苜蓿/紫花苜蓿（Medicago sativa L.）是得到了廣泛種植的多年生草料作物，其有十分發(fā)達的根系，能夠從深達6米的地下汲取水分和養(yǎng)料。在苜蓿的生命周期中，其根系會積極地發(fā)揮固碳作用，還能夠借助生物固氮效應向土壤供應大量的氮元素。然而，根系在土壤中呈現較高的可塑性且難以對其結構直接進行測量，導致對根系結構（Root System Architecture，RSA）性狀的選育進度較地上性狀落后。
 

近日，Plant Phenomics 在線發(fā)表了美國農業(yè)部農業(yè)研究所及其合作單位完成的題為Objective Phenotyping of Root System Architecture Using Image Augmentation and Machine Learning in Alfalfa (Medicago sativa L.) 的研究論文。
 

“根系結構” 指在特定生長環(huán)境中植物根部隨時間推移的空間分布情況，受遺傳基因以及環(huán)境因素（土壤水分含量、溫度、pH值等）共同調控。不同的根系特性能使植物適應各種不同的環(huán)境，影響耐旱性、耐熱性、抗倒伏性、產量等關鍵性狀。因此，隨著全球氣候變化的不斷加劇，改良根系性狀以增強植物對各種脅迫的抗性顯得愈發(fā)重要。而由于根部性狀的特殊性（隱藏在地下），在根系結構方面使用基于表型選擇的常規(guī)育種方式仍具有一定的挑戰(zhàn)性。
 

目前，專門針對苜蓿根系結構（RSA）表型的育種研究仍較少，正在進行的育種工作主要面向主根及分支類型進行，對根系結構的表型分析也主要依賴人工目視評估或分類。盡管已有部分研究開發(fā)了基于圖像的根系表型方法，但這些方法在實際的育種工作中作用仍較為有限。因此，該文章從實際的苜蓿表型和育種工作出發(fā)，開發(fā)和比較了基于圖像的根系結構表型分析方法，使用機器學習和深度學習算法對田間采集的成熟期苜蓿圖像進行分類。結果表明，無監(jiān)督機器學習模型傾向于將根系圖像錯誤地歸集為正態(tài)分布，將大部分樣本分類為中間型；而基于隨機森林和深度學習算法開發(fā)的模型（圖2）能夠以86%的準確率將根系類型分為分支型、主根型和中間型（圖1），且添加圖像增強模塊后能將準確率提高至97%。此外，算法還會基于預測類型及其概率輸出預測置信度，輔助育種家更好地做出品系篩選決策。
 

該文章所提出的機器學習和深度學習方法能夠準確分類根系結構表型，還有望用于氣候適應性較強的苜蓿的分子育種工作中。
 

圖1(a)側根型;(b)直根型和(c)介于直根型和側根型中間根型代表性圖像

圖2有三個隱藏層的人工神經網絡（Artificial neural network，ANN）

論文鏈接

https://doi.org/10.34133/2022/9879610

——推薦閱讀——

Qualification of Soybean Responses to Flooding Stress Using UAV-Based Imagery and Deep Learning

https://doi.org/10.34133/2021/9892570

Plant Phenomics | SNAP：基于機器學習的全自動大豆根瘤提取算法

Machine Learning-Based Presymptomatic Detection of Rice Sheath Blight Using Spectral Profiles (sciencemag.org)

https://doi.org/10.34133/2020/8954085

Plant Phenomics | 使用光譜特征和機器學習檢測水稻紋枯病的發(fā)病先兆

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發(fā)布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。2021年中科院期刊分區(qū)表影響因子5.706，位于農藝學、植物科學兩個小類一區(qū)，遙感小類二區(qū)，生物大類一區(qū)（Top期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

撰稿：王棟（實習）

編輯：趙瑜涵（實習）

審核：孔敏、王平