欧亚国际

来源：植物表型组学

→查看原文　　　→查看PDF

2020年3月Plant Phenomics 刊发了由来自美国明尼苏达大学M. D. Clark团队题为evalsuating and Mapping Grape Color Using Image-Based Phenotyping 的研究论文，介绍了一种使用基于图像的表型分析法评估和映射葡萄颜色的方法。

葡萄浆果的颜色是一种重要的经济性状，由两个影响表皮中花青素合成的主要基因控制。颜色通常被定性地描述为六大类别；然而，这是一个主观的评价，往往不能准确描述这六个类别之间的变化。为了研究影响浆果颜色的次要基因，采用图像分析方法对不同颜色空间的浆果颜色进行量化。本研究开发了一种图像分析方法，并将其应用于经过两年杂交分离出的酿酒葡萄种群的颜色定量分析。从刚收获的葡萄簇中采集图像，按颜色进行图像分割，确定红、绿、蓝(RGB)；色相、饱和度和强度(HSI)；以及浆果的亮度、红绿和蓝黄值(L*a*b)。QTL分析确定了2号染色体上已知的主要颜色数量性状基因座，以及一些以前没有报道过的1号、5号、6号、7号、10号、15号、18号和19号染色体上的具有较小效应的数量性状基因座。本研究证明了图像分析表型系统有能力表征浆果颜色并较有效地捕获种群变异性，确定感兴趣的遗传区域。

Figure 1: A diagram of the camera, lighting, and backdrop setup used for image capture (not to scale).

使用表型分析葡萄浆果颜色所面临的主要挑战是如何将色泽上具有细微差异的浆果分为不同类别。每个少有的小气候都具有不同的温度和光照，再加上个体发育过程的差异，导致浆果间存在轻微的颜色差异，难以量化。本研究为了较充分地捕捉到这种变化，使用多个颜色空间分析图像数据，并使用值来映射分离出的不同F1种群中可能影响颜色的QTL。母本MN1264产生黑皮果实，并在两个VvMYBA 位点上各向子代贡献了至少一个功能性等位基因。父本MN1246产生红皮果实，并且在至少一个颜色决定基因座中是杂合的。黑色和非黑色的基因型以1:1的比例分离，这支持了目前使用的颜色双基因模型。颜色值的分布也反映了这两大类颜色；双峰分布分别代表了黑皮果实和非黑皮果实。PCA证明，每个颜色空间都可以区分黑皮果实和非黑皮果实。然而，每个颜色空间在每组水果的颜色分离上表现不同。RGB和HSI颜色空间均可以将葡萄浆果的颜色聚类为黑色和非黑色，并且使用聚类出的这两种主成分在组内分离果实。当使用HSI色彩空间时，2018年的黑皮果实比2017年的表现出较多的变化，而RGB在这两年的数据中表现类似。由于果实之间a*和b*值的同质性，因此L*a*b无法将黑色果实进行分离，使其成为较不适合进行浆果颜色分类的颜色空间。

Figure 2: An example of a single genotype with raw (a), color-corrected (b), and segmented (c) cluster images.

本研究采用半自动化的图像分割方式来量化不同杂交葡萄群体中浆果的颜色。利用从图像中分离出的色彩数据确认影响颜色的主效QTL，同时确定了影响颜色的新的次要QTL。使用几种不同的颜色空间以多种方式探索颜色变化，并且发现L*a*b是较不适合区分黑色和非黑色的颜色空间。本研究认为继续探索视觉颜色，包括其与花青素和其他化合物的关系，将有助于加深对颜色这一重要经济性状的环境和遗传效应的理解。

How to Cite this Article

A. N. Underhill, C. D. Hirsch, and M. D. Clark, “evalsuating and Mapping Grape Color Using Image-Based Phenotyping,” Plant Phenomics, vol. 2020, Article ID 8086309, 11 pages, 2020.http://doi.org/10.34133/2020/8086309.

推荐阅读

A High-Throughput Phenotyping System Using Machine Vision to Quantify Severity of Grapevine Powdery Mildew阅读原文介绍请点击：

利用机器视觉量化葡萄白粉病严重程度的高通量表型系统 | PPhenomics Article 

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行，是Science合作出版的第二本期刊。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的较新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、CNKI、CABI数据库收录。

编辑：黄艺清 （实习）、孔敏审核：尹欢、陈文珠