Fenómica de la resistencia a las enfermedades foliares de los patógenos fúngicos: enfoques basados en imágenes para...

Área de la Ciencia:

• Patología vegetal y genética
• Ciencias Agrícolas
• La bioinformática

Sus antecedentes:

• La resistencia de las plantas anfitrionas es clave para la producción sostenible de cereales contra los patógenos fúngicos.
• Los bancos genéticos de cereales ofrecen diversos alelos de resistencia a las enfermedades, respaldados por recursos genómicos avanzados.
• Los estudios de asociación de todo el genoma (GWAS, por sus siglas en inglés) son vitales para identificar nuevos loci de resistencia.

Objetivo del estudio:

• Revisar el fenotipo basado en imágenes para evaluar la resistencia de las plantas huésped en los cereales.
• Destacar la utilidad del fenotipo de alto rendimiento para GWAS en las colecciones de bancos de genes.
• Discutir el análisis de imágenes macroscópicas y microscópicas para la detección de la resistencia a las enfermedades.

Principales métodos:

• Revisión de la evaluación tradicional de las enfermedades visuales frente al fenotipo avanzado basado en imágenes.
• Discusión de las técnicas de análisis cuantitativo de imágenes, incluidos los algoritmos convencionales y de IA.
• Centrarse en la aplicación de estos métodos a las interacciones microscópicas y macroscópicas entre el huésped y el patógeno.

Principales resultados:

• El fenotipo basado en imágenes proporciona datos precisos e imparciales para la detección de la resistencia a las enfermedades foliares.
• Este enfoque apoya los estudios de asociación de todo el genoma (GWAS) en diversas colecciones de cereales.
• El análisis cuantitativo de imágenes, incluida la IA, mejora la evaluación de rasgos de resistencia complejos.

Conclusiones:

• El fenotipo basado en imágenes de alto rendimiento es esencial para aprovechar los bancos genéticos de cereales para la resistencia a las enfermedades.
• El fenotipo preciso es crítico para identificar la resistencia cuantitativa duradera (QR) y los genes piramidalistas.
• Los métodos avanzados de análisis de imágenes, en particular la IA, ofrecen herramientas poderosas para el descubrimiento genético en cereales.