Seed shape and size are among the m

Seed shape and size are among the most important agronomic traits because they affect yield, eating quality, and market price. Therefore, plant research fields such as genetics, functional analysis, and genomics-assisted crop improvement, in addition to breeding programs, could benefit from quantitative evaluation of seed shape. Efficient, reliable, high-throughput phenotyping methods are required.

In general, seed shape can be scored in two ways. The simple way is to measure seed length (L) and width (W) with calipers. However, manual methods have limits to the number of data, the quality of measurements, and the variety of shape data that can be gleaned. By contrast, computational methods using digital imaging technology could enable us to automatically measure a variety of shape parameters at very small sizes in high-resolution images (Brewer et al., 2006; Bylesjö et al., 2008; Weight et al., 2008; French et al., 2009; Wang et al., 2009). Several imaging methods have been developed so far. Elliptic Fourier descriptors have been used to examine variations in grain shape (Iwata and Ukai, 2002; Iwata et al., 2010), but only six grains per accession are measured, grains must be exactingly laid in the same direction, and actual lengths are not measured. Thus, this method is not suitable for high-throughput measurement. Herridge et al. (2011) developed a high-throughput method to measure the area of Arabidopsis (Arabidopsis thaliana) seeds, using a desktop scanner and image analysis software to automate labor-intensive tasks, but it measures only the area of a seed, not the shape parameters.

To achieve detailed genetic analyses (such as quantitative trait locus [QTL] analyses or genome-wide association studies), we need a highly accurate method that can quickly measure a large number of samples from genetic mapping populations, such as F2 and recombinant inbred lines, because there is little difference in size among seeds from even one plant at the same plant age (Hoshikawa, 1993; Herridge et al., 2011). In this study, we developed a high-throughput phenotyping program called SmartGrain that uses image analysis to determine seed shape. SmartGrain automatically recognizes all seeds within a digital image, detects outlines, and then calculates L, W, seed area (AS), perimeter length (PL), and other parameters. To validate the software, we used it in QTL analysis for rice (Oryza sativa) seed shape, which is difficult to automatically measure because of pedicels and awns. The pedicel is the stalk supporting a spikelet on a panicle branch (Fig. 1A, arrow; Fig. 2A, arrowhead), and the awn is a filiform extension of varying length protruding from the top of a lemma (Fig. 2A, arrow; Chang and Bardenas, 1965). We used backcross inbred lines (BILs) and chromosome segment substitution lines (CSSLs) derived from a cross between japonica cultivars Koshihikari and Nipponbare, which differ little in seed shape. The results clearly demonstrate the robustness and effectiveness of SmartGrain for use in genetic analysis.

ผลลัพธ์ (ไทย) 1:

เมล็ดรูปร่างและขนาดระหว่างลักษณะลักษณะทางพืชไร่สำคัญเนื่องจากจะส่งผลกระทบต่อผลตอบแทน กิน คุณภาพและราคาตลาด ดังนั้น พืชเขตวิจัยเช่นพันธุศาสตร์ งานวิเคราะห์ และปรับ ปรุงพืชช่วย genomics นอกเหนือจากโปรแกรม ปรับปรุงพันธุ์ได้ประโยชน์จากการประเมินเชิงปริมาณของเมล็ดรูปร่าง มีประสิทธิภาพ เชื่อถือ ได้ วิธี phenotyping อัตราความเร็วสูงจะต้องการ

โดยทั่วไป รูปร่างเมล็ดสามารถทำคะแนนในสองวิธีการ วิธีง่ายคือ วัดเมล็ดยาว (L) และความกว้าง (W) กับ calipers อย่างไรก็ตาม วิธีการด้วยตนเองมีข้อจำกัดจำนวนข้อมูล คุณภาพของการวัด และความหลากหลายของรูปร่างนั้นสามารถคาด โดยคมชัด วิธีคำนวณที่ใช้เทคโนโลยีถ่ายภาพดิจิตอลสามารถช่วยให้เราสามารถวัดความหลากหลายของพารามิเตอร์รูปร่างที่เล็กมากขนาดในภาพมีความละเอียดสูง (Brewer et al., 2006 โดยอัตโนมัติ Bylesjö et al., 2008 น้ำหนัก et al., 2008 ฝรั่งเศสและ al., 2009 วัง et al., 2009) วิธีการถ่ายภาพต่าง ๆ ได้ถูกพัฒนาขึ้นเพื่อให้ห่างไกล ตัวบอก elliptic ฟูรีเยได้ใช้ตรวจสอบความแตกต่างในรูปร่างของเมล็ด (ไอวาตะและงาระยูไค 2002 ไอวาตะ et al., 2010), แต่เฉพาะวัดธัญพืช 6 ต่อทะเบียน ธัญพืชต้อง exactingly วางในทิศทางเดียวกัน และไม่มีวัดความยาวจริง ดังนั้น วิธีนี้ไม่เหมาะสำหรับการวัดอัตราความเร็วสูง Herridge et al (2011) พัฒนาวิธีการวัดพื้นที่ของ Arabidopsis (Arabidopsis thaliana) เมล็ด ใช้เดสก์ท็อปสแกนเนอร์และซอฟต์แวร์วิเคราะห์ภาพทำงาน labor-intensive อัตราความเร็วสูง แต่มันวัดได้เฉพาะพื้นที่ของเมล็ด ไม่รูปร่างพารามิเตอร์

เพื่อวิเคราะห์รายละเอียดทางพันธุกรรม (เช่นวิเคราะห์โลกัสโพล [QTL] ติดเชิงปริมาณหรือทั้งกลุ่มสมาคมศึกษา), เราต้องการวิธีที่รวดเร็วสามารถวัดเป็นจำนวนตัวอย่างจากประชากรแผนที่ทางพันธุกรรม ความถูกต้องสูงเช่น F2 และวททช inbred บรรทัด เนื่องจากมีความแตกต่างน้อยขนาดระหว่างเมล็ดจากพืชหนึ่งแม้อายุโรงงานเดียวกัน (Hoshikawa, 1993 Herridge et al., 2011) ในการศึกษานี้ เราพัฒนาโปรแกรม phenotyping อัตราความเร็วสูงที่เรียกว่า SmartGrain ที่ใช้วิเคราะห์รูปร่างเมล็ด SmartGrain รู้จักเมล็ดทั้งหมดภายในภาพดิจิตอลโดยอัตโนมัติ ตรวจพบเค้า และจากนั้น คำนวณ L, W เมล็ดพื้นที่ (), ความยาวเส้นรอบรูป (PL), และพารามิเตอร์อื่น ๆ การตรวจสอบซอฟต์แวร์ เราใช้มันวิเคราะห์ QTL สำหรับรูปร่างของเมล็ดข้าว (Oryza ซา) ซึ่งเป็นเรื่องยากที่จะวัดโดยอัตโนมัติ pedicels และ awns Pedicel เป็นสายสนับสนุน spikelet มีในสาขา panicle (Fig. 1A ลูกศร Fig. 2A แอร์โรว์เฮด), และ awn filiform ขยายแตกต่างกันแหล่งน้ำความยาวจากด้านบนของการจับมือ (Fig. 2A ลูกศร ช้างและ Bardenas, 1965) เราใช้เส้นไหม้ inbred (BILs) และบรรทัดแทนเซ็กโครโมโซม (CSSLs) มาจากข้ามระหว่างพันธุ์ japonica Koshihikari และ Nipponbare ซึ่งแตกต่างกันเล็กน้อยในรูปร่างของเมล็ด ผลลัพธ์แสดงให้เห็นถึงเสถียรภาพและประสิทธิภาพของ SmartGrain เพื่อใช้ในการวิเคราะห์ทางพันธุกรรมอย่างชัดเจน

ผลลัพธ์ (ไทย) 3:

รูปร่างและขนาดของเมล็ดที่สำคัญที่สุด เพราะมีผลกระทบต่อลักษณะผลผลิต คุณภาพการรับประทาน และราคาของตลาด ดังนั้น งานวิจัยด้านพืช เช่น พันธุกรรม การวิเคราะห์การทำงาน และช่วยในการปรับปรุงพันธุ์พืช นอกเหนือจากโปรแกรมการเพาะพันธุ์ได้ ประโยชน์จากการประเมินผลเชิงปริมาณของรูปร่างของเมล็ด ที่มีประสิทธิภาพ เชื่อถือได้เป็นวิธีการช่วยอ

โดยทั่วไป รูปร่างเมล็ดสามารถยิงได้สองวิธี วิธีง่าย ๆคือ วัดความยาวของเมล็ด ( L ) และความกว้าง ( W ) กับคาลิเปอร์ . อย่างไรก็ตาม วิธีการคู่มือมีการจำกัดจำนวนของข้อมูล คุณภาพของข้อมูลการวัดและความหลากหลายของรูปทรงที่สามารถรวม โดยความคมชัดวิธีการคำนวณการใช้เทคโนโลยีภาพดิจิตอลจะช่วยให้เราโดยอัตโนมัติเพื่อวัดความหลากหลายของพารามิเตอร์รูปร่างที่มีขนาดเล็กมากในขนาดภาพความละเอียดสูง ( Brewer et al . , 2006 ; bylesj ö et al . , 2008 ; น้ำหนัก et al . , 2008 ; ฝรั่งเศส et al . , 2009 ; Wang et al . , 2009 ) วิธีการหลายภาพได้ถูกพัฒนาขึ้นเพื่อให้ห่างไกลฟูเรียร์ในรูปจะถูกใช้เพื่อตรวจสอบการเปลี่ยนแปลงในรูปร่างของเมล็ด ( อิวาตะ และอุไค , 2002 ; อิวาตะ et al . , 2010 ) แต่เพียงหกเม็ดต่อหนังสือที่วัด ธัญพืช ต้อง exactingly วางในทิศทางเดียวกันและความยาวที่แท้จริง มันไม่ได้วัด ดังนั้น วิธีนี้เหมาะสำหรับวัดช่วย . herridge et al .( 2011 ) พัฒนาวิธีที่จะช่วยวัดพื้นที่ของ Arabidopsis ( Arabidopsis thaliana ) เมล็ด ใช้สแกนเนอร์ซอฟต์แวร์เดสก์ทอปและการวิเคราะห์ภาพโดยอัตโนมัติงานที่ใช้แรงงาน แต่มาตรการเฉพาะบริเวณเมล็ดไม่รูปร่างค่า

เพื่อให้บรรลุการวิเคราะห์ทางพันธุกรรมของลักษณะเชิงปริมาณ ( เช่นตน [ ความ ] การวิเคราะห์ หรือ genome-wide สมาคมการศึกษา )เราต้องการวิธีที่ถูกต้องอย่างมากที่สามารถวัดเป็นจำนวนมากของกลุ่มตัวอย่างจากประชากรแผนที่พันธุกรรม เช่น F2 และสายพันธุ์แท้ ใช้น้อยเพราะมีความแตกต่างในขนาดของเมล็ดจากพืชที่อายุต้นเดียวกัน ( โฮชิคาวะ , 2536 ; herridge et al . , 2011 ) ในการศึกษานี้เราได้พัฒนาโปรแกรมที่เรียกว่า smartgrain อช่วยวิเคราะห์ภาพที่ใช้เพื่อกำหนดรูปร่างของเมล็ด smartgrain ตระหนักถึงเมล็ดทั้งหมดภายในภาพดิจิตอลตรวจจับสรุปแล้วคำนวณ L , W พื้นที่เมล็ด ( เป็น ) ความยาวเส้นรอบรูป ( PL ) และพารามิเตอร์อื่น ๆ การตรวจสอบซอฟต์แวร์ที่เราใช้ในการวิเคราะห์ QTL ข้าว ( Oryza sativa ) รูปร่างของเมล็ดพันธุ์ซึ่งเป็นเรื่องยากที่จะวัด เพราะ pedicels awns โดยอัตโนมัติและ . มีก้านเป็นก้านที่สนับสนุน spikelet ใน 6 สาขา ( รูปที่ 1A , 2A หัวลูกศรลูกศร ; รูป , ) และหนามเป็นส่วนขยายของความยาวแตกต่างกันซึ่งเป็นเส้นใยที่ยื่นออกมาจากด้านบนของบทแทรก ( รูปที่ 2A ศร ; ช้างและ bardenas , 1965 )เราใช้ ( สายพันธุ์แท้สาย ( bils ) และโครโมโซมส่วนทดแทนเส้น ( cssls ) ได้มาจากข้ามระหว่างญี่ปุ่นและโคชิฮิคาริ พันธุ์ nipponbare ซึ่งแตกต่างกันเล็กน้อยในรูปร่างของเมล็ด ผลอย่างชัดเจนแสดงให้เห็นถึงความแข็งแกร่งและประสิทธิภาพของ smartgrain เพื่อใช้ในการวิเคราะห์พันธุกรรม