所有分类
普渡大学的研究人员开发了一种算法，可以量化和分析拼图片状植物细胞的形状变化，提供对控制叶片大小和作物产量的小规模过程的见解。该技术还可以用于测量其他复杂几何形式的边界位移，从神经元细胞和肿瘤到海岸线和冰川。
研究人员Daniel Szymanski和David Umulis带领一个跨学科团队创建了LobeFinder，这是一个帮助解决植物生物学家最棘手的任务之一的工具 - 量化路面细胞周长的变化，高度几何植物细胞的大小和形状差异很大。路面单元一起形成马赛克，驱动叶片的膨胀，叶片像太阳能电池板一样，吸收阳光并将其转化为能量。
了解这些细胞如何从简单的多面体形状变成类似拼图块的形状，可以实现长期的作物改良，因为路面细胞的变化会影响叶面积和膨胀，这是产量的关键组成部分。但识别路面细胞的形状变化在很大程度上是一个手动和主观的过程，研究人员注视细胞图像并描述她认为她看到的东西。LobeFinder旨在消除猜测并标准化数据，分析细胞形状并在每个细胞的几秒钟内提供细胞生长行为图。
“细胞是植物组织和器官的基石。细胞的数量，大小和形状最终控制着叶子的大小，形状和机械特性，”植物学和植物病理学和农学教授Szymanski说。“如果您希望能够设计植物结构，您需要了解多种规模的植物过程 - 蛋白质如何影响细胞的形状以及这些细胞形状模式如何共同起作用以影响植物特征，如叶面积和产量。”
路面细胞经历复杂的分裂和扩展过程以形成叶子，在细胞群体中甚至在单个细胞的不同区域内具有不同的生长速率和模式。随着细胞的生长，它们形成裂片，成角度的突起，发出细胞形状变化的信号。例如，如果五角大楼是一个路面单元，它将有五个凸角 - 构成其五个点的角度。
识别，计数和分析叶片有助于研究人员了解细胞形状行为并扩大这些知识，以表征叶子的大小和形状。细胞几何形状或形状的变化可以指示细胞化学过程中的变化或由突变引起的缺陷。
但是对叶数的手动评分导致个体之间的数据变化很大。如果一位专家看到一个耳垂，另一位专家可能没有。然而，当汇集专家小组的结果时，数据变得一致。
Szymanski和Umulis使用一个这样的结果池来“训练”LobeFinder以识别和计数叶，在图上绘制细胞生长行为，并分析细胞边界随时间的变化。他们利用一组植物科学家的叶片数据验证了LobeFinder的结果。
“细胞扩增的主观评分一直是该细胞类型领域的主要障碍，”Szymanski说。“LobeFinder将为每个人提供相同的答案。”
该算法可以在具有MATLAB软件的个人计算机上运行。
“我们想要一种简单客观的工具，可以很容易地为人类策展人解释数据，”农业和生物工程与生物医学工程副教授Umulis说。“LobeFinder提供了一种非常好的方法来确定细胞边界的变化如何影响整体细胞生长和模式。”
Umulis说，LobeFinder还可用于识别细胞形状随时间变化与细胞表面下方化学信号发生之间的因果关系。
为了使用LobeFinder，用户将路面单元边界的xy坐标输入到算法中，该算法将凸包应用于图像 - 就像“在其周围放置橡皮筋”，Umulis说。LobeFinder通过注意细胞边界与“橡皮筋”相遇的位置并检查该点两侧的压痕是否足够大以使其成为叶片来识别叶片。
虽然设计用于路面单元，但该算法可以测量许多不规则形状物体的边界变化，例如移动中的免疫细胞，北极冰盖大小的变化或者油在它们遍布海湾的时候的羽状物。墨西哥研究人员说。
Szymanski和Umulis将LobeFinder视为工具缓存中的一个组成部分，这些工具可共同提供细胞和亚细胞植物特征的自动化表型分析 - 生物体可观察特征的测量。
“在这种高分辨率下的表型分析使您能够了解动态细胞过程和行为可以解释器官或组织水平的特征，”Szymanksi说。“否则，你对机制视而不见。”
该团队正致力于修改LobeFinder，以分析细胞群体中的细胞形状变化。
研究人员正在向技术商业化办公室提交披露协议。
该论文于6月10日在植物生理学上发表。
所有评论仅代表网友意见，与本站立场无关。
我要评论