加快的Haustoria细分使得在谷物粉病理系统中的快速基因功能分析成为可能
Stefanie Lück1, Deniz Demirhan1, Laura Agsten1
1Leibniz Institute of Plant Genetics and Crop Plant Research (IPK), 06466 Seeland OT Gatersleben, Germany.
Molecular plant-microbe interactions : MPMI
|September 22, 2025
概括
一个新的管道使用深度学习自动检测植物中的真菌感染. 这种工具准确地量化了大麦和小麦中的粉状菌,加速了基因功能研究.
科学领域:
- 植物病理学 植物病理学
- 计算生物学 计算生物学
- 遗传学 是一个遗传学.
背景情况:
- 在植物中量化早期的真菌感染对于遗传研究至关重要,但目前是劳动密集型的.
- 麦子和小麦等谷物中粉感染需要高效的分析方法.
研究的目的:
- 开发和验证一个自动化管道,用于高吞吐量量化真菌感染事件.
- 为了实现快速的功能验证屏幕和大规模的谷物粉相互作用的表型化.
主要方法:
- 使用深度学习模型 (You Only Look Once网络和细分模型) 开发了一个公开可用的管道.
- 该管道分析了大麦和小麦叶中GUS染色的表皮细胞和细胞内haustoria的全幻灯片图像.
- 实现了自动聚焦层选择,以保持精细的结构细节.
主要成果:
- 该管道准确地检测了大麦和小麦的β-glucuronidase (GUS) 染色细胞和haustoria.
- 自动计数显示与手动计数几乎完全一致,证明了强大的跨物种可转移性.
- 工作流过程在每个工作站的几分钟内滑动,用户输入最小.
结论:
- 开发的管道大大降低了量化真菌感染的劳动强度.
- 这种自动化系统可以快速验证植物和真菌相互作用的功能,并进行大规模的表型化.
- 该管道支持对谷物粉相互作用的高效研究.


