地下儲藏作物（塊莖和根），如木薯、甘薯、芋頭、山藥或馬鈴薯，是淀粉和其他碳水化合物的重要來源，不僅有助于全球糧食安全，而且還提供多樣化和重要的副產品。根和匍匐莖形態和根系構型的遺傳和表型表征是需要解決的最大挑戰之一，為未來的育種、作物管理和產量提供知識基礎。
 

近日，Plant Phenomics在線發表了Forschungszentrum Jülich GmbH等單位題為Assessing the Storage Root Development of Cassava with a New Analysis Tool的研究論文。
 

本研究開發了一種能夠自動分析根部直徑分布的方法，具體分為兩大模塊。第一個模塊是Root Segmentation包含根莖（次根莖檢測）、根系統架構（RSA 分割）和其他目標（如 QR 碼標簽）的語義分割過程。第二個模塊Root Width Analysis對分割結果應用脊檢測方法(ridge detection approach)，從而識別根中心并分析根系統架構的寬度分布。但是Root Width Analysis模塊無法在不遮蓋背景的情況下從原始 RGB圖像數據中正確提取與根脊相關特征（Figure 1）。本研究以木薯根系為研究對象，根據其基因表達和直徑將其分為不同的根類型：須根、過渡根、早期儲存根和儲存根，分別對應以下最大直徑：類型Ⅰ：<2 mm；類型Ⅱ：2-6 mm；類型Ⅲ：6-20 mm；類型Ⅳ：>20 mm（Figure 2）。
 

Figure1 Flowchart of the image processing pipeline for a single image or video frame
 

Figure 2 OpenSimRoot models and real root systems

實驗結果表明：使用迭代脊檢測（iterative ridge detection）方法自動量化根直徑分布，可以分析在根寬和根大量聚集方面表現出強烈變化的根系；該方法通過已知幾何形狀的虛擬根（OpenSimRoot軟件模擬根系生長）模型進行了驗證。隨后對根系的時間序列進行測試（Figure 5），結果表明由于類型Ⅰ（須根）的圖像分辨率差，其直徑被嚴重低估。類型Ⅱ和類型Ⅲ的直徑在每個生長階段顯示模擬參數和分析結果高度一致性。類型Ⅳ直徑出現在第10周，但首次在第9周檢測到，這對應于類型Ⅲ的直徑在同一周被高估。
 

Figure 5 Validation with simulated time-series of root system growth for different diameter classes

本研究估計了木薯真實根直徑分布的應用，在整個時間跨度中，類型Ⅰ持續下降，而類型Ⅱ先增加至第8周隨后下降，類型Ⅲ急劇上升，類型Ⅳ沒有檢測到，但類型Ⅳ從第9周開始的箱線圖中出現了一些異常值，可能是由于存在早期階段的儲存根（Figure 8）。總而言之，本文提出的自動分析根部直徑的分布的方法，可以定性和定量地監測根系動態生長，能快速且穩健地分析復雜的根系，從而適用于高通量表型分析和未來育種。

Figure 8 Root class-specific growth dynamics of excavated root systems

論文鏈接：

https://doi.org/10.34133/2022/9767820

——推薦閱讀——

Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline

https://doi.org/10.34133/2022/9758532

Plant Phenomics | 基于深度學習的微根管圖像自動化分析方法

bjective Phenotyping of Root System Architecture Using Image Augmentation and Machine Learning in Alfalfa (Medicago sativa L.)

https://doi.org/10.34133/2022/9879610

Plant Phenomics | 基于圖像增強和機器學習的苜蓿根系表型研究

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.961，位于農藝學、植物科學，遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

撰稿+排版：王慧敏（南京農業大學）

審核：孔敏、王平