高分辨率的现象学数据集收集在田间种植的,EMS变异的种群评估在炎热,干旱的条件下
Jeffrey Demieville1, Brian Dilkes2, Andrea L Eveland3
1School of Plant Sciences, The University of Arizona, Tucson, AZ, 85721, United States of America. jdemieville@arizona.edu.
BMC research notes
|July 30, 2025
概括
这项研究使用亚利桑那大学现场扫描仪生成了广泛的类表型数据,使得基因型-表型链接能够用于作物改进. 该数据集有助于研究人员了解干旱反应特征.
科学领域:
- 植物科学 植物科学
- 农业工程 农业工程
- 基因组学就是基因组学.
背景情况:
- 亚利桑那大学的现场扫描仪 (FS) 产生高分辨率的表型数据.
- 在炎热干旱的环境中可以进行受控的灌.
- 在两个生长季节收集了大量的数据集 (194 TB).
研究的目的:
- 将的基因型与动态的干旱反应现象型联系起来.
- 通过先进的表型化加速作物改进.
- 为研究人员提供可访问,处理的数据.
主要方法:
- 现型图像数据采集于434个小麦线在不同的水条件下.
- 场扫描仪 (FS) 系统用于高空间和时间分辨率的数据采集.
- 生成的数据包括工厂级和地块级的参数,以及天气数据.
主要成果:
- 收集了194TB的原始和处理的表型图像数据.
- 生成了422兆字节的格式化表格数据,包括边界区域,温度和光合作用参数.
- 数据集包括超过190万个独特的未过行和超过50万个清理行.
结论:
- 生成的数据集有助于在中进行基因型-表型分析.
- 研究人员的数据可访问性得到改善,有助于作物改进工作.
- 该系统支持对干旱耐受性和其他植物特征的研究.


