周宇朱玉賢合作開發(fā)植物葉片表皮細胞的智能識別與定量工具
植物氣孔是植物與外界環(huán)境進行CO2和水交換的重要通道。氣孔數(shù)量的變化直接影響植物的光合作用、蒸騰作用、水分利用以及耐旱性。氣孔及其周圍表皮細胞的大小形態(tài)和數(shù)量等特征是植物研究的重要表型，對相關(guān)功能與調(diào)控通路的研究具有重要意義。然而，傳統(tǒng)的氣孔表型鑒定依賴于大量繁瑣且耗時的人工標(biāo)定。近年來，研究人員開發(fā)了一些可以識別氣孔或劃分表皮細胞的軟件，它們對由熒光顯微鏡生成的邊界清晰的葉片發(fā)育早期表皮細胞進行識別時表現(xiàn)尚可，但對于常見的由光學(xué)顯微鏡生成的葉片表皮明場圖像，識別精度都十分有限。這些軟件的使用者不得不輔以大量的人工校正工作。
2022年1月26日，武漢大學(xué)周宇教授研究組和朱玉賢教授團隊合作在知名學(xué)術(shù)期刊《植物細胞》(The Plant Cell)在線發(fā)表了題為“LeafNet：分割與定量氣孔和表皮細胞的工具”(LeafNet: A Tool for Segmenting and Quantifying Stomata and Pavement Cells)的研究論文。該研究開發(fā)了基于深度學(xué)習(xí)的，可在光鏡明場圖像中準(zhǔn)確地同時識別氣孔與表皮細胞，并對其形態(tài)特征進行定量分析的自動化工具。Plant Cell雜志對此工作發(fā)表了題為“No more manual counting: LeafNet quantifies the leaf surface”的Brief Highlight文章。
此論文開發(fā)的LeafNet工具可自動化地定位氣孔并分割表皮細胞，同時可以自動輸出多種形態(tài)學(xué)分析數(shù)據(jù)，并且適用于以往大部分工具不適用的光鏡明場下拍攝的剝制標(biāo)本。此工具采用了層次分析的策略：首先使用深度卷積神經(jīng)網(wǎng)絡(luò)模型識別氣孔（StomaNet模塊）；之后將識別的氣孔遮罩，進而在遮罩后的圖像上對表皮細胞進行分割（LeafSeg模塊），然后進行不同特征的定量和統(tǒng)計（圖1）。
圖1. LeafNet的設(shè)計策略
LeafNet在氣孔識別與細胞分割上均具有較好的精度。與現(xiàn)有的其它六個分析工具相比，LeafNet在測試樣本集（光鏡明場下拍攝的擬南芥葉片剝制標(biāo)本）上的表型分析精度顯著提高。在對圖像進行人工檢查后，作者認為該工具的精度優(yōu)勢主要源于對明場圖像中噪聲與污跡的耐受能力，以及結(jié)合了氣孔識別與細胞分割的特性。
為提高LeafNet在植物葉片氣孔表型分析中的普適性，作者采用機器學(xué)習(xí)中的遷移學(xué)習(xí)進一步將其應(yīng)用場景進行擴展，以適配多種不同顯微拍攝模式與不同植物物種的葉片下表皮圖像。對于與輸入樣本接近的圖像（例如光鏡明場下的煙草葉片剝制標(biāo)本），LeafNet無需任何修改即可適配。對于與輸入樣本形態(tài)差異較大的圖像，LeafNet僅需要少量樣本進行遷移學(xué)習(xí)（例如共聚焦顯微鏡拍攝的擬南芥葉片），即可獲得較好的精度。LeafNet的結(jié)果在不進行人工修正的前提下，可以正確地發(fā)現(xiàn)兩種不同基因型之間實際存在的表型差異，并與人工結(jié)果產(chǎn)生的統(tǒng)計學(xué)結(jié)論一致。同時，LeafNet支持通過少量的人工修正進一步提高精度。
為方便用戶使用，LeafNet同時提供了本地部署的圖形界面與命令行界面，以及網(wǎng)頁使用三種方式。本地部署的安裝指南與網(wǎng)頁使用的說明均可在項目網(wǎng)站https://leafnet.whu.edu.cn/查看，項目源碼發(fā)布于https://github.com/zhouyulab/leafnet。
武漢大學(xué)生命科學(xué)學(xué)院周宇研究組李少鵬博士和朱玉賢研究組李林懋博士后為該論文的共同第一作者，樊偉良、馬素平等研究生參與了研究；該研究工作得到了武漢大學(xué)生科院王坤教授、比利時根特大學(xué)張成博士和Eugenia Russinova教授的幫助和支持。周宇教授和朱玉賢教授為該研究論文的共同通訊作者。
原文鏈接：https://doi.org/10.1093/plcell/koac021
版權(quán)與免責(zé)聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com