農(nóng)作物科學家希望改變辛苦的傳統(tǒng)監(jiān)測方法

━━━━

10年前，一些農(nóng)作物科學家以同樣的方式種植了同樣的植物。他們種植了相同的品種，遵循嚴格的生長機制，但收獲的植物形形色色，葉子大小、外皮細胞密度和代謝能力都各不相同。光照水平和植物處理方面的微小差異使植物的物理性狀或表型組發(fā)生了巨大變化。

雖然基因組測序價格暴跌，檢驗植物的生物指示更容易了，但對于植物是如何在特定環(huán)境中遵循這些指示的，研究人員的了解卻較為滯后。荷蘭斯赫拉芬贊德的PhenoKey公司的業(yè)務(wù)發(fā)展總監(jiān)巴斯?范?艾爾特（BasvanEerdt）表示：“對許多育種工作者來說，主要瓶頸是獲得與遺傳能力相一致的表型評價。”

育種工作者希望能夠通過觀察作物的生長情況，了解一種植物（最好是一種作物）是否正常生長，以及它如何對當?shù)氐臍夂驐l件做出反應(yīng)?，F(xiàn)在，隨著價格更低廉的傳感器和更強大的人工智能算法的出現(xiàn)，研究人員正在逐步接近這一目標。他們希望作物年產(chǎn)量提高1.3%能成為像摩爾定律一樣的規(guī)律。

這項工作的主要技術(shù)仍然是光學成像。研究人員正在開發(fā)軟件，使種植者能夠使用智能手機攝像頭來量化作物的某些表型。他們還將一系列航空航天和生物醫(yī)學物理領(lǐng)域的精密成像技術(shù)應(yīng)用到該領(lǐng)域。北卡羅來納州和荷蘭的育種工作者正在使用無人機和配有高光譜、熒光燈和層析成像傳感器的溫室來量化作物的更多表型組。

高光譜成像可以提示潛在的昆蟲危害。磁共振成像（MRI）可以檢測種子吸收水分時的微小水滴，在種子發(fā)芽和其他生長階段對其進行追蹤。正電子發(fā)射斷層掃描（PET）可以讓研究人員透過土壤觀察到花的球莖，并使植物根系的布局可視化。

2005年至2015年，歐盟在植物表型研究基礎(chǔ)設(shè)施方面花費了2.5億歐元（約3億美元），美國農(nóng)作物巨頭和政府機構(gòu)以及先正達、拜耳等主要的育種公司在該研究上的花費也高達數(shù)百萬。

這株植物被噴灑了除草劑，其葉子沒有明顯的損傷。但測量葉綠素熒光的掃描結(jié)果表明，該植物進行光合作用的能力已經(jīng)受到影響。

以往，評估一個新的作物品種需要育種人員觀察試驗田中的每一株植物，做詳細的記錄，并針對下一輪育種對所有植物進行分級?！斑@實際上是我們所做的試驗中的限制因素，”荷蘭瓦赫寧根大學及研究中心的機器人專家、業(yè)務(wù)開發(fā)人員里克?范?德?澤德（RickvandeZedde）說，“成本不是最大的問題，關(guān)鍵是需要大量的時間?！?/p>

相反，PhenoKey對數(shù)千張試驗作物的圖片進行注釋，通過添加標簽來識別花蕾數(shù)量和葉子形狀等特征。該公司利用這些注釋訓練其人工智能軟件識別特定植物的特征。范?艾爾特說，幾年前他曾提出一個案例，一家育種公司花費了不到50人工時就改進了圖像分析算法，使其能夠在滿是植物的溫室中檢測蘭花芽，準確率高達95%，所花費的時間大約是人工檢測這些植物所需時間的1/20。

2018年，范?德?澤德獲得了2200萬歐元的資金，用于建立新的荷蘭國家表型研究設(shè)施，此類設(shè)施全球為數(shù)不多，但總數(shù)量也在逐漸增加。

范?艾爾特表示，最終目標是將自動表型與基因組自動篩選結(jié)合起來。他說：“如果你對你的基因組的工作原理有深入的了解，并且有一個預(yù)測表型結(jié)果的模型，那么理論上，你就有可能預(yù)測出你的作物會是什么樣子?！?/p>