AgriPheno订阅号推送文章汇编(4-8月)

文章来源: | 2018-09-28

AgriPheno订阅号推送文章汇编(4-8月)

 

自2018年4月下旬内容调整以来,AgriPheno订阅号已连续4个月持续更新植物生理生态、植物表型组学和基因组学、基因分型、智能化育种及应用、激光雷达探测技术及数据分析等领域,国内外最新资讯、战略与政策导读。本文节选了4个月来推送的代表性文章,以供大家参阅。

 

植物逆境研究

• 植物胁迫表型的深度学习:趋势和未来

本文回顾了植物胁迫表型深度学习的最新进展,重点关注了图像表型分析的深度学习方法,概述了深度学习工具在植物科学研究中当前和未来的几种应用途径。

• 番茄繁殖性状的耐热性数量性状位点(QTL)定位

为揭示番茄耐热性变异的遗传基础,本文分析了连续温和性高温条件下,两个品种杂交F2代的一系列繁殖性状的表型特征,如:花粉活力、花粉数量、花柱长度、花药长度、花柱突起、雌性育性及开花特征,并对这些性状的数量性状位点进行了鉴定。

• 表型分析:大豆对盐胁迫动态响应的量化

本文研究开发了一种能在常规温室中轻松构建、低成本的自动化表型图像分析系统。

• Plant Methods:基于高光谱成像技术的大麦疾病定量评估

本文引入了一种新的高光谱表型分析系统,该系统实现了可控环境中冠层尺度的高通量与高空间分辨率表型测量。

• Crop Science:叶表皮蜡质在小麦适应高温和干旱胁迫中的作用

本文以春小麦重组近交系群体为研究材料,旨在确定叶表皮蜡质作为干旱适应性性状的作用,以提高小麦产量及产量稳定性。

• Review:豆科作物根系构型响应干旱胁迫的遗传多样性

本文中,密苏里大学的HenryT. Nguyen等人总结了豆科作物根系构型(RSA)相关数量性状位点(QTLs)的最新研究进展,以及改善根系构型提高耐旱性的最新应用。

• BMC PlantBiology:低R:FR值提高番茄对盐胁迫的耐受性

本文以番茄MoneyMaker野生型和MoneyMaker光敏色素B1突变体为材料,研究了不同的R:FR值对番茄生长和耐盐性的影响。

• PhysiologiaPlantarum: 番茄对干旱胁迫、热胁迫及干热综合胁迫的生理响应

为了动态地揭示植物对干旱胁迫、热胁迫及干热综合胁迫的生理响应,阐明单一胁迫和综合胁迫之间的关系,TongminZhao, Carl-Otto Ottosen等以两个番茄品种为材料研究干旱胁迫、热胁迫对番茄地上部和根系的影响。

• 阻抗流式细胞分析技术在植物激素调控小麦花粉热胁迫耐受能力研究中的应用

本文利用阻抗流式细胞仪高通量快速检测花粉发育不同阶段的活性,确认热应激过程中花粉的耐受性,进而进行正向遗传筛选并确认激素不敏感性对花粉发育的影响。

• PNAS: 深层机器视觉框架应用于植物胁迫表型研究

本文提供了一个深入的基于机器视觉的解决方案,广泛适用于数字农业,可以更精确并及时地对各种胁迫进行表型分析。

• 紫花针茅SpPIP1基因的克隆及对干旱胁迫的应答

本文中,研究团队克隆了一个来自紫花针茅的质膜内在蛋白基因SpPIP1,通过序列分析、亚细胞定位、检测转基因植株干旱胁迫下的表现,以期阐明其在植物干旱胁迫响应中的作用。

 

植物根系研究

• Plant Soil:树木细根物候和寿命原位研究方法

本文报道了微根管法在研究细根动态领域的应用。

• 根系构型角度研究油菜高温/干旱胁迫耐受性

本文探讨了近年来油菜耐热性和抗旱性研究的最新进展,重点讨论了根系缓解非生物胁迫的能力,对比了现有植物根系构型量化方法的优点和缺点。

• 揭秘隐藏的一半:植物根系表型研究进展

本文综述了植物根系表型的最新研究进展,探讨了一些有前途的新方法,以揭示植物根系在实验室或田间条件下的生长。

• 根围环境重组:改变根系三维物理结构和水分动态

本文采用组合方法无损观察耐旱与干旱敏感品种鹰嘴豆发芽过程中根系的发育,结果显示鹰嘴豆根系空间结构、孔隙大小与根系水分动态有着显著的相关性。

• EZ-Root-VIS: 根系构型快速分析和可视化重构

Zaigham Shahzad等人开发了一种EZ-Root-VIS免费软件,可以快速分析和可视化重构根系构型,以研究环境-基因型互作。

• 根系生态学研究热点之细根周转研究方法问答

根系构型和细根周转是根系生态学的两个重要研究方向,也是当前根系生态学研究的热点。本文将尝试解答一些学者提到的细根周转研究方法问题。

• 根系生态学研究热点之根系构型研究方法问答

根系构型和细根周转是根系生态学的两个重要研究方向,也是当前根系生态学研究的热点。本文将尝试解答一些学者提到的根系构型研究方法问题。

• 利用根系表型平台筛选控制水稻主根和冠状根长度的基因组区域

本文介绍了利用2D和3D根系图像分析平台量化根系构型,筛选出控制水稻主根和冠状根长度的基因组区域。

 

植物表型研究方法/方案

• Plant Methods:不同传感技术在高粱株高田间高通量表型分析中的表现

本文对地面车辆平台搭载的超声波传感器、LIDAR-Litev2传感器、Kinect v2相机、高分辨率相机成像阵列以及无人机(UAV)上的数码相机进行了评估,提出了高粱株高田间高通量表型的建议方案。

• 表型软件应用笔记——不同水分梯度处理下青菜叶片的表型参数测定

本试验以青菜为材料,设置4个水分梯度,使用表型系统对青菜叶片进行表型成像,通过软件分析,量化青菜叶片表型数据,得出青菜叶片表型参数。

• Plant Science:生殖生长表型研究助力作物改良和生产

本文综述了近年来生殖生长表型分析的最新进展,总结了现有的和即将出现的生殖生长表型研究方法,重点关注了影响植物育种和作物生产的三个关键领域:表型物候学(phenotyping phenology)、花粉发育与活力、作物产量及构成。

• RIPPS:受控环境条件下植物生长表型的定量评估

为了连续地量化植物对环境胁迫响应的表型变化,日本科学家开发了一种自动表型分析系统,用于评估拟南芥对各种环境条件的生长反应。

• New Phytologist:一种灵活、自动化、开源的植物表型解决方案

本文提供了一种开源的植物成像和处理解决方案,用于植物图像获取、图像处理和数据分析,为研究植物的生物和非生物应激反应开辟新的途径。

• Review:负担得起的作物表型育种解决方案

表型分析不仅取决于选择合适的研究性状和研究工具,还取决于这些工具如何部署在承载平台上、数据获取与分析的速度与通量、处理空间变异性和表征环境条件等。本文讨论这些表型分析组件低成本的替代品,从而构建负担得起的表型育种解决方案。

• Plant Methods:玉米穗粒表型和粒重估测的高通量方法

本文报告了一种基于玉米穗数字成像(EDI)的简易低成本方法,可进行玉米穗数量和大小、籽粒数量和大小的估测,以及从穗部图片中估测籽粒重量。

• 表型软件应用笔记——花、果实的表型分析

本文讨论利用表型成像系统与专业分析软件对花卉、果实进行表型分析。

• 表型软件应用笔记——根系构型分析(RSA)

本文介绍了表型软件在根系构型分析(RSA)中的应用,数字化的分析根系构型。

• Plant Methods:利用时间图像序列进行植物整体表型和局部表型分析

本文的核心贡献是一种基于计算机视觉的算法,用于自动检测单个叶片和茎干,以计算新的组分表型,同时公开发布基准数据集,即UNL-CPPD。

• 利用无人机可见光和热红外成像估算水稻倒伏

在本文中,研究人员在无人机可见光和热红外图像分析及田间实地调查基础上,利用粒子群优化(PSO)算法和支撑向量机(SVM)算法开发了一种水稻倒伏识别模型。经验证,该模型假阳性率和假阴性率均低于10%。

• Review:植物表型测量传感器

本文回顾了近年来植物表型测量传感器的发展,比较了不同传感器的测量方法及特点,介绍了一些综合性多参数测量的高通量表型平台。

• Phytopathology:植物病理学研究中常用的表型工具和方法

本文重点讨论了可见光数字成像、叶绿素荧光成像、多光谱及高光谱成像、热成像等植物病理学研究中常用的表型工具和方法。

• 低成本表型成像平台分析粮食作物生物量与早期活力

瑞典农业大学AakashChawade等人利用有限的条件开发了一款低成本、非破坏性、合适通量的表型平台,以获取基础植物表型数据。

• Plant Methods:基于RGB图像的田间麦穗计数算法

穗密度是决定小麦产量的主要因素之一,人工计数非常耗时。本文提出了一种高通量、低成本、基于RGB图像,自动估算田间小麦穗密度的算法。

• 如何更好的实施田间表型分析——将高通量表型转化为遗传增益

Trends in Plant Science 3月在线发表综述“Translating High-ThroughputPhenotyping into Genetic Gain”,概述如何以有效方式弥合育种者和“表型育种者”之间的差距。

 

激光雷达

• 激光雷达在草地恢复研究中的应用

由于放牧、气候等因素的影响,部分天然草场会出现退化的现象,草场植物高度降低、密度下降、种类减少等。如何采取有效措施对草地进行维持和恢复成为重要的研究课题。本文介绍了激光雷达在草地恢复研究中的应用。

• 地面激光雷达(TerrestrialLiDAR)监测室内植物叶片运动

在本文中,MónicaHerrero-Huerta等人介绍了一种基于TLIDAR的植物叶片运动参数化方法。

• 基于LiDAR和3D建模的树木构型研究方法

本文验证了一种基于LiDAR、3D建模的树木构型特征研究方法。

• 两相机载激光雷达(LiDAR)对稀树草原生物量的估算

本文提出了一种两相机载激光雷达估算热带稀树草原地上生物量的方法。

 

新观点/新技术

• Review:整合不同学科和技术加速遗传增益、开发适应气候变化的作物

本文讨论了从种质资源库中筛选优异等位基因/单倍型的策略、基因分型和表型分析平台的开发和使用以及基因组学技术在育种中的应用,还提出了整合多学科和技术开发适应气候变化作物品种面临的挑战和机遇。

• 加速植物育种的全球影响:来自水稻育种的证据

为了估算加速育种过程产生的增量效益,本文开发了一种新颖、直接的方法,研究了RGA(RapidGeneration Advance)对传统水稻育种计划所产生的倍增效应。

• Review:什么是划算的表型?不同场景下的成本优化

本文讨论了各种现实场景中表型研究的成本构成。

• Review:植物表型组学的发展、现状与挑战

本文由南京农业大学植物表型组学研究中心周济博士主笔,介绍了植物表型组学的发展简史,表型技术的应用情况和实际问题以及表型组学的应用前景与未来展望,以期为中国的表型研究提供指导和建议。

• 植物杂交:旧观念,新技术

在本文中,哈佛大学的RobinHopkins等讨论了基因组学、遗传学研究手段的新进展如何变革植物杂交的研究。

• Plant Methods:高光谱成像表征植物-植物通信

本文中,Nansen等人通过高光谱成像技术研究昆虫草食引起植物叶片化合物含量的变化及植物-植物通信的途径。

• Speed Breeding:加速作物研究和育种的强大工具

该方法的核心是延长光照时间加速作物发育速度、提前采收并使用未成熟种子,从而减少生长周期。

• CropQuant:可扩展的自动化作物监测和性状测量田间表型分析平台

本文中,英国约翰英纳斯研究中心周济博士团队开发了一个可扩展的自动化田间表型分析平台——CropQuant,CropQuant专为在不同环境中轻松且经济高效地测量而设计。

• FunctionalPhysiological Phenotyping: 抗逆育种和植物胁迫生理研究新工具

以色列希伯来大学MenachemMoshelion等人提出一种新的表型研究方法,通过连续监测响应环境变化的植物生理特征,从而鉴定和比较不同水平的功能表型和生产力。

• Plant Methods:改良的X射线无损扫描技术在叶脉成像中的应用

在PlantMethods发表的文章中,JulioV. Schneider等人尝试在不使用造影剂的情况下,通过提高图像分辨率和扫描通量来改善X射线扫描技术在叶脉研究中的应用。

• 整合不同学科的见解进行复杂性状筛选:谷物蒸腾效率为例

本文提出了一种将作物建模、生理学、遗传学、育种学等方面的见解整合起来,筛选作物产量相关复杂性状的综合方法。

• 基于核磁共振(NMR)测量的高通量种子分选平台

本文中,AlbrechtE. Melchinger等人构建了一个基于核磁共振测量的高通量种子筛选平台,以实现种子自动分粒、自动质量/含油量测量、自动分类分装等。该平台适用于大小、形状和含油量不同的各种油料作物,如油菜、大豆和向日葵等。

• bioRxiv:拟南芥生长动态的图像分析方法

本文提出了一种基于图像分析估算拟南芥生长动态的简易方法。该方法使用了ImageJ图像软件和R统计软件。

 

植物生理生态研究

• Molecular Plant:营养敏感性视角的粮食作物育种

本文综述了近年来通过植物育种对小麦、水稻和玉米中微量营养元素和必需氨基酸生物强化的研究进展。此外,还讨论了自然变异、人工诱变和基因编辑技术在粮食作物营养成分及其稳定性改良育种中的应用。

• Plant Physiology:与生物量积累相关的叶片光合参数

为了确定与生物量积累相关的叶片光合参数,本文系统地研究了由204个微核心种质和11个水稻良种组成的水稻群体的14个光合参数和4个形态学特征。

• Nature Plants:光系统II对植物光保护的动态反馈

Shazia Farooq等人利用皮秒荧光光谱技术,对完整的菠菜叶片进行了非侵入性的皮秒荧光测量,以研究在反应中心开放和关闭下的非光化学猝灭情况。

• Sensors:利用高光谱成像技术检测小麦种子活力

本文探究了利用高光谱成像技术检测小麦种子活力的可行性。用SNV-SPA-PLS-DA模型筛选后,种子最终发芽率可达89.5%以上。

• 作物生理状况监测:基于叶绿素荧光和多光谱成像的高通量方法

本研究建立了基于叶绿素荧光和多光谱成像的高通量作物生理监测方法,该系统能够以简单的方式区分典型的作物胁迫,如干旱,营养缺陷和植物病害。

• ScientificReports:利用蛋白质绝对含量快速评价种子活力

本文的目的是探索快速评估种子活力的方法。试验表明种子蛋白质绝对含量(ACP)与苗期植物干重显著相关。因此,ACP可用于种子活力的快速评估和筛选高活力种子。

• 不同碳输入途径对浅表层/深层土壤有机碳库贡献的研究

本文以长达18年的农林复合系统作为实验样地,基于土芯采样获取的SOC密度、土壤容重、SOC储量、土壤质地等,研究树木细根死亡、树木叶凋落物、作物地上地下生物量、林下草本地上地下生物量等不同碳输入途径对浅表层土壤和深层土壤有机碳库的贡献。

• 叶绿素荧光和P700氧化还原在植物光合作用短时调控研究中的应用

本文中,Ptushenko,V. V.等人通过测量P700(PSI)光氧化和叶绿素荧光(PSII)的时间曲线,研究了白花紫露草叶片光合作用的短时调控。

 

人工智能/机器学习

• 深度学习:植物育种中豆荚内籽粒数量的估算

本文介绍了一种基于标准CNN的深度学习方法。该方法解决了大豆豆荚内籽粒数量的估算难题,并展示了如何使用简单方法来可视化模型得到的关键特征。

• 贝叶斯函数回归: 现代农业高通量表型数据的统计分析

本文讨论了函数回归分析在分析高光谱图像数据时的优点和缺点。

• 基于胶囊网络(CapsNet)的无人机水稻图像识别

本文以无人机拍摄的水稻图像为数据源,构建胶囊网络(CapsuleNetwork,CapsNet)模型来识别水稻图像。该方法包括三个阶段:建立图像集,图像预处理和图像识别。

• 植物病害检测和诊断的深度学习模型

本文采用卷积神经网络(CNN)模型,通过深度学习方法,使用叶片图像进行植物病害检测和诊断,成功率最高可达99.53%。

• 高光谱成像与卷积神经网络相结合的水稻种子品种鉴定

本文以4个水稻品种为研究对象,采用两种不同范围的光谱进行成像,研究高光谱成像结合CNN模型来鉴定水稻种子品种。

• Plant Methods:利用k近邻算法(k-NN)分析芒草萌发种子表型图像

在PlantMethods发表的文章中,DannyAwty‑Carroll等人综合使用图像分析、ROC曲线和机器学习来评估芒草种子的萌发并比较该方法与人工评估的优劣。

• 无人机多角度光谱数据改进马铃薯LAI和LCC的估算

在本文中,荷兰瓦格宁根大学PeterP.J.Roosjen等人研究了通过PROSAIL模型数值反演无人机多角度光谱数据提高叶面积指数(LAI)和叶片叶绿素含量(LCC)估算准确性的潜力。

• FCN法:制作基于无人机图像的高分辨率杂草覆盖图

本文提出运用全卷积网络方法(FullyConvolutional Network,FCN)处理无人机图像制作高分辨率杂草覆盖图。

• 分享:利用机器学习与传感器融合技术进行植物精准表型分析

人工智能(AI)亦称机器智能,是指由人制造出来的机器所表现出来的智能,通常人工智能是指通过普通计算机程序的手段实现的类人智能技术。机器学习(ML)是人工智能的一种形式,能赋予计算机无需复杂的程序化设计的学习能力,从而产生巨大的数据量。

 

其他

• 会议|第五届国际植物表型研讨会(IPPS 2018)

第五届国际植物表型研讨会(IPPS2018)是国际植物表型分析网络(IPPN)两年一度的盛会,今年由澳大利亚植物表型设施(APPF)主办。

会议时间:2018年10月2-6日

会议地点:澳大利亚阿德莱德

• 中科院遗传发育研究所-泽泉表型技术中心在京正式挂牌成立

2018年7月19日,由中国科学院遗传与发育生物学研究所和上海泽泉科技股份有限公司共同组建的“中科院遗传研究所-泽泉表型技术中心”开放型平台在北京正式挂牌成立。

感谢各位老师、同学的关注、推荐与积极转发,Agripheno将不忘初心,坚持把国内外最新资讯、战略与政策导读分享给大家,以支持到大家的研究工作。作为开放公众平台,我们欢迎大家撰写各自已发表文章的介绍投稿,分享最新研究成果。此外,如您有最新的业内信息需要推送,我们也乐意效劳。

扫描以下二维码,即可阅读以上推文。
二维码4-8.png

   中文/En