相关实验视频
Updated: Jun 7, 2026
07:35
A β-glucuronidase GUS Based Cell Death Assay
Published on: May 6, 2011
28.1K
同步,持续监测和量化植物组织中编程细胞死亡的量化
Alexander Silva Pinto Collins1, Hasan Kurt1, Cian Duggan2
1Department of Bioengineering, Royal School of Mines, Imperial College London, London, SW7 2AZ, UK.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|March 26, 2024
概括
一个新的平台,PASTEL,可以快速,准确地量化植物过敏反应 (HR) 编程细胞死亡. 该工具通过将表型化时间从几周缩短为几个小时,加速了抗病作物的发展.
科学领域:
- 植物病理学 植物病理学
- 分子生物学分子生物学
- 生物物理学的生物物理.
背景情况:
- 精确量化过敏反应 (HR) 编程细胞死亡对于了解植物免疫力至关重要.
- 评估人力资源的传统方法耗时且缺乏敏感性.
- 开发快速和灵敏的表型化工具对于植物育种和抗病研究至关重要.
研究的目的:
- 展示一种新的表型平台PASTEL,用于HR的快速,连续和定量评估.
- 为了验证平台在检测细胞死亡的微观水平的灵敏度.
- 开发机器学习模型,使用PASTEL数据对HR进行分类.
主要方法:
- 开发了用于连续时间阻抗数据采集的电解质泄漏 (PASTEL) 平台的并行自动化光谱工具.
- 使用AVRblb2效应蛋白和Rpi-blb2抗性蛋白在尼科蒂安娜本塔米安娜中诱导HR.
- 应用监督机器学习模型来根据频域阻抗数据对HR进行分类.
主要成果:
- 帕斯泰尔在微观水平上检测到细胞死亡,即使肉眼看来叶子看起来健康.
- 机器学习模型在1小时内达到84.1%的准确率 (F1分数 = 0.75),在22小时内达到87.8%的准确率 (F1分数 = 0.81),用于HR分类.
- 与传统HR分析相比,该平台显著提高了时间分辨率和灵敏度.
结论:
- PASTEL提供了一种高度灵敏和快速的方法来量化植物编程细胞死亡.
- 通过将PASTEL与机器学习集成,可以实现植物抗病能力的高通量表型化.
- 这种方法可以将植物表型化所需的时间从几天到几周缩短到几个小时.
