学术中心
共聚焦显微技术和机器学习促进玉米QTL定位中气孔表型性状的快速获取
发布时间:
2021-11-29
来源:
本站
作者:
PhenoTrait
叶片表面的气孔可以调节CO2吸收与水汽损失之间的平衡,因此在控制光合碳增益和植物水分利用方面具有关键作用。但是当前缺乏简单、快速的表皮细胞性状表型分析方法,这就限制了我们对气孔模式遗传基础的发掘。本文介绍了一种高通量表皮细胞表型分析管道,用于田间玉米数量性状位点(QTL)定位,通过共聚焦显微镜从成熟叶片获取的图像上自动确定气孔复合体的位置和大小,计算机估算的气孔复合体密度(SCD;R2 = 0.97)和气孔复合体面积(SCA;R2 = 0.71)与人工测量值密切相关。叶片气体交换性状与气孔复合体的大小和比例(rg = 0.39 - 0.71)在遗传上相关,但与SCD不相关。在两个田间生长季节里,表皮性状的遗传力逐渐升高(h2 = 0.42 - 0.82)。在这两年里,共鉴定出36个特定性状的QTL。通过分析,本研究确定了24个多性状重叠QTL簇,这为多个病例的多效性提供了一致的证据。本研究为进一步研究C4物种气孔发育和气孔导度等提供了生理学和遗传学基础。
图1 Mask R-CNN成像和图像分析的总体工作流程。A、数据收集、模型训练、模型预测、人工验证和实验数据分析的工作流程,用于对表皮细胞特征进行表型分析。B、Mask R-CNN方法概述,用于分析共聚焦显微技术获取的用于气孔和路面细胞检测的图像。
图2 分析共聚焦显微图像过程中的示例步骤。A、从共聚焦显微镜输出的原始文件中提取3D图像层。B、使用鲁棒高斯滤波器进行处理。C、使用拉普拉斯滤波器进行对比度增强。D - G、使用掩模R-CNN预测单元实例。E、基于细胞边界坐标计算和提取细胞相关性状,并标记边界和实心点,以便更好地可视化。F、放大显示的气孔被标记为白色实心点,周围的细胞被标记为黑色实心点,在图像边缘被切割的细胞用三角形标记,并在估计平均细胞大小时排除在外。G、椭圆气孔复合体,其宽度和长度计算为椭圆的短轴和长轴的长度(红线)
图3 基于玉米B73的基因型平均值,SCD、SCW、SCL、SCLRW、SCA、SCTA、PD、PA、PTA、SI、SPI、SLA、光合CO2同化率(A)、气孔导度(gs)、胞间与大气CO2浓度比(Ci/Ca)和iWUE的遗传相关矩阵。统计显著相关性(p.adiust < 0.1)用彩色方块突出显示,彩色方块通过阴影区域的大小反映相关性的强度,并从蓝色(正相关,系数 = 1)到红色(负相关,系数 = -1)着色。
来源:Xie J., Fernandes S.B., Mayfield-Jones D., et al. Optical topometry and machine learning to rapidly phenotype stomatal patterning traits for maize QTL mapping. Plant Physiology, 2021,187: 1462 – 1480.
编辑:张玉
推荐新闻
视频展示