一个基于叶状态语义分割的自动植物表型Pipeline


发布时间:

2020-12-20

来源:

本站

作者:

PhenoTrait

将植物表型与基因型联系起来是植物育种学家和遗传学家的共同目标。但是,收集大量植物表型数据仍然是目前研究面临的主要瓶颈。植物表型数据主要是基于植物图像的测量值,因此能够从图像数据中快速、可靠地提取表型测量值十分必要。但是,由于分割工具通常依赖于颜色信息,因此对背景或植物颜色偏差很敏感。本文开发了一种通用、完全开放源代码的pipeline——ARADEEPOPSIS,以无监督方式从植物图像中提取表型测量值。

 

基于颜色的分割与语义分割的性能

 

ARADEEPOPSIS (https://github.com/Gregor-Mendel-Institute/aradeepopsis)利用顶视图图像进行语义分割,将叶片组织分为三类:健康、富含花青素和衰老。ARADEEPOPSIS在不同发育阶段的定量表型分析、具有异常叶色或表型突变体以及在胁迫条件下生长的植物尤其有效。在210个天然拟南芥(拟南芥)材料的实验中,不仅能够准确地分割表型多样性基因型图像,而且能够在全基因组关联分析中识别与花青素产生和早期坏死相关的已知基因座。该pipeline可以精确处理各种来源、质量和背景以及远缘十字花科的图像。

 

ᴀʀᴀᴅᴇᴇᴘᴏᴘsɪs提供的三种默认模型

 

从分割蒙版中提取的形态和颜色指数测量值

 

根据发布的数据验证ᴀʀᴀᴅᴇᴇᴘᴏᴘsɪs输出

 

综上所述,ARADEEPOPSIS可以部署在大多数操作系统和高性能计算环境中,并且可以独立于生物信息学专业知识和资源使用。

 

其他植物种类的分割

 

来源:

Hüther P, Schandry N, Jandrasits K, et al. ᴀʀᴀᴅᴇᴇᴘᴏᴘsɪs, an Automated Workflow for Top-View Plant Phenomics using Semantic Segmentation of Leaf States. The Plant Cell. DOI: https://doi.org/10.1105/tpc.20.00318.

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。