Plant Phenomics | 植物根系的统计学生长特性分析

欧亚国际

欢迎您来到欧亚国际科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

技术文章

当前位置:  首页 > 技术文章

Plant Phenomics | 植物根系的统计学生长特性分析

发表时间:2020-12-07 13:03:41点击:1754

来源:植物表型组学

分享:

1607317250540318.png

1607317267940402.png

生物分支网络是获取和分配资源的基础,例如处理信息的神经树、循环运输血液的血管网络和植物中运输糖分和营养物质的结构等。一直以来,数理生物学家们都在致力于解读这些生物分支网络在空间中的生长和散布。由于不同类型的分支网络在结构和功能上基本相似,所以有必要探究这些网络是否拥有共同的定量特征。

土壤具有复杂的化学和物理环境,其中的水和养分呈非均相分布,并且会受到多种生物的竞争。因此,植物根系发育的时间和位置对其能否成功获取资源以及生存能力有着重要的影响。在根系觅养的过程中,植物获取到的有限碳资源不断在现有根的生长(伸长)和产生新根系(分支)之间分配,分配过程由遗传机制和内外信号共同决定;确定驱动根系形成不同形状的分子机制,有助于揭示基因型和表型的关系,并且有助于在农作物中选育特定的性状。

目前,植物根系的许多结构特征已得到了广泛研究,包括根深、根长、根毛分布、侧生根的大小和数量等。另外,也有许多研究分析了根系形状的总体性质,包括根系觅养精确度、通过持久同源法获取的拓扑形态等,上述特性会影响根系结构的许多生物学功能,如锚固、固碳以及在土壤中寻找水和养分等。

近日,Plant Phenomics在线发表了美国冷泉港西蒙斯定量生物学中心、加州大学圣地亚哥分校及唐纳德·丹佛斯植物科学中心Sam Sultan等人题为A Statistical Growth Property of Plant Root Architectures的研究论文。

根系的分支密度和空间分布具有许多功能意义,也是该文章关注的重点。文章使用了一种基于凝胶的环境可控光学成像平台,该平台能够以无损的方式对根系进行大量测量,并输出根系结构的点云(Figure 1a)。之后,使用基于概率论的方法来研究根系结构的空间密度函数(Figure 1b),该函数描述了在根系所占据的三维空间中的每个点是根系分支点的概率。

研究者分析了来自4个物种的1645个根系结构,发现所有结构的空间密度函数均具有种群相似性(Figure 2)。也就是说,尽管这些根系结构具有明显的视觉多样性,但除了沿正交方向上的拉伸和压缩外,都具有相同的基本形状,且所有根系结构的空间密度都可以用单个基础函数的变化来描述。此外,植物的芽结构也遵循以上的表现形式,这表明根、芽这两种植物体内基本的运输系统很可能使用了相似的生长策略。

1607317309217133.png


Figure 1: Point clouds of root system architectures and example Gaussian spatial density function.

1607317362401186.png

Figure 2: Root architectures are population-similar and have Gaussian spatial densities.


论文链接

http://spj.sciencemag.org/journals/plantphenomics/2020/2073723/


——推荐阅读——

Soybean Root System Architecture Trait Study through Genotypic, Phenotypic, and Shape-Based Clusters 

http://spj.sciencemag.org/journals/plantphenomics/2020/1925495/

Plant Phenomics | 通过对大豆根系的基因、表型及根形进行聚类分析来研究根系构型特征

An Analysis of Soil Coring Strategies to Estimate Root Depth in Maize (Zea mays) and Common Bean (Phaseolus vulgaris)

http://spj.sciencemag.org/journals/plantphenomics/2020/3252703/

Plant Phenomics | 对玉米和常见豆类土壤取芯法测定根深的分析

About Plant Phenomics

《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(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最新技术,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CABI、CNKI和DOAJ数据库收录。

说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

撰稿:王栋(实习)

编辑:周灿彧(实习)、鞠笑、孔敏

审核:尹欢

QQ图片20201207124724.png

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报
欧亚国际