近日,南京農業大學作物表型組學交叉研究中心周濟教授作為第一通訊作者與英國約翰·英納斯中心(JohnInnes Centre)的Steven Penfield教授、先正達種業集團(Syngenta Seeds,歐洲區)的Rene Benjamins博士共同在國際植物學著名期刊《新植物學家》(New Phytologist)上發表了關于種子發芽表型自動化采集和基于機器學習分析的高通量作物種子發芽表型監測平臺—— SeedGerm: a cost‐effective phenotyping platform for automated seed imaging and machine‐learning based phenotypic analysis of crop seed germination。
文中介紹了自主開發的自動化表型采集和分析平臺SeedGerm,對如何完成作物種子發芽的自動化時序拍攝、基于圖像的表型分析和基于監督式機器學習的、針對不同作物類型的高通量性狀分析進行了詳細的介紹。本研究推出的SeedGerm系統,基于經濟型的硬件和開源軟件設計涵蓋了對小麥、大麥、玉米、番茄、辣椒和油菜等不同作物類型的種子發芽試驗、發芽時序圖像,泛化圖像處理、實時訓練和基于機器學習的表型性狀分析;最終,生成可靠的發芽性狀分析數據集以供量化分析。本文還從統計上分析了幼根突破種皮的時間和評價標準,通過和生物學家的評判相關性、動態發芽曲線、多個發芽率梯度等重要發芽性狀,對88個油菜品種進行基因型-表型關聯分析,并定位到了一個關于脫落酸(abscisic acid,ABA)信號轉導的相關基因。此外,本文還介紹了開源SeedGerm系統在作物發芽研究、育種和種子監測中的應用,顯示了其在科學研究和生產實踐中廣泛的應用前景。
特別是隨著基因組學和測序技術的飛速發展,基因型數據海量擴充,而高質量表型數據的匱乏已經逐步成為鑒定基因-性狀關聯、解析環境對性狀的影響,進而實現作物改良和加快植物研究的瓶頸。近年來,信息技術、人工智能和農業大數據等新興研究領域的不斷完善,多學科交叉為高通量、自動化作物表型組研究奠定了堅實的基礎。以植物生命史和田間生產的起點——發芽為例,種子發芽和幼苗建成不僅是自然界植物群落形成的主要瓶頸,也是糧食作物和很多園藝作物在田間快速、整齊生長發育的關鍵步驟。在科學研究和農業生產中都是考評品種表現、栽培管理水平的重要依據。當前大部分種子發芽表型的獲取依然依靠人工識別,對經驗和專業知識有較高要求,通量也受到極大的限制。此外,不同科研人員之間在評判上會有一定的偏差,很難實現完全客觀的量化分析。因此可用于多物種的種子發芽表型性狀的高通量、高精度、標準化獲取和分析方法的開發尤為重要和迫切。
南京農業大學作物遺傳與種質創新國家重點實驗室、作物表型組學交叉研究中心和江蘇省現代作物生產協同創新中心為第一通訊單位。南京農業大學工學院盧偉副教授也參與了本項目。此外,上海農科院農業生物基因中心和英國國立農業植物研究所(National Institute of Agricultural Botany, NIAB)下屬的劍橋作物研究中心(Cambridge Crop Research Centre)也共同參與了本項目的研發。
文章鏈接:https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.16736
日期:2020-10-22
文中介紹了自主開發的自動化表型采集和分析平臺SeedGerm,對如何完成作物種子發芽的自動化時序拍攝、基于圖像的表型分析和基于監督式機器學習的、針對不同作物類型的高通量性狀分析進行了詳細的介紹。本研究推出的SeedGerm系統,基于經濟型的硬件和開源軟件設計涵蓋了對小麥、大麥、玉米、番茄、辣椒和油菜等不同作物類型的種子發芽試驗、發芽時序圖像,泛化圖像處理、實時訓練和基于機器學習的表型性狀分析;最終,生成可靠的發芽性狀分析數據集以供量化分析。本文還從統計上分析了幼根突破種皮的時間和評價標準,通過和生物學家的評判相關性、動態發芽曲線、多個發芽率梯度等重要發芽性狀,對88個油菜品種進行基因型-表型關聯分析,并定位到了一個關于脫落酸(abscisic acid,ABA)信號轉導的相關基因。此外,本文還介紹了開源SeedGerm系統在作物發芽研究、育種和種子監測中的應用,顯示了其在科學研究和生產實踐中廣泛的應用前景。
特別是隨著基因組學和測序技術的飛速發展,基因型數據海量擴充,而高質量表型數據的匱乏已經逐步成為鑒定基因-性狀關聯、解析環境對性狀的影響,進而實現作物改良和加快植物研究的瓶頸。近年來,信息技術、人工智能和農業大數據等新興研究領域的不斷完善,多學科交叉為高通量、自動化作物表型組研究奠定了堅實的基礎。以植物生命史和田間生產的起點——發芽為例,種子發芽和幼苗建成不僅是自然界植物群落形成的主要瓶頸,也是糧食作物和很多園藝作物在田間快速、整齊生長發育的關鍵步驟。在科學研究和農業生產中都是考評品種表現、栽培管理水平的重要依據。當前大部分種子發芽表型的獲取依然依靠人工識別,對經驗和專業知識有較高要求,通量也受到極大的限制。此外,不同科研人員之間在評判上會有一定的偏差,很難實現完全客觀的量化分析。因此可用于多物種的種子發芽表型性狀的高通量、高精度、標準化獲取和分析方法的開發尤為重要和迫切。
南京農業大學作物遺傳與種質創新國家重點實驗室、作物表型組學交叉研究中心和江蘇省現代作物生產協同創新中心為第一通訊單位。南京農業大學工學院盧偉副教授也參與了本項目。此外,上海農科院農業生物基因中心和英國國立農業植物研究所(National Institute of Agricultural Botany, NIAB)下屬的劍橋作物研究中心(Cambridge Crop Research Centre)也共同參與了本項目的研發。
文章鏈接:https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.16736
日期:2020-10-22