Plant Phenomics | "Macrobot": 一種基于自動分割的白粉病定量分析系統

谷物（小麥、大麥、大米、玉米等），已成為人類主要的食物來源，占據了世界每日熱量攝入的50%以上。與任何其他作物一樣，谷類作物也會受到病原體的不斷攻擊，但由于谷類作物的疾病會直接影響到它們所提供給人類的營養成分，因此植物病理學家和育種學家都對谷物及其病害格外感興趣。

白粉病是由多種專性活體營養真菌引起的疾病，會對多種農作物造成大范圍的破壞。禾本科布氏白粉菌(Blumeria graminis)是導致小麥和大麥白粉病的病原體。從開始感染到產生新孢子，白粉菌的無性生命周期會在一周內完成：單倍體無性真菌孢子（分生孢子）在接觸到植物葉片后的數小時內就會開始萌發，附屬生殖管會直接穿透葉片表皮細胞的細胞壁，并形成吸器結構，真菌的活體營養供應機制也會在孢子初次接觸葉片的24小時內建立。在后面的幾天中，附生生長的菌絲會在最初感染部位附近的植物表皮細胞中形成許多繼發吸器，并在約三天后形成肉眼可見的真菌菌落。在隨后的幾天中，菌絲體會長出大量的孢子，從而完成整個生命周期。在具有額定孢子滴度的受控感染試驗中，感染的嚴重程度和感染區域的大小通常是評定染病等級的重要參數，并以此估計植株對疾病的易感性高低。

由于田間生產規模擴張、氣候變化導致的頻繁蟲害、殺蟲劑有效性降低和田間抗病性迅速下降等，對植物病害的管理正變得越來越困難。而在過去的幾十年中，對植物及其病原體的基因組學取得了實質性進展，有望抵消上述的負面趨勢。但是，只有當基因組數據得到與之相關的表型數據的支持時，才能將基因組信息與特定的性狀聯系起來。盡管多年來育種學家和研究人員收集了大量有關不同基因型白粉病抗性的數據，但由于大多數據都是在不可控的野外環境下采集，且由不同的研究者目測評估，使得采集到的數據難以重復。

近日，Plant Phenomics在線發表了吉森大學(Justus-Liebig-UniversitätGießen, JLU) Stefanie Lück等人的題為“Macrobot”: An Automated Segmentation-Based System for Powdery Mildew Disease Quantification的研究論文。

為了克服以上問題，研究者基于目前已完善的離體葉片測定法開發了一套方法(Fig.1, 3)和配套設備(Fig.2)，并以此建立了高通量的自動化表型平臺“Macrobot”。該平臺可嚴格控制環境和病原體脅迫，并以高度自動化的方式在白粉病感染后的5-7天對其癥狀進行評估，精確、可重復地測量被感染的葉面積占比(Fig.7)。此外，該系統不僅可量化分析小麥和大麥上的白粉病感染癥狀，還適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.

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2020/5839856/

——推薦閱讀——
Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems
https://spj.sciencemag.org/journals/plantphenomics/2020/9452123/
Plant Phenomics | 對比無人車(UGV)和無人機(UAV)表型系統評估甜菜褐斑病的病害等級
How Convolutional Neural Networks Diagnose Plant Disease
https://spj.sciencemag.org/journals/plantphenomics/2019/9237136/
如何利用卷積神經網絡診斷植物病害 | RESEARCH ARTICLE

About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被CABI、CNKI和DOAJ數據庫收錄。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：王棟（實習）
編輯：周燦彧（實習）、鞠笑、孔敏
審核：尹歡