|
谷类作物疾病是粮食减产的主要因素之一，同时也会直接影响谷物的营养成分，因此植物病理学家和育种学家都对谷物及其病害格外感兴趣。其中白粉病(PM)是由多种专性生物营养真菌引起的疾病，会对包括谷物在内的各种农作物造成广泛损害。在过去的几年中，用于抗病的高通量表型技术的选择迅速增加。有一些方法基于测量感染组织的酶活性叶绿素荧光或真菌基因的定量PCR，但更常见的是光学传感器和计算机视觉方法。 来自德国莱布尼兹植物遗传学和作物植物研究所团队已经开发了一套算法和设备，并将它们组合成一个 “宏观表型组学设施”。该设备已针对小麦和大麦的白粉病感染症状进行了优化，但也可以适应其他疾病和寄主植物。 这项工作旨在建立一个高通量，自动化的表型分析平台，用于谷物叶病的精确和可重复定量，重点是粉状霉菌和锈病。宏观表型组学流水线由硬件和软件组件组成。专门的机器人系统 (Macrobot) 实现了Macrophenomics流水线的图像采集部分。如图1所示。
这些植物生长在温室中的24孔托盘中。在适当阶段，收获叶片碎片并将其安装在标准的4孔微量滴定板上，填充有1% 的水琼脂以保持湿度，并通过在接种塔中吹气白粉病菌孢子进行接种。孵育5-7天后，疾病症状变得可见。将带有感染叶子的板加载到Macrobot系统中，以进行自动成像。所获取的图像被传送到图像分析服务器以用于疾病症状的量化。 Macrobot的机器人部分由为实验室使用而开发的现成的OEM组件组成，这些组件便于维护并允许快速更换有缺陷的组件。具体使用了PlateCrane EX微孔板处理机与IGUS精密线性平台结合使用。通过软件API可以以高重复精度精确地定位板式起重机和线性平台。在初始系统设置时，板起重机和板处理不同阶段线性阶段的位置确定，如果系统以某种形式移动或重新布置，则必须手动重新调整。位置信息存储在参数文件中，并重新加载到Fraunhofer IFF自定义实现的系统软件中。这也适用于Thorlabs的成像设置。硬件系统如图2所示。
图2 硬件设备采集到图像数据后上传至后台处理。为了分割出叶片以及边框，测试了很多分割方法，在所有测试的分割方法中，最准确和最有效的技术是最小RGB（如图3所示）的简单方法。该过滤器能够可靠地检测受感染的叶面积，并减少与疾病无关的坏死褐斑的信号，这在几乎所有其他方法中都是一个特别的问题。此外，计算minRGB滤波器的硬件工作量和计算时间明显低于任何其他方法。最后，minRGB是选择的分割方法，并将其实现到图像分析流水线中。
综上所述，Macrophenomics平台可以提供可靠且可重复的数据，与经典评分方法具有极好的相关性，通过检测面积估计的准确性，它甚至可以超越个别专家的得分。该平台还完全开放以适应白粉病叶病以外的疾病，例如由几种真菌，病毒和细菌病原体引起的不同斑点，枯萎病和锈病，以及黄色和棕色锈病，叶片斑点，细菌性叶枯病，细菌性叶纹和黑糠及大麦黄矮人病毒。然而，测试对象必须适合标准MTP容器，其中包括样品，如分离的叶子、种子、茎和根碎片、谷类穗状花序和小的整株植物。 一个公平的符合数据管理的原则目前正在制定中，流水线遵循大麦基因库基因组学的桥梁视觉分析网络工具的基本模式，它将允许可视化，导出表型和基因型数据。 |
|
|
