基于自動(dòng)分割的白粉病定量分析系統(tǒng)Macrobot的優(yōu)勢(shì)及應(yīng)用

Plant Phenomics | "Macrobot": 一種基于自動(dòng)分割的白粉病定量分析系統(tǒng)

谷物（小麥、大麥、大米、玉米等），已成為人類(lèi)主要的食物來(lái)源，占據(jù)了世界每日熱量攝入的50%以上。與任何其他作物一樣，谷類(lèi)作物也會(huì)受到病原體的不斷攻擊，但由于谷類(lèi)作物的疾病會(huì)直接影響到它們所提供給人類(lèi)的營(yíng)養(yǎng)成分，因此植物病理學(xué)家和育種學(xué)家都對(duì)谷物及其病害格外感興趣。

白粉病是由多種專(zhuān)性活體營(yíng)養(yǎng)真菌引起的疾病，會(huì)對(duì)多種農(nóng)作物造成大范圍的破壞。禾本科布氏白粉菌(Blumeria graminis)是導(dǎo)致小麥和大麥白粉病的病原體。從開(kāi)始感染到產(chǎn)生新孢子，白粉菌的無(wú)性生命周期會(huì)在一周內(nèi)完成：?jiǎn)伪扼w無(wú)性真菌孢子（分生孢子）在接觸到植物葉片后的數(shù)小時(shí)內(nèi)就會(huì)開(kāi)始萌發(fā)，附屬生殖管會(huì)直接穿透葉片表皮細(xì)胞的細(xì)胞壁，并形成吸器結(jié)構(gòu)，真菌的活體營(yíng)養(yǎng)供應(yīng)機(jī)制也會(huì)在孢子初次接觸葉片的24小時(shí)內(nèi)建立。在后面的幾天中，附生生長(zhǎng)的菌絲會(huì)在最初感染部位附近的植物表皮細(xì)胞中形成許多繼發(fā)吸器，并在約三天后形成肉眼可見(jiàn)的真菌菌落。在隨后的幾天中，菌絲體會(huì)長(zhǎng)出大量的孢子，從而完成整個(gè)生命周期。在具有額定孢子滴度的受控感染試驗(yàn)中，感染的嚴(yán)重程度和感染區(qū)域的大小通常是評(píng)定染病等級(jí)的重要參數(shù)，并以此估計(jì)植株對(duì)疾病的易感性高低。

由于田間生產(chǎn)規(guī)模擴(kuò)張、氣候變化導(dǎo)致的頻繁蟲(chóng)害、殺蟲(chóng)劑有效性降低和田間抗病性迅速下降等，對(duì)植物病害的管理正變得越來(lái)越困難。而在過(guò)去的幾十年中，對(duì)植物及其病原體的基因組學(xué)取得了實(shí)質(zhì)性進(jìn)展，有望抵消上述的負(fù)面趨勢(shì)。但是，只有當(dāng)基因組數(shù)據(jù)得到與之相關(guān)的表型數(shù)據(jù)的支持時(shí)，才能將基因組信息與特定的性狀聯(lián)系起來(lái)。盡管多年來(lái)育種學(xué)家和研究人員收集了大量有關(guān)不同基因型白粉病抗性的數(shù)據(jù)，但由于大多數(shù)據(jù)都是在不可控的野外環(huán)境下采集，且由不同的研究者目測(cè)評(píng)估，使得采集到的數(shù)據(jù)難以重復(fù)。

近日，Plant Phenomics在線發(fā)表了吉森大學(xué)(Justus-Liebig-UniversitätGießen, JLU) Stefanie Lück等人的題為“Macrobot”: An Automated Segmentation-Based System for Powdery Mildew Disease Quantification的研究論文。

為了克服以上問(wèn)題，研究者基于目前已完善的離體葉片測(cè)定法開(kāi)發(fā)了一套方法(Fig.1, 3)和配套設(shè)備(Fig.2)，并以此建立了高通量的自動(dòng)化表型平臺(tái)“Macrobot”。該平臺(tái)可嚴(yán)格控制環(huán)境和病原體脅迫，并以高度自動(dòng)化的方式在白粉病感染后的5-7天對(duì)其癥狀進(jìn)行評(píng)估，精確、可重復(fù)地測(cè)量被感染的葉面積占比(Fig.7)。此外，該系統(tǒng)不僅可量化分析小麥和大麥上的白粉病感染癥狀，還適用于其他疾病和植物。

Fig.1 Overview of the phenotyping pipeline.

Fig.2 Macrobot 2.0 with improved technical design, bilateral illumination, and background light: (a) outside view and (b) inside view of the photo box.

Fig.3 Frame and leaf image segmentation processing chain.

Fig.7 (a) Plots of the infection area determined automatically (blue triangles) and mean manual values (“Mean man.,” green rectangles), together with the fungal biomass measured by qPCR (normalized relative transcript levels multiplied by 100 for better visibility, purple crosses) and inoculation density (spores per mm2, red rectangle, sorted ascending). (b) The minimal and maximal visual infection scores (black bars) and the means (red dots) estimated by the domain experts. The graphs show the discrepancy of visual scoring of the involved persons.

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2020/5839856/

——推薦閱讀——
Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems
https://spj.sciencemag.org/journals/plantphenomics/2020/9452123/
Plant Phenomics | 對(duì)比無(wú)人車(chē)(UGV)和無(wú)人機(jī)(UAV)表型系統(tǒng)評(píng)估甜菜褐斑病的病害等級(jí)
How Convolutional Neural Networks Diagnose Plant Disease
https://spj.sciencemag.org/journals/plantphenomics/2019/9237136/
如何利用卷積神經(jīng)網(wǎng)絡(luò)診斷植物病害 | RESEARCH ARTICLE

About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行，是Science合作出版的第二本期刊。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被CABI、CNKI和DOAJ數(shù)據(jù)庫(kù)收錄。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：王棟（實(shí)習(xí)）
編輯：周燦彧（實(shí)習(xí)）、鞠笑、孔敏
審核：尹歡