kullanın.</li>
		<li>Her görüntünün görünür bir ölçek çubuğu içerdiğinden veya analizden önce mekansal olarak kalibre edilmiş olduğundan emin olun.</li>
		<li>Minimum kalıntı, kıvrım veya hava kabarcıkları, hatta aydınlatma ve net tanımlanmış hücre sınırları olan ilgi çekici bölgeleri seçin.</li>
		<li>Kenarları bulanık, güçlü gölgeli veya düşük kontrastlı görüntüleri hariç tutun, çünkü bunlar segmentasyon doğruluğunu azaltır.</li>
	</ol>
	</li>
	<li>Stoma segmentasyonu yapın.<ol>
		<li>Stomataya özgü derin öğrenme modeline görüntüleri yükleyin (Ek dosya bölüm 1).</li>
		<li>Tür ve görüntü çözünürlüğüne göre nesne boyutu sınırları ve güven eşikleri dahil olmak üzere tespit parametrelerini yapılandırın.</li>
		<li>Stoma komplekslerini segmentlere ayırmak ve stoma sayısı, alan ve Feret çapları gibi çıktı metriklerini çıkarmak için otomatik tespit çalıştırın.</li>
		<li>Aşağı akış analizi için dışa aktarma segmentasyon maskeleri ve ölçüm tabloları. Segmentasyon örtülerini görsel olarak inceleyin ve gerekirse yanlış algılanan nesneleri manuel olarak dışlayın.</li>
	</ol>
	</li>
	<li>Epidermal hücre segmentasyonu yapın.<ol>
		<li>Görüntüleri genel derin öğrenme segmentasyon aracına veya piksel tabanlı bir sınıflandırıcıya yükleyin (Ek dosya bölüm 2 - 4).</li>
		<li>Modeli, epidermal hücreler, hücre sınırları ve arka plan ile manuel olarak notlanmış örneklerle temsil görseller kullanarak eğitin veya ince ayarlayın.</li>
		<li>Segmentasyon çalıştırmak için nesne maskeleri oluşturulabilir ve maskeleri ImageJ/Fiji veya eşdeğer görüntü analiz yazılımında post-processing için dışa aktarın.</li>
		<li>Küçük yanlış pozitif nesneleri çıkarmak için boyut tabanlı veya kantil tabanlı filtreleme uygulayın ve hücre alanı ve hücre yoğunluğu gibi epidermal hücre metriklerini çıkarmadan önce görsel incelemeyle segmentasyon doğruluğunu doğrulayın.</li>
	</ol>
	</li>
	<li>Parametreleri belgeleyin ve kalite kontrolünü gerçekleştirin.<ol>
		<li>Analiz sırasında kullanılan tüm yazılım sürümlerini, parametre ayarlarını, filtreleme eşiklerini ve donanım özelliklerini kaydedin.</li>
		<li>Segmentasyon kalitesini belgelemek için temsilci segmentasyon örtülerini koruyun.</li>
		<li>İstatistiksel analiz veya veri raporlamadan önce otomatik segmentasyon çıktılarını görsel olarak doğrulayın.</li>
	</ol>
	</li>
	<li>Tüm ML işlemleri için görüntü hazırlığı<ol>
		<li>Örnek görüntüleme NOT: ML tabanlı segmentasyon, biyolojik bağlamdan ziyade yoğunluk gradyanlarına, kenar sürekliliğine ve tutarlı nesne geometrisine dayandığından, görüntü ön işleme ve bölge seçimi model performansını ve hata yapısını kritik bir şekilde belirler.<ol>
			<li>Temizlenmiş veya soyulmuş yaprak yüzeylerinin yüksek çözünürlüklü görüntülerini bir ölçek çubuğu görünerek yakalayın. İyi makine öğrenimi iş akışları için, ölçülebilir nesnelerin görüntü boyunca keskin, sürekli ve yüksek kontrastlı olduğundan emin olun.</li>
		</ol>
		</li>
		<li>Bölge seçimi ve görüntü kalitesi NOT: Bölüm 6.7.1'de görüntü alındıktan sonra, görüntüler görsel olarak incelenir ve görüntü ölçeği izin verirse, artefaktsız ilgi alanları manuel olarak aşağı akış segmentasyonu için seçilir. Minimum artefaktlara sahip ilgi çekici bölgeleri seçin (örneğin, enkaz parçaları, kıvrımlar, hava kabarcıkları, düzensiz aydınlatma). Stomatal modeller için (örneğin, StoManager1), net gözenek görünürlüğüne ve iyi tanımlanmış bir koruyucu hücre siluetine öncelik verin. Epidermal modeller için (örneğin, Cellpose, ilastik), hücre konturları boyunca kararlı yoğunluk gradyanları sağlanır; Süreksiz veya düşük kontrastlı kenarlar, segmentasyon performansını önemli ölçüde azaltır. Sınırları zayıf tanımlanmış görüntüler, segmentasyondan önce dışlanmalı veya yeniden işlenmelidir.</li>
		<li>Dosya formatı Dosyaları TIFF veya PNG formatında kaydedin (segmentasyon için 8 veya 16 bit gri tonlama önerilir).</li>
		<li>İsteğe bağlı görüntü geliştirme<ol>
			<li>Sınırlar zayıfsa ImageJ/Fiji'de kontrastı artırın veya arka planı çıkarın.</li>
			<li>Kenar geometrisine odaklanın, çünkü bunlar hücre sınırları olarak yorumlanan sahte gradyanlar oluşturabilir.</li>
			<li>Bu tür ayarlamaları veri setindeki tüm görsellere tutarlı şekilde uygulayın. NOT: Özellikle kenar geometrisine dikkat edilmelidir; çünkü gölgeler, halolar veya düzensiz arka plan gradyanları, ML modellerinin hücre sınırları olarak yanlış yorumlayabileceği yapay yoğunluk geçişleri yaratabilir.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>StoManager1 (v1.0.0 GUI sürümü) NOT: StoManager1, konvolüsyon sinir ağları (YOLOv8-seg-x) kullanılarak bitki yaprağı stomalarının otomatik, yüksek verimli tespiti, ölçümü ve analizini mümkün kılar. Araç, çeşitli görüntü türlerinden temel stomatal metrikleri (alan, yoğunluk, gözenek/koruyucu hücre oranı, toplama indeksleri vb.) nicelikle ölçüyor, manuel çabayı ve yanlılığı azaltıyor ve büyük ölçekli ekolojik ve fizyolojik çalışmaları kolaylaştırıyor. Kullanıcı dostu bir Windows uygulaması mevcuttur ve kodlama becerisi gerektirmeyen, isteğe bağlı post-processing (Ek dosya Bölüm 1)23.<ol>
		<li>StoManager1 çalıştırmak: kur ve yapılandırma<ol>
			<li>GitHub (https://github.com/JiaxinWang123/StoManager1) veya bağımsız Windows uygulaması ((Ek dosya bölümü 1)(https://zenodo.org/doi/10.5281/zenodo.7686022)23 üzerinden erişim sağlanabilir.</li>
			<li>Uyumlu kütüphane sürümlerini (Python bağımlılıkları) emin edin; Başka bir ML/görüntü yazılımı yüklüyorsa çakışmalar oluşabilir.</li>
		</ol>
		</li>
		<li>StoManager1'i GUI veya komut satırı arayüzü üzerinden başlatın.</li>
		<li>Yaprak görselleri içeren giriş dizininizi seçin.</li>
		<li>Model seçimi; Segmentasyona dayalı ve daha ayrıntılı metrikler için YOLOv8-seg-x modeline göz atın. Sınırlı kutu modeli (YOLOv3) için işaretsiz tutun, daha az metrik.</li>
		<li>Parametre ayarı; Görüntüleme modalite/türü için tespit eşiklerini, görüntü çözünürlüğünü, maske genişlemesini ve nesne boyutu sınırlarını ayarlamak için ihtiyacın olduğunda ayarlayın. Bazı stoma nesneleri tespit edilmediğinde varsayılan parametreleri kullanın, özellikle (1) yanlış pozitif tespit için daha fazla gerçek stomaları kurtarmak için tespit güven eşiğini düşürün; ve (2) görüntü çözünürlüğünü artırır; çünkü daha büyük değer, küçük stomaların tespitini artırabilir ve bunun bedeli daha yüksek hesaplama talabına yol açabilir.</li>
		<li>Koşu segmentasyonu:<ol>
			<li>" Süreci Başlat" seçeneğine tıklayarak stomaları ve tüm stomaları tespit edin, segmente alın ve ölçün.</li>
			<li>Grup düzeyinde istatistikleri işlemek için " İstatistiksel Analiz" tuşuna tıklayın.</li>
		</ol>
		</li>
		<li>Sonuçları toplayın. Çıkış YOUR_OUTPUT_PATH/Predict-output/Output_csv/ (segmentasyon modu) veya doğrudan YOUR_OUTPUT_PATH (sınırlayıcı kutu modu) olarak kaydedilir. CSV dosyaları, nesne başına ve özet metrikleri içerir; Maskeler ve sonuç görüntüleri de üretilir.</li>
		<li>Fırlatma parti işleme.</li>
		<li>Tamamlandığında, çıktıyı toplayın: segmentasyon maskeleri ve görüntü başına CSV sonuç dosyaları. Görüntü başına sonuçlar şunları içerir: Stoma sayısı ve stoma alanı, Feret çapı (maksimum/min), koruma hücresi metrikleri, toplanma/eşitlik/ayrışma indeksleri ve gözenek/koruyucu hücre oranları.</li>
		<li>Daha fazla istatistik ve görselleştirme için Excel, R veya Python kullanarak çıktıları inceleyin.</li>
		<li>kalite kontrolü; Maskeleri ve üst üstleri görsel olarak inceleyin. Gerekirse boyut, şekil veya manuel küratlama ile dışarı çıkacak nesneleri kaldırın (aşağıya bakınız). NOT: Cellpose ve ilastik için ayrıntılı protokoller ve sonradan işleme adımları Ek dosyada sunulmaktadır. Büyük veri setleri ve karmaşık görüntülerle en iyi performans için, 8-12 çekirdekli işlemci, en az 32 GB RAM ve en az 24 GB VRAM olan NVIDIA CUDA özellikli GPU içeren bir sistem öneriyoruz. Etkili notlama ve görselleştirme için büyük, yüksek çözünürlüklü bir ekran (tercihen 4K) da şiddetle tavsiye edilir.</li>
	</ol>
	</li>
</ol>

<ol><li>Lawson, T., Blatt, M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stomatal+size%2C+speed%2C+and+responsiveness+impact+on+photosynthesis+and+water+use+efficiency%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">Stomatal size, speed, and responsiveness impact on photosynthesis and water use efficiency.</a> Plant Physiol. 164 (4), 1556-1570 (2014).</li>
<li>Smith, E. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improving+photosynthetic+efficiency+toward+food+security%3A+Strategies%2C+advances%2C+and+perspectives%5BTitle%5D)+AND+%22Mol+Plant%22%5BJournal%5D)">Improving photosynthetic efficiency toward food security: Strategies, advances, and perspectives.</a> Mol Plant. 16 (10), 1547-1563 (2023).</li>
<li>Flexas, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+can+we+learn+from+the+ecophysiology+of+plants+inhabiting+extreme+environments%3F+from+%26%2334%3Bsherplants%26%2334%3B+to+%26%2334%3Bshercrops.%26%2334%5BTitle%5D)+AND+%22J+Exp+Botany%22%5BJournal%5D)">What can we learn from the ecophysiology of plants inhabiting extreme environments? from &#34;sherplants&#34; to &#34;shercrops.&#34.</a> J Exp Botany. 76 (17), 4831-4848 (2025).</li>
<li>Wu, S., Zhao, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+clear+nail+polish+to+make+Arabidopsis+epidermal+impressions+for+measuring+the+change+of+stomatal+aperture+size+in+immune+response%5BTitle%5D)+AND+%22Plant+Pattern+Recognit+Recept.%3A+Methods+Protoc%22%5BJournal%5D)">Using clear nail polish to make Arabidopsis epidermal impressions for measuring the change of stomatal aperture size in immune response.</a> Plant Pattern Recognit Recept.: Methods Protoc. 1578, 243-248 (2017).</li>
<li>Kübarsepp, L., Laanisto, L., Niinemets, Ü, Talts, E., Tosens, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Are+stomata+in+ferns+and+allies+sluggish%3F+Stomatal+responses+to+CO%2C+humidity+and+light+and+their+scaling+with+size+and+density%5BTitle%5D)+AND+%22New+Phytol%22%5BJournal%5D)">Are stomata in ferns and allies sluggish? Stomatal responses to CO, humidity and light and their scaling with size and density.</a> New Phytol. 225 (1), 183-195 (2020).</li>
<li>Pathoumthong, P., Zhang, Z., Roy, S. J., El Habti, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+non-destructive+method+to+phenotype+stomatal+traits%5BTitle%5D)+AND+%22Plant+Methods%22%5BJournal%5D)">Rapid non-destructive method to phenotype stomatal traits.</a> Plant Methods. 19 (1), 36(2023).</li>
<li>Warner, C. A., Biedrzycki, M. L., Jacobs, S. S., Wisser, R. J., Caplan, J. L., Sherrier, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+optical+clearing+technique+for+plant+tissues+allowing+deep+imaging+and+compatible+with+fluorescence+microscopy%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">An optical clearing technique for plant tissues allowing deep imaging and compatible with fluorescence microscopy.</a> Plant Physiol. 166 (4), 1684-1687 (2014).</li>
<li>Petruzzellis, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Plasticity+of+functional+traits+of+tree+of+heaven+is+higher+in+exotic+than+in+native+habitats%5BTitle%5D)+AND+%22Trees%22%5BJournal%5D)">Plasticity of functional traits of tree of heaven is higher in exotic than in native habitats.</a> Trees. 33 (2), 411-420 (2019).</li>
<li>Kurihara, D., Mizuta, Y., Nagahara, S., Sato, Y., Higashiyama, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optical+clearing+of+plant+tissues+for+fluorescence+imaging%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Optical clearing of plant tissues for fluorescence imaging.</a> J Vis Exp. (179), e63428(2022).</li>
<li>Hériché, M., Arnould, C., Wipf, D., Courty, P. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Imaging+plant+tissues%3A+advances+and+promising+clearing+practices%5BTitle%5D)+AND+%22Trends+Plant+Sci%22%5BJournal%5D)">Imaging plant tissues: advances and promising clearing practices.</a> Trends Plant Sci. 27 (6), 601-615 (2022).</li>
<li>Ensikat, H. J., Malekhosseini, M., Rust, J., Weigend, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visualisation+of+calcium+oxalate+crystal+macropatterns+in+plant+leaves+using+an+improved+fast+preparation+method%5BTitle%5D)+AND+%22J+Microsc%22%5BJournal%5D)">Visualisation of calcium oxalate crystal macropatterns in plant leaves using an improved fast preparation method.</a> J Microsc. 290 (3), 168-177 (2023).</li>
<li>Li, Y. M., Fei, T., Zhang, H. X., Xie, Z. S., Li, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Observation+of+the+development+of+leaf+vein+and+stomata+and+identification+of+candidate+transcription+factors+related+to+vein%2Fstoma+development+in+grapevine+leaf+%28Vitis+vinifera+L.%29%5BTitle%5D)+AND+%22Sci+Hortic%22%5BJournal%5D)">Observation of the development of leaf vein and stomata and identification of candidate transcription factors related to vein/stoma development in grapevine leaf (Vitis vinifera L.).</a> Sci Hortic. 307, 111-518 (2023).</li>
<li>Richardson, D. S., Lichtman, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clarifying+tissue+clearing%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Clarifying tissue clearing.</a> Cell. 162 (2), 246-257 (2015).</li>
<li>Ariel, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+beginner%27s+guide+to+tissue+clearing%5BTitle%5D)+AND+%22Int+J+Biochem+Cell+Biol%22%5BJournal%5D)">A beginner's guide to tissue clearing.</a> Int J Biochem Cell Biol. 84, 35-39 (2017).</li>
<li>García-Gutiérrez, E., Ortega-Escalona, F., Angeles, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel%2C+rapid+technique+for+clearing+leaf+tissues%5BTitle%5D)+AND+%22Appl+Plant+Sci%22%5BJournal%5D)">A novel, rapid technique for clearing leaf tissues.</a> Appl Plant Sci. 8 (9), e11391(2020).</li>
<li>Sai, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((StomaAI%3A+an+efficient+and+user-friendly+tool+for+measurement+of+stomatal+pores+and+density+using+deep+computer+vision%5BTitle%5D)+AND+%22New+Phytol%22%5BJournal%5D)">StomaAI: an efficient and user-friendly tool for measurement of stomatal pores and density using deep computer vision.</a> New Phytol. 238 (2), 904-915 (2023).</li>
<li>Liu, C., Sack, L., Li, Y., Zhang, J., Yu, K., Zhang, Q., He, N., Yu, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationships+of+stomatal+morphology+to+the+environment+across+plant+communities%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Relationships of stomatal morphology to the environment across plant communities.</a> Nat Commun. 14, 42136(2023).</li>
<li>Lawson, T., Vialet-Chabrand, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Speedy+stomata%2C+photosynthesis+and+plant+water+use+efficiency%5BTitle%5D)+AND+%22New+Phytolt%22%5BJournal%5D)">Speedy stomata, photosynthesis and plant water use efficiency.</a> New Phytolt. 221 (1), 93-98 (2019).</li>
<li>Stein, R. A., Sheldon, N. D., Smith, S. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((comparing+methodologies+for+stomatal+analyses+in+the+context+of+elevated+modern+CO2%5BTitle%5D)+AND+%22Life%22%5BJournal%5D)">comparing methodologies for stomatal analyses in the context of elevated modern CO2.</a> Life. 14 (1), 78(2024).</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+biological-image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fiji: an open-source platform for biological-image analysis.</a> Nat Methods. 9 (7), 676-682 (2012).</li>
<li>R Core Team. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22R%3A+A+language+and+environment+for+statistical+computing%22">R: A language and environment for statistical computing</a>. , R Foundation for Statistical Computing. Vienna, Austria. (2025).</li>
<li>Gibbs, J. A., Burgess, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Application+of+deep+learning+for+the+analysis+of+stomata%3A+a+review+of+current+methods+and+future+directions%5BTitle%5D)+AND+%22J+Exp+Bot%22%5BJournal%5D)">Application of deep learning for the analysis of stomata: a review of current methods and future directions.</a> J Exp Bot. 75 (21), 6704-6718 (2024).</li>
<li>Wang, J., Renninger, H. J., Ma, Q., Jin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+stomatal+and+guard+cell+metrics+for+plant+physiology+and+growth+using+StoManager1%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">Measuring stomatal and guard cell metrics for plant physiology and growth using StoManager1.</a> Plant Physiol. 195 (1), 378-394 (2024).</li>
<li>Rikisahedew, J. J., Niinemets, Ü, Scodeller, R., Tosens, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessing+structural+traits+in+Triticum+aestivum+and+Zea+mays+for+C+and+C+photosynthetic+differentiation+using+free-hand+and+semi-thin+sections%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Assessing structural traits in Triticum aestivum and Zea mays for C and C photosynthetic differentiation using free-hand and semi-thin sections.</a> J Vis Exp. (209), e66843(2024).</li>
<li>Poole, I., Weyers, J. D. B., Lawson, T., Raven, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Variations+in+stomatal+density+and+index%3A+implications+for+palaeo+climatic+reconstructions%5BTitle%5D)+AND+%22Plant+Cell+Environ%22%5BJournal%5D)">Variations in stomatal density and index: implications for palaeo climatic reconstructions.</a> Plant Cell Environ. 19 (6), 705-712 (1996).</li>
<li>Smith, S., Weyers, J. D. B., Berry, W. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Variation+in+stomatal+characteristics+over+the+lower+surface+of+Commelina+communis+leaves%5BTitle%5D)+AND+%22Plant+Cell+Environ%22%5BJournal%5D)">Variation in stomatal characteristics over the lower surface of Commelina communis leaves.</a> Plant Cell Environ. 12 (6), 653-659 (1989).</li>
<li>Niewiadomski, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+illustrated+protocol+for+clearing%2C+mounting%2C+and+imaging+leaf+venation+networks%5BTitle%5D)+AND+%22Appl+Plant+Sci%22%5BJournal%5D)">A comprehensive illustrated protocol for clearing, mounting, and imaging leaf venation networks.</a> Appl Plant Sci. 13 (2), (2025).</li>
<li>Wang, J., Renninger, H. J., Ma, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Labeled+temperate+hardwood+tree+stomatal+image+datasets+from+seven+taxa+of+Populus+and+17+hardwood+species%5BTitle%5D)+AND+%22Sci+Data%22%5BJournal%5D)">Labeled temperate hardwood tree stomatal image datasets from seven taxa of Populus and 17 hardwood species.</a> Sci Data. 11 (1), (2024).</li>
</ol>

<table><tbody><tr><td>Dezenfektan sıvı temizleyici NaClO &lt; 5%</td><td>Domestos, GB</td><td>H000023244</td><td>  Cilt yanıkları </td></tr><tr><td>Disodyum hidrojen fosfat dihidrat (Na2HPO4. 2H2O) </td><td>PENTA, CZ</td><td>10028-24-7</td><td>NA</td></tr><tr><td>Etanol, abs. %100 a.r.</td><td>Chem-Lab NV, BE</td><td>CL00.0505.1000</td><td>  Son derece yanıcı ve bpsp;</td></tr><tr><td>Cam şişe 2 mL</td><td>VWR Yaşam Bilimleri, ABD</td><td>548-0045</td><td></td></tr><tr><td>Glutaraldehit %50 çözeltisi</td><td>VWR Yaşam Bilimleri, ABD</td><td>23H2856331</td><td>Solulursa ölümcül. Yutulduğunda toksiktir.  Koruyucu eldiven takın, vb. giyim,   gözlükler.</td></tr><tr><td>Mikroskop slaytları</td><td>Normax, PT</td><td>5470308A</td><td>NA</td></tr><tr><td>Tırnak bakım üst kat hızlı kuruyan</td><td>B<img alt="Denklem 1" src="/files/ftp_upload/69615/69615eq3.jpg" style="margin: auto; ">K (INEZA), TEĞMEN</td><td>LT-02244</td><td>NA</td></tr><tr><td>Nikon Eclipse E600 ve Nikon DS0Fi1 5 MP</td><td>Nikon Corporation, JP</td><td>https://www.microscopyu.com/museum/eclipse-e600</td><td>NA</td></tr><tr><td>Pipet ve pipet uçları</td><td>Termo Bilim, FI</td><td>KJ16047</td><td>NA</td></tr><tr><td>Tek kenarlı çelik bıçaklar</td><td>Oxford enstrümanları</td><td>51-1625-0182</td><td>NA</td></tr><tr><td>Sodyum dihidrojen fosfat dihidrat (NaH2PO4 . 2H2O) saf</td><td>PENTA, CZ</td><td>13472-35-0</td><td>NA</td></tr><tr><td>Sodyum hidroksit peletleri (NaOH) saf</td><td>Merck KGaA, DE</td><td>1310-73-2</td><td>Şiddetli yanıklar. </td></tr><tr><td>Kırtasiye şeffaf bant</td><td>FOROFIS, LV</td><td>91231</td><td>NA</td></tr><tr><td>Toluidin mavisi, genel amaçlı kalite</td><td>ThermoFisher Scientific, GB</td><td>2045836</td><td>NA</td></tr></tbody></table>

stomatal ve epidermal Özelliklerin peeling, clearing ve ai tabanlı görüntü analizi kullanılarak karakterize edilmesi

Characterizing Stomatal and Epidermal Traits Using Peels, Clearing, and AI-Based Image Analysis

Stomatal ve Epidermal Özelliklerin Peeling, Clearing ve AI Tabanlı Görüntü Analizi Kullanılarak Karakterize Edilmesi

Accurate characterization of stomatal morphology and surrounding epidermal traits is essential for understanding stomatal function. A comparative protocol ...

characterizing-stomatal-epidermal-traits-using-peels-clearing-ai

Research

JoVE Journal

Developmental Biology

Gelişim Biyolojisi

Biz canlı bakteri stoma yanıt erişmek için basit ve tekrarlanabilir bir protokol geliştirmiştir. Bu yöntem daha önce bildirdiği epidermal peeling kullanımı ile karşılaştırıldığında yaprak yaralama ve manipülasyona en aza indirir.

Tüm Yaprak Görüntüleme kullanarak Bakteriyel Hücreler Live Stoma Tepki Değerlendirilmesi

Biz stoma farklılaşma belgeleyen, gelişme birkaç gün içinde epidermis konfokal görüntüleme için bitki kotiledon hareketsiz odası slaytlar ve medya kullanarak bir protokol açıklar. Fluorofor etiketli proteinlerin hücre bölünmesi ve hücre tipi farklılaşması esnasında olası rollerini anlamayı arttırıyor, ifade ve hücre içi lokalizasyonu dinamik izlenebilir.

Uzun süreli, yüksek çözünürlüklü Konfokal Time Lapse Görüntüleme<em&gt; Arabidopsis Kotiledon</emÇimlenme sırasında&gt; Epidermis

Fizyolojisi ve morfolojisi bağlantılı nasıl çözülüyor bitkinin mekanik işleyişinin daha derin bir anlayış bırakır verir. Biz geleneksel fonksiyonel yaprak özellikleri ile stomatal iletkenlik ölçümleri ve korelasyon gelen stoma yönetmelik parametreleri türetmek için bir prosedür hem sunuyoruz.

Yaprak Fonksiyonel Özellikleri için ağıza ait iletkenlik İlişkin

Bu iletişim kuralı fizyolojik ve diğer biyolojik araştırmaları için yararlıdır zenginleştirilmiş stomatal gardiyan hücreleri hazırlama yöntemi açıklanır.

Stoma bantlı teyp-kabuğu: Guard hücre numune hazırlama için geliştirilmiş bir yöntem

Bir bileşik kitaplığın büyük ölçekli taraması ile foliar transpirasyon modülatörlerini tanımlamak için bir yöntem salıyoruz.

Helianthus Annuus'ta Büyük Ölçekli Termal Görüntüleme Taraması ile Bitki Transpirasyonunun Yeni Regülatörlerinin Belirlenmesi

Bu yazıda stoma gelişimini kontrol eden genleri karakterize etmek için epidermal peeling kullanılmadan iki fenotipleme yöntemi anlatılmaktadır. İlk yöntem, toluidin mavisi O-boyalı bitki epidermisi kullanılarak stoma fenotipinin nasıl analiz edileceğini göstermektedir. İkinci yöntem, stoma ligandlarının nasıl tanımlanacağını ve biyolojik aktivitelerinin nasıl izleneceğini açıklar.

Stomatal Gelişimde Rol Oynayan Genlerin Epidermal Fenotip Skorlaması ile Tanımlanması

Bir plazma membran reseptörü kinazının membran kaçakçılığı olaylarını incelemek için burada yaygın olarak kullanılan birkaç yöntem tanıtılmaktadır. Bu yazıda bitki materyali hazırlama, farmakolojik tedavi ve konfokal görüntüleme kurulumu dahil olmak üzere ayrıntılı protokoller açıklanmaktadır.

Stoma Soy Hücrelerinde Membran Kaçakçılığı Olaylarını İncelemek için Görüntü Tabanlı Yöntemler

Burada, Arabidopsis thaliana'da bakteri istilasına karşı stoma yanıtlarının doğrudan gözlemlenmesi ve otomatik ölçümü için basit bir yöntem sunuyoruz. Bu yöntem, cihaz tarafından yakalanan yaprak görüntüleri için tasarlanmış bir görüntü analizi boru hattı ile birlikte taşınabilir bir stoma görüntüleme cihazından yararlanır.

Pseudomonas syringae pv'ye Stoma Yanıtlarının Doğrudan Gözlemi ve Otomatik Ölçümü. domates DC3000 içinde Arabidopsis thaliana

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.

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

El yazması burada Xenopus floresan levhası 'ligandların salgılanmasını ve difüzyon analiz yöntemleri basit bir kümesi sağlar. Bu ligand dağılımını değiştirmek için başka proteinlerin yeteneğini test ve morfojen degradeler düzenleyen mekanizmalar içgörü verebilir deneyleri izin verdiği için bir ortam sağlar.

Konfokal Analizi Kullanımı<em&gt; Xenopus laevis</em&gt; Wnt ve Shh morfogen Gradyanların modülyatorlar Soruşturma

Centre of Estonian Rural Research and Knowledge.  This protocol presents a comparative method to assess stomatal and epidermal traits in two distinct species using epidermal peels, clearing techniques, and AI-assisted image analysis. The goal is to enable high-throughput, reproducible quantification of cellular structures underlying stomatal function for agricultural applications and broad plant research.

Stomatal ve Epidermal Özelliklerin Peeling, Clearing ve AI Tabanlı Görüntü Analizi Kullanılarak Karakterize Edilmesi

Daha fazla video keşfet