2022年11月22日 18:21:53 来源：北京博普特科技有限公司 >> 进入该公司展台 阅读量：36
谷物（小麦、大麦、大米、玉米等），已成为人类主要的食物来源，占据了世界每日热量摄入的50%以上。与任何其他作物一样，谷类作物也会受到病原体的不断攻击，但由于谷类作物的疾病会直接影响到它们所提供给人类的营养成分，因此植物病理学家和育种学家都对谷物及其病害格外感兴趣。
白粉病是由多种专性活体营养真菌引起的疾病，会对多种农作物造成大范围的破坏。禾本科布氏白粉菌(Blumeria graminis)是导致小麦和大麦白粉病的病原体。从开始感染到产生新孢子，白粉菌的无性生命周期会在一周内完成：单倍体无性真菌孢子（分生孢子）在接触到植物叶片后的数小时内就会开始萌发，附属生殖管会直接穿透叶片表皮细胞的细胞壁，并形成吸器结构，真菌的活体营养供应机制也会在孢子初次接触叶片的24小时内建立。在后面的几天中，附生生长的菌丝会在最初感染部位附近的植物表皮细胞中形成许多继发吸器，并在约三天后形成肉眼可见的真菌菌落。在随后的几天中，菌丝体会长出大量的孢子，从而完成整个生命周期。在具有额定孢子滴度的受控感染试验中，感染的严重程度和感染区域的大小通常是评定染病等级的重要参数，并以此估计植株对疾病的易感性高低。
由于田间生产规模扩张、气候变化导致的频繁虫害、杀虫剂有效性降低和田间抗病性迅速下降等，对植物病害的管理正变得越来越困难。而在过去的几十年中，对植物及其病原体的基因组学取得了实质性进展，有望抵消上述的负面趋势。但是，只有当基因组数据得到与之相关的表型数据的支持时，才能将基因组信息与特定的性状联系起来。尽管多年来育种学家和研究人员收集了大量有关不同基因型白粉病抗性的数据，但由于大多数据都是在不可控的野外环境下采集，且由不同的研究者目测评估，使得采集到的数据难以重复。
近日，Plant Phenomics在线发表了吉森大学(Justus-Liebig-UniversitätGießen, JLU) Stefanie Lück等人的题为“Macrobot”: An Automated Segmentation-Based System for Powdery Mildew Disease Quantification的研究论文。
为了克服以上问题，研究者基于目前已完善的离体叶片测定法开发了一套方法(Fig.1, 3)和配套设备(Fig.2)，并以此建立了高通量的自动化表型平台“Macrobot”。该平台可严格控制环境和病原体胁迫，并以高度自动化的方式在白粉病感染后的5-7天对其症状进行评估，精确、可重复地测量被感染的叶面积占比(Fig.7)。此外，该系统不仅可量化分析小麦和大麦上的白粉病感染症状，还适用于其他疾病和植物。
Fig.1 Overview of the phenotyping pipeline.
Fig.2 Macrobot 2.0 with improved technical design, bilateral illumination, and background light: (a) outside view and (b) inside view of the photo box.
Fig.3 Frame and leaf image segmentation processing chain.
Fig.7 (a) Plots of the infection area determined automatically (blue triangles) and mean manual values (“Mean man.,” green rectangles), together with the fungal biomass measured by qPCR (normalized relative transcript levels multiplied by 100 for better visibility, purple crosses) and inoculation density (spores per mm2, red rectangle, sorted ascending). (b) The minimal and maximal visual infection scores (black bars) and the means (red dots) estimated by the domain experts. The graphs show the discrepancy of visual scoring of the involved persons.
论文链接
/journals/plantphenomics/2020/5839856/
——推荐阅读——
Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems
/journals/plantphenomics/2020/9452123/
Plant Phenomics | 对比无人车(UGV)和无人机(UAV)表型系统评估甜菜褐斑病的病害等级
How Convolutional Neural Networks Diagnose Plant Disease
/journals/plantphenomics/2019/9237136/
如何利用卷积神经网络诊断植物病害 | RESEARCH ARTICLE
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行，是Science合作出版的第二本期刊。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被CABI、CNKI和DOAJ数据库收录。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
撰稿：王栋（实习）
编辑：周灿彧（实习）、鞠笑、孔敏
审核：尹欢
