WIWAM高通量植物表型成像分析平臺—從細胞到全植物表型

Cell to whole-plant phenotyping: the best is yet to come

從細胞到全植物表型：未來可期

摘要：成像和圖像處理已經*改變了植物的表型，現在是表型特征測量的主要工具。在這里，本文通過檢查三個重要特征來回顧植物表型系統：通量、維度和分辨率。首先，強調了整株表型系統以及自動化方面的進步，這些進步使通量顯著增加。然后討論器官和細胞水平的表型分析及其工具（通常以較低的通量運行），作為以較高的空間和時間分辨率獲得高維表型數據的一種手段。顯示了傳感器技術的新發展對獲取植物形態和生理相關性狀的重要性。總的來說，應該講注意力集中在空間和時間分辨率上，因為這些是植物表型系統成像程序的關鍵方面。

植物表型是一個復雜問題，涉及許多的系統和工具

表型組學被認為是生物學中的一門新學科，涉及在多個組織層次上收集高維表型數據，以便與全基因組測序類似，朝著完整描述基因組表型的方向發展。當然，這一最終目標仍將是假設性的；然而，植物表型和表型組學的當前和未來發展可能得益于對維度、通量和分辨率的考慮，因為我們對植物過程的總體理解，特別是基因型-表型關系的理解還遠未完成。植物表型本質上是復雜的，因為它們是基因型與多種環境因素相互作用的結果。這種相互作用一方面影響植物的發育程序和生長，可以通過結構特征來描述，另一方面影響植物的功能，可以通過生理特征來描述（圖1）。結構和生理特征最終決定了植物在生物量和產量方面的表現。不同組織級別或不同類別的表型特征可能在一個特定或多個環境中表現出高度相關性（依賴性變異）。如果穩健，這些可能會降低表型的復雜性（即，需要測量的不同性狀的數量），但這是否需要取決于生物學問題。

圖1.從植物表型到表型組學

總體而言，植物表型組學似乎在高通量、低分辨率表型和低通量和高分辨率的深度表型之間有些分歧。這種差異目前在植物發育營養階段的表型中尤為突出。本綜述側重于營養枝條和根系表型的技術方面，涵蓋生物體（整株植物）到細胞水平。 通過檢查三個關鍵特征——通量、維度和分辨率來討論表型系統和工具。突出顯示了可以提高高通量和低通量系統維度的新技術。

整株植物表型自動化

在植物突變體集合中，探索性表型分析用于檢測“異常”性狀（普通的是野生型表型），而自然和隔離種群則用于評估理想性狀，這可能是對干旱或低溫等壓力環境條件的響應。大量基因型集合的表型分析能夠鑒定與性狀相關的基因組區域并最終進行基因克隆，并建立可能有助于基于標記的種質選擇的遺傳標記。篩選目的通常需要處理大量植物，優選通過高通量系統，以測量表型性狀，通常在整株植物或生物體水平（即，莖或根系統）。一般來說，當耗時或重復的手動干預和分析可以被以下全部或部分方法取代時，自動化工作流程可以提高通量：(i) 非侵入性傳感器，(ii) 自動化數據處理以獲得感興趣的表型特征， (iii) 自動將植物傳送到傳感器，反之亦然，(iv) 自動植物培養，以及 (v) 數據管理管道中處理數據的自動分析（圖2）。

圖2.通量、分辨率和維數是植物表型系統的關鍵方面，影響著數據質量

植物表型系統自動化的最后一個途徑是開發與平臺相關的數據管理管道，包括專用和注釋數據庫，以及表型特征數據的標準化分析。此外，由于許多機器人化平臺每天都要采集千兆字節的數據，包括圖像、表型特征值、環境傳感器生成的數據和實驗元數據，因此有必要適當考慮數據管理。已采取措施促進表型系統普遍采用數據管理，因為這可能促進基因型-表型圖譜和植物模型的發展，并支持元分析。最近，關于高通量篩選遺傳微妙性的“表型瓶頸”有很多討論。全株生長性狀僅構成結構、生理和性能相關性狀矩陣的一小部分（圖1）。提高維度的一種方式是以更高的空間和時間分辨率考慮組織的多個層次（即器官、組織和細胞）的特征，盡管這仍然可能以通量為代價（圖2）。

器官和細胞水平的植物表型分析

莖和根系生長是單個器官、葉片和根系發育的累積結果，這些器官、葉片和根系本身整合了兩個基本過程，即細胞分裂和擴展。”當通過不同的補償發育途徑獲得相同的植物或葉表面積時。此外，這些生長過程受環境條件的影響，或直接（例如）土壤水分虧缺對葉片伸長率的負面影響，或間接通過對植物發育階段的影響。

盡管已經有可能從根系圖像中獲得（半）自動器官大小測量值，但植物莖的圖像通常不適用于單個葉子尺寸的測量，因為葉子可能不是（*）可見，或者它們可能由于復雜的非平面排列而重疊。此外，在發育的最早階段，葉子要么太小而無法通過常規成像進行可視化，要么它們一直隱藏在葉鞘內直到出現。單子葉植物葉片的長度和伸長率仍然是手動或通過位移傳感器測量的。雙子葉植物葉表面積通常是通過物理解剖芽和在成像前排列出現的葉子來破壞性地確定的（圖3B）。大多數處理這些圖像的工具提供葉表面積、高度、寬度和周長，而其他工具則專門開發用于以定量方式表達葉片形狀和葉片鋸齒的程度。除了大小和形狀外，確定葉脈模式以研究生長與葉片水力結構建立之間的關系也很有趣；在這種情況下，葉子被固定、清除并通過暗視野顯微鏡成像（圖 3C）。與葉子相比，用于確定根生長速率的伸長根的動態分析以及根對諸如向重彎曲等刺激的反應是非破壞性的，并且已在培養皿中透明培養基上生長的植物中實現自動化。

圖3.在多個組織級別進行植物表型分析

增加維度以更好地理解表型

表型由結構、生理和性能相關的特征以及它們在多個組織層次上的相互作用組成。因此，可以通過包括生理特征以及有助于解釋生理特征的結構特征來增加維度以更好地理解表型。首先描述了旨在提取植物固有3D結構、發育和功能的技術，然后是具有報告植物生理狀態潛力的新型傳感器。

關于通量、分辨率、維度和質量的觀點

工作流程中的機器人硬件和自動化促進了植物表型，尤其是在整個植株層面（圖2）。將歷史意義上的遙感（即衛星圖像采集和基于特定波長衍生指數的分析）應用于野外、溫室和實驗室規模，可能會在未來幾年提供大量數據。此外，應該提高維度，因為將包括植物生理學相關性狀。然而，在枝條的3D記錄和重建、枝條結構性狀的動態定量分析以及單葉水平上仍然可以取得重要進展。定量3D分析很重要，因為可以提高葉級性狀的通量，如長度和面積一樣簡單，或者更復雜的葉位置和角度，迄今為止這些性狀是手動測量、破壞性或根本沒有測量。將同時確定莖和葉性狀，從而提高對表型的理解。在細胞水平上，由特定研究問題或問題驅動的微觀系統的發展可以在成像水平上進行改進。事實上，高通量顯微成像正在進入植物研究。