太阳集团2138

太阳集团2138订阅号推送文章汇编(2019年10月-12月)

文章来源: | 2020-01-13

太阳集团2138订阅号专注于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2019年10月-12月推送的代表性文章,以供大家参阅。


植物逆境研究

• 马铃薯青枯病抗性及青枯病菌致病力评价方法

本文报道了一套快速、高效的马铃薯离体侵染体系——水培侵染。利用致病力程度不同的青枯病菌进行侵染试验,证明该侵染体系与土壤接种法同样有效,可用于马铃薯青枯病菌的致病力鉴定。通过对32份马铃薯种质资源的小规模鉴定,确定了3个抗病品种,表明该侵染体系是一种有效的马铃薯种质资源抗性高通量筛选方法。

• 基于深度学习的黄瓜白粉病分割与量化

本文提出了一种基于卷积神经网络的语义分割模型,以像素水平对黄瓜叶片图像上的白粉病进行分割。该模型能够在像素水平对黄瓜叶片上的白粉病进行高精度分割,为黄瓜育种人员评估白粉病的严重程度提供了有价值的工具。

植物根系研究

• 植物-真菌共生过程中的表型研究

人们对接种AM真菌是否能提高植物活力进行了大量的研究,但这些研究结果却难以复制,在本文中RohanRiley博士及其同事试图找出其原因。

• 长期灌溉条件下欧洲赤松林细根功能属性的可塑性

本文以受水分限制的欧洲赤松林为研究对象,评价浅表层土壤中细根功能属性对长期灌溉引起的土壤水分可利用性增加的响应。调查的细根功能属性包括根系统功能属性、细根动态功能属性、细根构型功能属性和形态功能属性。

植物表型研究方法/方案

• 不结球白菜生长发育过程中表型变化

该研究针对设施不结球白菜生长发育过程中相关表型指标变化问题,利用表型成像技术获取不结球白菜整个生长发育过程中表型图片与数据,探讨不同品种不结球白菜整个生长期内的投影面积、开展度、紧密度、株高、株幅、荚果表型变化趋势,旨在为不结球白菜种质资源的利用和繁育提供科学依据。

• 利用激光雷达估测大田作物生物量和冠层高度

本文中,Walter J D C等研究了车载LiDAR在小麦AGB和CH无损估算中的应用,将激光雷达获得的估算结果与手动测量结果进行了比较,评估了LiDAR在育种计划中的适用性。

• 热成像技术在植物昼夜节律分析中的应用

本文中,Dakhiya Y和Green R M搭建了一个热成像平台,以昼夜温度振荡作为植物昼夜节律测定的新指标,测量了不同植物物种、野生型和昼夜节律突变型以及叶和花的昼夜节律,并将热成像技术的结果与其他昼夜节律分析技术的结果进行了比较。

• 特邀综述:新一代植物表型组学的发展之路

本文介绍了植物表型采集分析经历的从手工测量计数的初始阶段到特定测量工具的辅助阶段再到高通量表型组学3个阶段;提出了推动植物表型采集分析发展的3个要素: 表型组学研究设施、表型采集技术及图像数据分析方法; 进而详细阐述了表型组学设施的发展、国际上代表性的设施平台情况以及表型采集传感器和图像数据分析方法的发展, 并展望了植物表型组学未来的研究方向。

• 植物表型组学研究平台建设及技术应用

本文结合国内外植物表型组学研究平台建设与应用方面的进展,以PPAP为基础,从硬件基础建设、各类表型技术开发及服务等方面介绍表型组学研究设施的技术应用。

• 利用高通量冠层表型提高大豆育种效率

本文的发现强调了高通量表型平台对于植物育种早期阶段的价值。尽管基于ACC的选择在选育中表现不是最佳的,但是本文的研究结果表明了ACC在高产大豆品系的有效选择中发挥了作用:ACC可以单独或与产量结合使用,提高高产大豆品系的选择效率。

• 棉花高通量表型研究进展

本文综述了棉花高通量表型分析的技术及其最新进展,讨论了高通量表型分析在棉花形态和生理特征研究中的潜在应用,比较了高通量表型分析系统在棉花种植中的优点和局限性。

• 利用航空影像预测玉米开花期、产量和籽粒大小

本文旨在确定基于无人机图像的植被指数分析是否能区分不同杂交玉米植株(都具有良好的产量潜力)在开花时间、产量和粒径上的差异。本研究使用的UAV平台包括一架消费级四旋翼机和安装在万向架上的消费级紧凑型相机。该相机中的传感器经过LlewellynData Processing修改,使得红色通道感测波长在670和770 nm之间,峰值在约710 nm处。因此,该相机生成的是近红外、绿色、蓝色(NGB)图像,而不是红色、绿色和蓝色(RGB)图像。

• 花,叶还是两者都有?如何获得合适的图像以自动识别植物

本文中,为了探索什么样的视角及其组合能包含更多的特征信息,以达到更高的识别精度,Rzanny M等开发了一种观察开花植物的图像捕获方案。

光谱技术

• 多光谱成像在种子表型和质量监测中的最新应用概述

本文综述了利用多光谱成像技术对不同品种种子进行质量评价和安全性分析的研究进展,回顾了多光谱成像系统可能的设计结构和图像采集模式,并讨论了这些系统在可用性和适用性方面的总体优缺点。本文首次尝试介绍了多光谱成像技术在种子表型鉴定和质量监测中的应用,给出了种子性状表征、生理参数预测、缺陷检测、种子健康检测等方面的实例和研究成果。

• 基于冠层RGB图像颜色和纹理特征的大豆性状早期预测

本研究旨在探讨利用冠层RGB图像的颜色和纹理特征进行大豆性状早期预测的可能性。研究的目标是:筛选能提供最佳预测结果的建模技术;确定哪种类型的变量组合能提供最佳的预测结果,如仅使用颜色指数、仅使用纹理指数、同时使用颜色指数和纹理指数等;研究RGB图像变换的颜色和纹理信息是否能提高预测结果;通过早期冠层RGB图像的颜色和纹理特征,确定生长季末期哪些大豆性状是可以预测的。

新观点/新技术

• X射线显微断层扫描和线性判别分析可检测与栓塞相关的声发射

本文提出了一种利用机器学习和X射线计算机显微断层成像记录栓塞事件的新方法,用于从2年生盆栽欧洲白蜡树干旱试验过程中收集的AE数据集中检测与栓塞相关的AE信号。栓塞的形成用两个宽频点接触声发射传感器进行声学测量,同时用μCT进行可视化。采用机器学习方法,将μCT视觉检测到的栓塞形成与相应的AE信号联系起来。具体地说,对6个声发射波形参数进行线性判别分析(LDA),得到了一个与栓塞相关的声学脆弱曲线,该曲线更像标准的μCT脆弱曲线(VCCT),无论是在时间上还是在栓塞导管的绝对数量上。

• 手持式近红外光谱鉴别枫斗及定量分析桑葚

本文一方面解释了近红外光谱技术是目前最先进小型化技术的原因,另一方面通过详细讨论定性和定量应用实例,强调了近红外光谱技术对植物分析的影响。在定性实例中,近红外光谱技术成功地将铁皮石斛加工成的枫斗(DOK,高价值)从齿瓣石斛加工成的枫斗(DDP,低价值)中鉴别出,这二者仅通过目视检查是不太可能区分的。

植物生理生态研究

• 光合作用过程中过氧化物酶对氧化还原调节功能的研究

Vaseghi等人研究了2-CysPRX作为TRX氧化酶新功能,证明了其在光到暗的过渡过程中共同控制Calvin-Benson-Cycle酶的氧化还原状态。

• 光合作用水解放氧的结构基础

光合作用光系统II(PSII)放氧复合体的结构解析经历了由最初的推测有中间体存在,到放氧过程放氧复合物存在S0-S4五种状态,再Mn3CaO4团簇中的原子定位,直到目前水氧化位点,O=O形成位点的确定。PSII氧化水生成氧气过程清晰和系统的研究为PSII供体侧反应,质子产生,氧气释放的机理有了更新的认识,为合成氧化水的人工催化剂提供了扎实的理论基础,意义深远。

• 光合作用光能捕获与能量传递的结构基础

当外围天线复合体的激发能被核心天线复合体收集,随后的能量通过位于CP43,CP47,D1和D2内的Chla网络从CP47或CP43传递到P680特殊叶绿素分子对。在强光条件下,主要和次要LHCII中的色素分子簇可充当非光化学猝灭位点,将有害的多余激发能耗散为热量。超复合体内的潜在猝灭位点主要位于相邻天线复合体之间的界面处或附近。这些位置非常适合它们在到达反应中心之前拦截和消耗多余的能量。比该研究稍早一些时候的报道显示,生物物理模型研究已经获得了有关PSII-LHCII超复合物中光收集动力学的初步信息。现在,菠菜PSII-LHCII超复合物的冷冻电镜结构为其高度复杂的色素网络提供了详细的框架,并使人们能够更深入地了解超复合物中光捕获过程的动力学和调控。

• 解决维管植物中非光化学淬灭位点的争议

大多数NPQ发生在LHCII中,但PSII核心中还有一个PsbS依赖性淬灭的附加位点,最有可能出现在核心天线复合体CP43和(或)CP47中。

• 远红光在波动光的弱光阶段加速光合作用

FR通过激发PSI并加速NPQ弛豫和PSII产量增加,对波动光下的光合作用产生了有益的影响。这可能是由于增加了质子导度gH+,这也可以反映出波动光下远红光的存在使得拟南芥叶片具有更快的ΔpH耗散和ATP合成。

人工智能/机器学习

• 菊花品种识别新方法:基于图像的深度学习

在本文中,Liu Z.等探讨了如何将深度学习方法应用于菊花品种识别,提出了基于VGG16和ResNet50的深度学习模型,以识别大花菊花。

• 田间棉铃计数及产量预测的图像处理算法

本文提出了一种在田间自然光照条件下实现棉铃自动识别和计数的图像处理算法。该方法为在田间条件下利用彩色图像估测棉铃数提供了一种手段,有助于预测作物产量,了解作物生长的遗传机制。

• 基于深度神经网络的作物产量预测

SaeedKhaki 和Lizhi Wang设计了一种用于作物产量预测的深度神经网络(deep neural network,DNN)模型。该模型利用了最先进的建模和求解技术,精心设计的深度神经网络能够从历史数据中学习基因型、环境条件及其相互作用之间的非线性和复杂关系,并对在已知天气条件的新地点种植的杂交新品种的产量作出合理准确的预测。

其他

  • 上一篇:已是第一篇
  • 下一篇:太阳集团2138订阅号推送文章汇编(2019年7月-9月)
  •    中文/En
    Baidu
    sogou