一个高吞吐量管道用于表型化,物体检测和叶子三合体的量化
Andrea González-Muñoz1, Dai-Jie Wu2, Ana B Perera-Rodríguez1
1Plant Science Program, Biological and Environmental Science and Engineering Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia.
概括
研究人员开发了Tricocam,这是一个新的设备和人工智能模型,用于高通量野草三合体密度的表型化. 这有助于识别与特征相关的基因组区域,加速植物遗传学研究.
科学领域:
- 植物遗传学 植物遗传学
- 基因组学就是基因组学.
- 现型化技术 现型化技术
背景情况:
- 高质量的基因组数据丰富,但表型数据采集仍然是像全基因组关联研究 (GWAS) 这样的大规模研究的瓶.
- 现型数据对于利用基因组数据在关联遗传学,基因发现和验证中至关重要.
- 草中的三角体与耐压力有关,但在这个植物家族中还没有发现与三角体相关的基因.
研究的目的:
- 开发一种高通量表型化装置和人工智能模型,用于在野草中快速收集三合体数据.
- 为了确定与Aegilops tauschii中的三体密度相关的基因组区域.
- 为植物科学界提供开源工具,以推进表型化能力.
主要方法:
- 开发了一种便携式手持成像设备 (Tricocam),用于捕捉叶片边缘三角体图像.
- 改进和实施基于人工智能的图像量化平台,用于半自动计数三体.
- 在Aegilops tauschii中应用Tricocam方法和AI量化,加上基于k-mer的GWAS.
主要成果:
- 在Aegilops tauschii的染色体臂4DL上成功验证了已知的三基因组控制基因组区域.
- 在染色体臂4DS上发现了一种与三体密度相关的新型基因组区域.
- 展示Tricocam和AI模型在高吞吐量GWAS的表型化中的有效性.
结论:
- 开发的Tricocam设备和AI模型显著提高了野生草的表型数据采集的速度和效率.
- 这种综合方法有助于识别控制三密度等重要特征的遗传局部.
- 特里科卡姆设计和人工智能模型的公开发布旨在为植物科学和大规模表型化项目提供更广泛的应用.
