服務(wù)熱線
-
易科泰植物表型成像技術(shù)應(yīng)用:植物病害表型組學(xué)分析(二)
發(fā)布時(shí)間: 2023-01-04 點(diǎn)擊次數(shù): 1398次自然界中的植物都會(huì)面臨各種病害的侵染。病害防治更是農(nóng)業(yè)生產(chǎn)中的重中之重??茖W(xué)家們一直致力于用各種技術(shù)研究植物病害的發(fā)病機(jī)制和防治方法。在近年的最新研究中,新興的組學(xué)研究技術(shù)逐漸成為病害研究的熱點(diǎn)。在各種組學(xué)技術(shù)中,從直觀、無損、快速、簡(jiǎn)便以及農(nóng)業(yè)應(yīng)用推廣上考慮,植物表型成像分析技術(shù)無疑是選擇之一。
傳統(tǒng)表型概念里以形態(tài)學(xué)指標(biāo)為主。而現(xiàn)代植物表型成像分析技術(shù)已經(jīng)不局限于形態(tài)學(xué),其主要應(yīng)用的成像技術(shù)如下,它們?cè)谥参锊『ρ芯糠謩e反映植物的不同表型變化與生理過程:
技術(shù)類別
表型與生理過程
病害研究用途
常用參數(shù)指標(biāo)
葉綠素?zé)晒獬上窦夹g(shù)
植物光合能力、光合電子傳遞鏈、光系統(tǒng)熱耗散等光合生理過程
評(píng)估病害對(duì)光合系統(tǒng)損傷程度與機(jī)制;由于光系統(tǒng)對(duì)脅迫的敏感性,是病害早期預(yù)警的技術(shù)之一
最大光化學(xué)效率Fv/Fm、實(shí)際光化學(xué)效率QY、非光化學(xué)淬滅系數(shù)NPQ、熒光衰減率“活力指數(shù)"Rfd等
UV-MCF紫外激發(fā)多光譜熒光成像技術(shù)
植物在病斑及周邊區(qū)域合成大量黃酮、多酚類次生代謝物,以防御病害的擴(kuò)散
通過測(cè)量次生代謝物熒光,評(píng)估病害的發(fā)生程度與植物防御機(jī)制的激活
次生代謝物熒光F440、F520;葉綠素?zé)晒?/span>F690、F740
形態(tài)成像分析技術(shù)
株高、株寬、葉面積、生物量、生長動(dòng)態(tài)、色彩變化等形態(tài)的影響
評(píng)估不同條件下對(duì)植物形態(tài)的影響乃至增產(chǎn)效應(yīng)
株高、葉面積及病斑面積、數(shù)字生物量等
多/高光譜(反射光譜)成像分析技術(shù)
通過反射光譜的變化定量反映植物活力、色素組成、光合作用、生化組成、氮素營養(yǎng)、水分含量等表型生理,對(duì)病害的影響進(jìn)行間接測(cè)量。
病害對(duì)從健康程度、色素組成、營養(yǎng)狀況等方面的影響,同時(shí)也配合葉綠素?zé)晒獬上窦夹g(shù)對(duì)病害抗性進(jìn)行進(jìn)一步驗(yàn)證。
歸一化植被指數(shù)NDVI、光化學(xué)反射指數(shù)PRI、花青素反射指數(shù)ARI、胡蘿卜素反射指數(shù)CRI等
紅外熱成像技術(shù)
獲得植物表面溫度分布圖及溫度數(shù)據(jù)
通過葉片溫度反映由于病害導(dǎo)致的葉片氣孔導(dǎo)度變化、代謝紊亂等
平均溫度、溫度范圍、水脅迫指數(shù)I
植物病害的病原體有細(xì)菌、真菌。而植物種類又有模式植物、谷物、蔬菜、水果等。植物表型成像分析技術(shù)能夠應(yīng)對(duì)這些不同的研究需求嗎?我們從具體的文獻(xiàn)案例里查找答案。上一期我們介紹了抗病毒基因、蔬菜水果的葉片細(xì)菌病害相關(guān)研究案例,本期則主要介紹蔬菜、水果葉片與根系細(xì)菌、真菌病害;水稻細(xì)菌病害;病毒病害高通量表型分析等研究案例。
一、蔬菜、水果葉片與根系細(xì)菌、真菌病害表型分析
西班牙國家研究委員會(huì)(CSIC)綜合利用植物表型成像技術(shù)對(duì)病害進(jìn)行的相關(guān)研究已經(jīng)持續(xù)了近10年。研究人員利用FluorCam葉綠素?zé)晒獬上窦夹g(shù)、FluorCam UV-MCF多光譜熒光成像技術(shù)、熱成像技術(shù)從時(shí)間和空間尺度上分別反映病原體感染對(duì)光合作用、次級(jí)代謝、氣孔導(dǎo)度的影響。研究方向涉及多種細(xì)菌、真菌和蔬菜、水果,下面列舉部分研究成果:
細(xì)菌性軟腐病菌Dickeya dadantii是農(nóng)業(yè)上的重要病害。這種病菌會(huì)先圍繞一個(gè)萎黃環(huán)出現(xiàn)多個(gè)壞死斑點(diǎn),進(jìn)而整個(gè)感染區(qū)域壞死并逐漸擴(kuò)展到周圍的組織中。研究人員使用這三種技術(shù)對(duì)甜瓜葉感染Dickeya dadantii進(jìn)行了成像測(cè)量,同時(shí)通過機(jī)器學(xué)習(xí)來處理這些成像技術(shù)獲得的數(shù)據(jù),建立數(shù)學(xué)算法來分類葉片感染區(qū)域,從而快速識(shí)別病害的發(fā)生。
相同的儀器技術(shù)也可用于研究真菌引起的植物葉片病害,比如由真菌Podosphaera fusc感染引起的白粉病。通過對(duì)感染白粉病的西葫蘆葉片進(jìn)行FluorCam UV-MCF多光譜熒光和熱成像分析,發(fā)現(xiàn)UV-MCF多光譜熒光參數(shù)F520/F680對(duì)于識(shí)別白粉病特別靈敏。而熱成像與F440成像結(jié)果則表明,白粉病對(duì)葉片氣孔關(guān)閉與次生代謝物合成的影響也是非常顯著的。
CSIC的研究人員還發(fā)現(xiàn)可以通過植物表型技術(shù)檢測(cè)植物的地上部來發(fā)現(xiàn)根系的病害。比如被根系寄生雜草列當(dāng)Orobanche cumana Wallr寄生的向日葵,真菌Rosellinia necatrix引起的牛油果根系白紋羽病等。這些研究為根系病害的前期發(fā)現(xiàn)與防治提供了有力的技術(shù)支持。
參考文獻(xiàn):
1.Pineda M, et al. 2018. Detection of bacterial infection in melon plants by classification methods based on imaging data. Front. Plant Sci. 9(164), doi: 10.3389/fpls.2018.00164
2.Pineda M, et al. 2017. Use of multicolour fluorescence imaging for diagnosis of bacterial and fungal infection on zucchini by implementing machine learning. Functional Plant Biology,
3.Ortiz-Bustos C M, et al. 2017. Use of Blue-Green Fluorescence and Thermal Imaging in the Early Detection of Sunflower Infection by the Root Parasitic Weed Orobanche cumana Wallr. Frontiers in Plant Science 8:833
4.Granum E, et al. 2015. Metabolic responses of avocado plants to stress induced by Rosellinia necatrix analysed by fluorescence and thermal imaging. Eur J Plant Pathol, DOI 10.1007/s10658-015-0640-9
二、水稻稻瘟病、白葉枯病與干旱抗性的無損定量檢測(cè)
在農(nóng)業(yè)生產(chǎn)實(shí)踐中,作物經(jīng)常會(huì)同時(shí)面臨生物和非生物脅迫的雙重影響。水稻作為種植面積的作物,從而面臨一系列的環(huán)境挑戰(zhàn)。在熱帶和亞熱帶地區(qū),水稻面臨的最主要非生物脅迫就是干旱脅迫,同時(shí)如稻瘟病、白葉枯病等病害也會(huì)嚴(yán)重降低水稻的產(chǎn)量。
捷克科學(xué)院全球變化研究所聯(lián)合美國堪薩斯州立大學(xué)、國際水稻研究所等單位開展了這方面的研究。研究者通過FP100手持式葉綠素?zé)晒鈨x、FluorCam便攜式熒光成像儀和SpectraPen手持式光譜儀分別測(cè)量多種近等基因系水稻在不同脅迫下的葉綠素?zé)晒鈪?shù)與植被指數(shù),試圖在田間快速識(shí)別病害與干旱的發(fā)生。
葉綠素?zé)晒夥治霰砻?,光系統(tǒng)II最大量子產(chǎn)額Fv/Fm、實(shí)際量子產(chǎn)額QY_Lss和穩(wěn)態(tài)葉綠素?zé)晒?/span>Ft_Lss都可以有效地分辨稻瘟病和白葉枯病。而在進(jìn)行干旱脅迫檢測(cè)時(shí),QY_Lss則效果不好。
通過光譜儀獲得的植被指數(shù)則表明稻瘟病和干旱可以通過可見光波段的反射光譜植被指數(shù)來檢測(cè),而白葉枯病可以通過近紅外波段相關(guān)的反射光譜植被指數(shù)來檢測(cè)。
植被指數(shù)
公式
相關(guān)性
反射比RR
R550/R675
稻瘟病
反射比RR
R570/R675
稻瘟病
反射比RR
R675/R700
葉綠素a
反射比RR
R672/R550
葉綠素b
反射比RR
R750/R550
總?cè)~綠素
結(jié)構(gòu)反射指數(shù)SRI
R750/R700
總?cè)~綠素
歸一化植被指數(shù)NDVI
(R755+R664)/(R755-R664)
總?cè)~綠素
反射比RR
(R780-R710)/(R780-R680)
總?cè)~綠素
歸一化光譜指數(shù)NDSI
(R550-R410)/(R550+R410)
葉綠素b
光化學(xué)反射指數(shù)PRI
(R531-R570)/(R531+R570)
光合作用
類胡蘿卜素反射指數(shù)CRI700
1/R510-1/R700
總類胡蘿卜素
研究中使用的反射光譜植被指數(shù)
參考文獻(xiàn):
1.?ebela, et al. 2017. Chlorophyll fluorescence and reflectance-based non-invasive quantification of blast, bacterial blight and drought stresses in rice. Plant and Cell Physiology,59(1):30-43
三、植物病害高通量動(dòng)態(tài)表型成像分析
植物感染病害后的表型改變是一個(gè)長期動(dòng)態(tài)變化的過程。理想的表型研究當(dāng)然是能對(duì)這一過程進(jìn)行連續(xù)不斷的監(jiān)測(cè)。但如果用人工測(cè)量的方法太過費(fèi)時(shí)費(fèi)力,這就需要一種能夠兼具植物表型成像分析、植物培養(yǎng)、自動(dòng)傳送的自動(dòng)化系統(tǒng)。
赫爾辛基大學(xué)國家植物表型研究設(shè)施(National Plant Phenotyping Infrastructure,NaPPI)先后裝備了2套PlantScreen高通量自動(dòng)化植物表型成像分析系統(tǒng):一套適用于50cm以下的小型植株,如擬南芥或作物幼苗等;一套適用于120cm以下的大型植株,如小麥、玉米等。
赫爾辛基大學(xué)的研究人員利用PlantScreen系統(tǒng)研究了甘薯被羽毛斑駁病毒(SPFMV)和褪綠矮化病毒(SPCSV)感染后的表型動(dòng)態(tài)變化。通過連續(xù)29天的RGB形態(tài)成像、葉綠素?zé)晒獬上衽c紅外熱成像分析,綜合評(píng)估了兩種病毒對(duì)甘薯造成損傷的嚴(yán)重程度。而在病害損傷評(píng)估中的參數(shù)是實(shí)際光化學(xué)效率ΦPSII和光化學(xué)淬滅系數(shù)qP。而表型數(shù)據(jù)的變化又與病毒的分布與積累有明確的相關(guān)性。
參考文獻(xiàn):
1.Wang L, Poque S, Valkonen JPT. 2019. Phenotyping viral infection in sweetpotato using a high-throughput chlorophyll fluorescence and thermal imaging platform. Plant Methods, 15, 116
北京易科泰生態(tài)技術(shù)公司提供植物病害表型全面技術(shù)方案:
1.FluorCam葉綠素?zé)晒?/span>/多光譜熒光技術(shù)
2.PlantScreen植物高通量表型成像分析平臺(tái)
3.FluorPen手持式葉綠素?zé)晒鈨x、SpectraPen手持式植物高光譜儀
4.PhenoPlot®輕便型植物表型成像分析系統(tǒng)
5.PhenoPlot®懸浮雙軌式表型成像分析系統(tǒng)
6.PhenoTron®-HSI多功能高光譜成像分析系統(tǒng)
7.PhenoTron®復(fù)式智能LED光源培養(yǎng)與光譜成像分析平臺(tái)
8.PhenoTron®PTS植物光譜成像分析平臺(tái)
9.PhenoTron®-XYZ表型成像分析系統(tǒng)