一种从显微镜视频中跟踪和监测气孔动态的集成方法


发布时间:

2021-04-30

来源:

本站

作者:

植物表型组学

气孔是陆生植物与外界进行水分和气体交换的主要通道,其行为对于植物生理和生态过程都具有十分重要的意义。然而在早期,由于受到观测方法的限制,大多数科研人员都默认单个气孔对环境等外界刺激的反应是独立且相似的,每个气孔只会表现出细微的随机差异,这意味着科研人员只需观察两三个气孔行为即可证明气孔对环境的响应。

 

事实上,植物叶片气孔的行为经常表现出明显的时空异质性,即同一植物叶片上某些区域气孔张开,其相邻区域气孔关闭,造成不同导度的气孔在叶片上分布不均、斑驳镶嵌的现象,这一现象被称为“斑驳气孔”。大量研究表明,斑驳气孔是植物常见而又独特的现象,理解和研究斑驳气孔的机制对于进一步补充和完善气孔理论具有重要意义。

 

气孔观测是理解斑驳气孔的基础。而目前,气孔研究中最常用的是印迹法,该方法虽然操作简单,但难以实现实时无损监测。气孔对于外界环境刺激的反应是迅速而敏感的,实时观测可更好、更及时地反映气孔对外部因素的响应。

 

气孔研究的另一个问题是如何从拍摄的气孔图片(视频)中提取表型特征。传统的气孔计数主要是通过人工统计实现,这类方法费时费力且易出错。近年来,深度学习等新兴的机器学习方法在数字图像处理领域取得了快速发展,在气孔表型分析中也展现出巨大的潜力。但是,现有方法大多面向静态的气孔图像,未考虑对密集气孔视频分析上的效率优化。同时,目前多数方法仅停留在试验阶段,未考虑实际应用场景,在模型部署和应用落地等方面鲜有报道。

 

近日,Plant Phenomics在线发表了南京农业大学农业部小麦区域技术创新中心,农业部南方作物生理生态重点开放实验室题为An Integrated Method for Tracking and Monitoring Stomata Dynamics from Microscope Videos的研究论文。

 

作者提出了一个完整的气孔行为观测系统(Stomatal Behavior Observation System, SBOS)。该系统分为两个模块:实时观测模块和自动化分析模块。实时观测模块利用低成本便携显微镜实现气孔的实时无损监测;自动化分析模块利用深度学习中的语义分割和目标跟踪算法实现气孔视频的自动化特征分析。同时,为了读者能顺利使用该系统,作者对两个模块分别设计图形用户界面(GUI)并进行应用部署,将其打包成可执行软件(EXE),该软件可在Windows操作系统上直接运行。

 

Figure 1: Workflow of SBOS.

 

文章中,作者成功观测和分析了低温胁迫下小麦叶片的斑驳气孔现象。结果表明,所有气孔在受到低温胁迫后均迅速关闭,但气孔之间关闭速度存在明显的斑驳效应,同时,小的气孔可能具有更快的关闭速度。

 

Figure 6: The dynamic changes of stomata under chilling stress. (a) The spatial distribution of stomata. (b) The result of object tracking. (c) The curve of SOA overtime. (d) The curve of stomatal area change rate.

 

此外,作者进一步分析了气孔开口面积(Stomata Opening Area, SOA)与Li-6800光合仪所测的净光合速率、胞间CO2浓度、气孔导度和蒸腾速率的相关性。结果表明,所有气孔的SOA均值与上述指标均具有很强的相关性,分别为:0.93,0.96,0.96和0.97。

 

Figure 7: The correlation between SOA and gas exchange. (a) The curve of stomatal opening area (SOA) and Gs with time. (b) The spatial distribution of stomata. (c) The correlation heat map between mean SOA and Pn, Ci, Gs, and Tr.

 

最后,SBOS系统的视频结果演示如下动图所示。其中,矩形框上的数字代表气孔开口面积(SOA)。

 

Video: Stomata wake up, and it's time for working!

 

作者介绍:

 

孙壮壮,南京农业大学作物栽培学与耕作学博士研究生在读,研究方向为小麦生理生态监测表型方法开发,宋韵琳,南京农业大学作物栽培学与耕作学博士研究生在读,研究方向为小麦品质生理,两人为论文共同第一作者。博士生李庆等人参与了本项研究。通讯作者姜东教授,南京农业大学科学研究院院长,国家小麦产业技术体系岗位科学家,曾获国家杰出青年基金项目资助。

 

南京农业大学小麦生理生态与生产管理课题组,主要从事小麦品质生理生态与品质调优技术、锻炼诱导小麦主动应对非生物逆境抗性机制与应用、小麦养分高效利用机理与绿色生产技术、高通量植物表型分析技术在加速小麦栽培理论与技术相关方面的研究。

 

特别有关小麦籽粒不同层次面粉化学组分积累、理化性状与加工品质空间差异规律、形成机制等方面有重要突破,较系统地阐明了小麦籽粒品质形成和产量品质协同提高的生理基础;通过分层磨粉技术,明确了小麦籽粒关键生化组分与品质性状的空间变异规律及对氮肥响应的差异,提出了小麦品质定向调优的技术途径。明确了主要非生物逆境对小麦产量与品质的不利影响及机理,发现逆境胁迫下小麦植株器官间的补偿效应,提出通过适度的前期逆境锻炼、跨代锻炼及交叉锻炼等途径,实现小麦抗逆稳产稳质。在作物微观表型高通量分析技术与设备方面,开发了低成本的植物活体叶片气孔实时观察系统与连续分析方法,小麦胚乳细胞、蛋白体与淀粉粒快速分析系统。

 

相关成果发表在Journal of Experimental Botany、Field Crops Research、Food Chemistry等期刊上。先后承担国家及省部级项目50余项。出版专著14部,发表核心学术期刊论文300余篇,包括SCI收录论文150余篇;制定优质专用小麦生产技术规程3项;获得专利17项。

 

来源:

Sun Z, Song Y, Li Q. An Integrated Method for Tracking and Monitoring Stomata Dynamics from Microscope Videos. Plant Phenomics . https://doi.org/10.34133/2021/9835961.

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。