Plant Phenomics | 對八倍體草莓形態的自動化表型和遺傳分析

人口壓力和氣候變化是人類在21世紀所面臨的兩個重要挑戰。未來全球人口預計將繼續呈指數增長，并在2050年高達98億。由溫室氣體排放引發的氣候變化可能是未來最大的威脅，因為它會導致極端天氣、加劇干旱和物種滅絕等。在這種不利情況下，糧食產量需要大大增加，且僅增加糧食產量還不夠，在育種中還需要在完成目標的同時兼顧食品安全和環境保護。

人工育種技術的發展，是過去的一個多世紀中糧食產量大增的主要原因。育種的主要目標是利用復雜性狀的遺傳變異，提高生長性能并優化資源利用。植物育種涉及基因組學和表型組學，需要研究在給定環境中基因組的表達。目前，植物育種中的主要瓶頸是在各種不同的環境條件下，評估數百個品系，盡管已實現了對基因組的常規化分析，高通量表型分析仍是一項艱巨的任務。實現高通量表型分析，進一步實現自動化表型測量，可加快人工選育的進程。

機器人技術、電子技術和計算機科學的不斷發展，為表型分析領域的發展提供了更多的可能性：主觀、費時且常常具有破壞性的人工數據采集已被小型、性價比更高的傳感器、數碼相機、手機、無人機和質譜儀等取代，難點則在于開發更先進的分析工具，從海量的表型數據中提取有價值的信息。

在與水果育種相關的表型分析中，形態性狀是一個重要的考慮點，因為外觀會影響消費者的購買意愿。通常，形態性狀是由手動或半自動的方式獲得的，因此可以使用數字圖像處理和完全自動化的分析方法，實現性價比更高的水果形態評估。

近日，Plant Phenomics在線發表了西班牙農業基因組學研究中心（CRAG）Laura M. Zingaretti題為Automatic Fruit Morphology Phenome and Genetic Analysis: An Application in the Octoploid Strawberry的研究論文。

在該文中，作者提出了一種自動化的方法，用于對草莓內部和外部圖像中提取出的形態性狀進行全面的表型和基因型分析。該方法對圖像進行分割、分類和標記（Figure 1），并提取線性（面積、周長、圓形度等）和多元的（傅里葉橢圓分量等）結構特征，并使用自動編碼器獲取內部顏色特征，使輸出圖像更平滑。此外，文中還提出了一種變分自動編碼器，能夠自動檢測可能性最大的底層性狀數量，還使用貝葉斯模型估計了所有性狀的加性效應和顯性效應（Figure 2，3）。結果表明，正如預期那樣，結構性狀是可以遺傳的；有趣的是，大多數性狀的顯性變異高于加性組成部分（Figure 7）。簡而言之，該文表明了水果的形狀和顏色性狀能夠以快速、自動化的方式被評估，并且具有一定的遺傳性。文中算法還可應用于其他水果的分析中，相關代碼已在文章的GitHub（https://github.com/lauzingaretti/DeepAFS）中開源提供。

Figure 1: Workflow for automatic segmentation and label recognition from strawberry images: (a) feature extraction; (b) feature preprocessing and database generation.

Figure2: Data analysis workflow.

Figure3: Autoencoder architectures: (a) architecture of convolutional autoencoder applied to the internal fruit images; (b) architecture of convolutional variational autoencoder applied to external fruit.

Figure 7: Estimation of additive (h2a, in pink) and dominance (h2d, in green) variance fractions for measured traits.

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2021/9812910/

——推薦閱讀——
Latent Space Phenotyping: Automatic Image-Based Phenotyping for Treatment Studies
https://spj.sciencemag.org/journals/plantphenomics/2020/5801869/
Plant Phenomics | 潛在空間表型：用于抗性研究的自動化圖像表型
Semantic Segmentation of Sorghum Using Hyperspectral Data Identifies Genetic Associations
https://spj.sciencemag.org/journals/plantphenomics/2020/4216373/
Plant Phenomics | 利用高光譜數據對高粱進行語義分割可識別遺傳關聯

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、DOAJ、PMC和Scopus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：鞠笑、孔敏
審核：尹歡