使用印刷电化学传感器和机器学习技术实现全株根系表型分析


发布时间:

2023-04-25

来源:

植物表型资讯

作者:

PhenoTrait

植物是由时间依赖的生物过程组成的非平衡系统。化学响应的表型分析通常使用植物组织进行,但这些组织的行为与整株植物不同,并且只进行一次测量。单点测量无法捕获与营养吸收、免疫或生长相关的植物化学信号中丰富的时间解析变化信息。在这项工作中,我们报告了一个高通量、模块化、实时化学表型平台,用于持续监测整株植物常被忽视的根环境中的化学信号:TETRIS(用于植物根部原位化学传感的时间分辨电化学技术)。TETRIS由筛印电化学传感器组成,用于监测整株植物的根环境中盐、pH和H2O2的浓度。TETRIS可以检测到时间敏感化学信号,并通过多路复用并行操作,阐明活体植物的整体化学行为。使用TETRIS,我们确定了一系列离子(包括营养和重金属)在花椰菜中的吸收速率。我们还使用离子通道阻滞剂LaCl3调节离子吸收,这可以通过TETRIS进行监测。我们开发了一个机器学习模型来预测盐的吸收速率,包括有害和有益的盐,证明了TETRIS可以用于新植物品种的离子吸收快速映射。TETRIS有潜力克服高通量筛选中的紧迫“瓶颈”,以生产产量高、抗胁迫能力提高的植物品种。

 

图1 a)TETRIS示意图,显示传感器制作、幼苗生长和使用标准实验室电位计测量记录的过程;b)具有30个甘蓝苗种(9天龄)的纸片的电化学阻抗谱Nyquist图;c)在向KCl(1M,180μL)的纸片中加入H2O2(1mM,20μL)期间的H2O2检测;d)在向去离子水中加入H2SO4和NaOH期间的pH检测;e)我们的盐浓度、pH和H2O2传感器的设计和材料,插图不按比例缩放。

 

图2 a)TETRIS的照片,单个或多个传感器可以放置在幼苗下方;b)盐浓度传感器在2 kHz时对不同KCl浓度的平均阻抗响应。实心青色线表示数据的线性范围的线性拟合。插入显示了在0.1 M KCl中的电化学阻抗谱的Bode图,绿色箭头显示我们选择的2 kHz频率;c)1 M KCl中pH传感器的校准曲线,误差棒显示1个标准偏差(n = 8);d)1 M KCl中H2O2传感器的校准曲线,误差棒显示1个标准偏差(100µM:n = 4;2µM:n = 2;5-50µM:n = 3)。传感器设计显示在每个图b)-d)的右上角。

 

图3 a)菜芥幼苗根部H2O2浓度的实时监测(绿色信号,10棵,16天龄),以及空白纸控制(黑色信号),在纸片(黑色箭头)中加入H2O2(500 µM,30 µL)。虚线边框插图显示了放大的图。b)菜芥幼苗根部(绿色,紫色和青色信号,30棵,9天龄)和空白纸控制(黑色信号)的pH(上)和电阻(下)的实时同时监测,纸片中加入NaOH溶液(黑色箭头)。

 

图4 a)在过滤纸上生长的甘蓝幼苗被放置在TETRIS中的阻抗传感器上,并实时测量电阻抗。至少经过3小时的休息期后,向过滤纸中加入KNO3(0.1 M,30 μL)(箭头)。随着离子被幼苗吸收和过滤纸中的盐浓度降低(绿色信号),阻抗缓慢增加。将此与空白纸基质(无植物)相比较,阻抗保持低(黑色信号),以及只向纸上添加水而不是盐溶液的植物,阻抗保持高(青色信号)。b)在最大盐浓度测量点和曲线与初始基线浓度相遇之间,以5%公差形式绘制形式为c = Btk的指数曲线。找到k并将其设置为吸收量;c)9天大的甘蓝幼苗数量对NaCl相对吸收量的影响。误差条表示1个标准偏差(n = 2);d)甘蓝年龄(三十株植物)对KNO3相对吸收量的影响。误差条表示1个标准偏差(n = 3)。

 

图5 a) 使用TETRIS测量30个甘蓝幼苗(9天龄)在纸片中吸收盐的速率,相对于没有植物的对照组,(值在1以下被认为具有净零或负离子吸收)。b) 统计分析显示某些阳离子类别(i)之间存在显著差异,但阴离子类别(ii)之间没有显著差异,其中置信钻石显示平均吸收量、95%置信区间和数据点数,字母显示具有或不具有显著差异的类别。c) 使用去离子水、NaCl(0.1 M)或LaCl3(0.1 M)处理30个甘蓝幼苗(9天龄)4.5或24小时,以及它们对Ca(NO3)2浓度相对变化的影响。d) 使用不同浓度的LaCl3处理30个甘蓝幼苗(9天龄)4小时,以及它们对Ca(NO3)2浓度相对变化的影响。误差棒表示1个标准差(n = 2)。

 

图6 使用机器学习算法预测标准化的摄取率(kuptake / kcontrol)。a)混淆矩阵比较预测和实验获得的(kuptake / kcontrol)范围。b)F1分数随着机器学习模型中范围数量的增加而降低。

 
 
来 源

Coatsworth P, Cotur Y, Naik A, et al. Time-Resolved Chemical Phenotyping of Whole Plant Roots with Printed Electrochemical Sensors and Machine Learning[J]. bioRxiv, 2023: 2023.03. 09.531921.

doi: https://doi.org/10.1101/2023.03.09.531921;

 

编辑

小王博士在努力
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。