学术中心
基于深度学习的高通量表型分析加速气孔性状的基因发现
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-11-30 06:10
- 访问量：
【概要描述】在未来几年中，高通量表型工具如何加速目标性状的量化和特征化，从而揭示复杂性状的基因-环境之间交互影响的机制，将是一个有趣的发现。
基于深度学习的高通量表型分析加速气孔性状的基因发现
【概要描述】在未来几年中，高通量表型工具如何加速目标性状的量化和特征化，从而揭示复杂性状的基因-环境之间交互影响的机制，将是一个有趣的发现。
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-11-30 06:10
- 访问量：
面对气候变化，未来的粮食安全需要快速、高效和灵活地对相关基因进行改良。因此，在不同的环境条件下，从DNA序列(基因型)到末端性状(表型)的发育和生理机制的综合解析是必不可少的。影响光合作用、气体交换和水分利用的气孔特征是涉及主要C4植物(高粱和玉米)改良计划的关键目标。
在本期的《Plant Physiology》上，Bheemanahalli等(2021)、Ferguson等(2021)和Xie等(2021)的论文介绍了利用人工智能技术支持的高通量气孔表型平台，结合筛选方法进行识别高粱和玉米气孔性状的特定基因。研究人员主要通过将深度学习算法自动识别、分类和量化与植物水分利用效率和耐旱性相关的气孔特征与基因组研究相结合，进一步解析了气孔性状的潜在遗传结构。研究人员在数据预处理后，训练卷积神经网络模型(Mask R-CNN)，用于自动检测和计算气孔特征。表型分析的典型深度学习框架从原始图像的输入和预处理开始，然后在训练期间进行几层的自动特征提取，最后是经过训练和验证的模型，该模型可以识别、分类、量化和预测感兴趣的表型特征。Mask R-CNN可以使用边界框检测和定位感兴趣的对象(如：气孔)，并生成精确的分割掩模，然后使用几个卷积层来识别和分类对象区域，然后预测对象类型。在未来几年中，高通量表型工具如何加速目标性状的量化和特征化，从而揭示复杂性状的基因-环境之间交互影响的机制，将是一个有趣的发现。
图1 发展并整合基于深度学习的高通量表型分析与基因组研究，确定C4禾本科植物气孔性状的遗传区域。A、通过光学测量和深度学习算法(Mask R-CNN)快速分析获取图像的表型，这为确定最佳气孔特征提供了强有力的工具。B、高粱气孔复合体面积的人工测量与计算预测的相关性。C、表型数据与遗传变异的关联。
来源：W. Zhang, B. Calla, D. Thiruppathi, Deep learning-based high-throughput phenotyping accelerates gene discovery for stomatal traits, Plant Physiology, 2021,187:1273-1275.
编辑：张玉
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯
慧诺瑞德（北京）科技有限公司版权所有 京ICP备15043840号 网站建设：中企动力 北二分 法律声明