JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

示范的高吞吐量叶测量的关键方法。这些方法可以用来加速学习时,许多植物叶表型的突变体或以其他方式筛选植物叶表型。

摘要

高通量分型(组学)是一个功能强大的工具,用于连接的基因,其功能(见综述1,最近的例子2-4)。叶片是主要的光合器官,并且它们的大小和形状各不相同发育和工厂内的环境。出于这些原因,叶片形态研究需要从众多的叶片,这最好是通过半自动化组学工具5,6的多个参数的测量。遮荫环境是一个重要的线索,影响植物的建筑和生活的历史套件的反应统称为避荫综合症(SAS)7。在SAS响应,遮阳诱导叶柄伸长和叶片面积的变化作为指标8是特别有用的。至目前为止,叶形方案( 形状层10,LeafAnalyzer 11,LEAFPROCESSOR 12)可以测量叶片轮廓和分类 ​​,叶形,但不能输出叶柄长度。叶柄缺乏大型测量系统的抑制SAS组学的方法来研究。在本文中,我们将介绍一种新开发的ImageJ的插件,称为LeafJ,它可以快速测量模式植物拟南芥叶柄长,叶片参数。偶尔叶的叶柄/叶片边界,需要手动校正我们使用的是触摸屏平板。此外,叶片细胞的形状和,叶细胞数量是重要的决定因素,叶片大小13。从LeafJ分离,我们也提出为测量细胞的形状,面积和尺寸的触摸屏平板电脑使用的协议。我们的叶性状测量系统不限于阴凉处,避免研究,并会加速叶片的许多突变体的表型筛选植物叶表型。

研究方案

1。植物材料

请注意,该的植物生长协议的目的是为避荫反应检测。你最喜欢的条件下可以生长的植物。

  1. 洒在9厘米培养皿和存储(分层)在4°C的水浸泡滤纸四天在黑暗中的拟南芥种子。
  2. 将这些培养皿中传输模拟太阳光条件:80〜100μE光合有效辐射(PAR)和远红光的补充带来的R:FR比为1.86。漫长的一天(16小时光照/ 8小时黑暗)和恒定的温度为22°C。在此条件下培养三天,让种子发芽。
  3. 发芽的种子,土壤和阳光条件下保持植物。对于大规模的实验,我们建议您准备的小标签来标记每个工厂使用数据合并管理器在Microsoft Word 2004(或更高版本)制作的标签。
  4. 11天后TRansfer土壤,将有一半的植物遮荫条件:同样的阳光下,但补充远红光带来的R / FR比0.52。
  5. 一个额外的12天之后,植物叶成像。在这个阶段,老叶已经完全成熟,而年轻的叶子还在不断扩大,让你捕获快照的发展。您可能需要根据您的需要选择不同的发育时间。

2。叶片图像捕捉解剖

  1. 准备与植物的基因型和生长状况与5个矩形框标记的投影胶片。一帧对应于从一种植物的叶子。 Microsoft Excel可以用来打印标签一致的网格。
  2. 解剖叶,26天老厂。
  3. 扫描分辨率为600 dpi离开床一台扫描仪。需要注意的是从一种植物叶应垂直放置在透明的薄片三明治,一个黑色的窗口内。避免接触的叶子一个黑色的窗口框架和重叠的树叶,这将给下列程序中的错误。

3。叶图像分析LeafJ

  1. 下载ImageJ的拖动LeafJ.jar文件到plugins文件夹中ImageJ的。
  2. 打开ImageJ的1.45s或更高版本14中的图像文件。
  3. 图像分割成三个颜色通道(红色,绿色和蓝色)的“图像”>“颜色”>“拆分通道”和应用在蓝色通道的图像的阈值。
  4. 选择所有的叶子从一个工厂的矩形工具( 图1A)。
  5. 选择的插件菜单的“LeafJ”。
  6. 从出现的对话框中选择“注释信息,为这家工厂。您可以出现在这里点击“编辑选项为:”编辑默认值。
  7. 运行后LeafJ插件,然后单击“OK”按钮,编辑跟踪线,从该地区的利益(投资回报率)管理器“窗口(如果有必要, 图1B)。在此过程中是很有用的触摸屏平板电脑(如iPad的)。 ipad公司可以连接到一台计算机,外部显示器,使用空气显示软件。
  8. 导出测量结果和相关信息(文件名,开花时间,解剖,测量等)到Microsoft Excel或相同的软件。

4。 ImageJ的叶细胞图像分析

  1. 修复解剖离开扫描(步骤2)后,如参考文献15中描述的。至少6个月,FAA固定叶片可以保存在4°C。
  2. FAA固定液,通过改变水合氯醛溶液,并培育叶1〜2显微镜观察15小时前,清除落叶。
  3. 山叶英里croscope滑动皮毛朝上。使用复合式显微镜,图像叶肉层的每一片叶子的中心主脉两侧的40倍的放大倍率,避免皮毛或静脉附近的细胞。
  4. 微量叶细胞概述ImageJ的投资回报率管理工具,借助触摸屏的平板电脑和手写笔(如在步骤3)。细胞图像分析使用ImageJ的内置功能,但不需要LeafJ。

结果

1。叶片图像显示的叶柄和叶片边界的估计,其测量窗口

的LeafJ最有用的功能之一是自动检测的叶片/叶柄边界的( 图1)。 LeafJ算法的工作原理如下:内置ImageJ的ParticleAnalyzer功能中被用来寻找并确定内的用户选择的叶子的取向。对于每片叶子的叶的宽度确定沿叶片的整个轴。使用运行的窗口(为7近端到焦点位置的位置的平均宽度的平均宽度为7到焦点位置的远侧位置...

讨论

我们的“LeafJ”的插件,使测量叶柄长半,自动比手动测量吞吐量提高了近6倍。叶柄长是SAS的一个重要指标,也是一个具有里程碑意义的现象,如淹没性与偏下的增长17。因此,这个插件可能是有用的范围广泛的植物研究。

我们的插件来实现在一个完善的基于Java的免费软件,ImageJ的。这使得可以轻松跨平台的安装。易于修改程序也是一个优势的LeafJ插件的ImageJ的,因?...

披露声明

没有利益冲突的声明。

致谢

LeafJ是由JNM,而他是在休假中的凯瑟琳·波拉德博士的实验室在格拉德斯通研究所。

这项工作是由美国国家科学基金会的资助(批准号IOS-0923752)。

材料

NameCompanyCatalog NumberComments
的试剂的名称 公司 目录编号
远红光LED Orbitec 客户定制
透明度 IKON HSCA / 5
扫描器爱普生爱普生Perfection V700 PHOTO
图像J 美国国立卫生研究院 http://rsbweb.nih.gov/ij/
LeafJ 习惯 http://www.openwetware.org/wiki/Maloof_Lab
空气显示 Avatron软件公司空白的“http://avatron.com/
iPad2的苹果公司 http://www.apple.com/

参考文献

  1. Furbank, R. T., Tester, M. Phenomics--technologies to relieve the phenotyping bottleneck. Trends Plant Sci. 16, 635-644 (2011).
  2. Berger, B., Parent, B., Tester, M. High-throughput shoot imaging to study drought responses. J. Exp. Bot. 61, 3519-3528 (2010).
  3. Borevitz, J. O. Natural genetic variation for growth and development revealed by high-throughput phenotyping in Arabidopsis thaliana. G3 (Bethesda). 2, 29-34 (2012).
  4. Albrecht, D. R., Bargmann, C. I. High-content behavioral analysis of Caenorhabditis elegans in precise spatiotemporal chemical environments. Nat. Methods. 8, 599-605 (2011).
  5. Chitwood, D. H., et al. Native environment modulates leaf size and response to simulated foliar shade across wild tomato species. PLoS ONE. 7, e29570 (2012).
  6. Chitwood, D. H., et al. The developmental trajectory of leaflet morphology in wild tomato species. Plant Physiol. 158, 1230-1240 (2012).
  7. Casal, J. J. Shade Avoidance. The Arabidopsis Book. , e0157 (2012).
  8. Smith, H., Kendrick, R. E., Kronenberg, G. H. M. . Photomorphogenesis in Plants. , 377-416 (1994).
  9. Iwata, H., Ukai, Y. SHAPE: a computer program package for quantitative evaluation of biological shapes based on elliptic Fourier descriptors. J. Hered. 93, 384-385 (2002).
  10. Bylesjo, M., et al. LAMINA: a tool for rapid quantification of leaf size and shape parameters. BMC Plant Biol. 8, 82 (2008).
  11. Weight, C., Parnham, D., Waites, R. LeafAnalyser: a computational method for rapid and large-scale analyses of leaf shape variation. Plant J. 53, 578-586 (2008).
  12. Backhaus, A., et al. LEAFPROCESSOR: a new leaf phenotyping tool using contour bending energy and shape cluster analysis. New Phytol. 187, 251-261 (2010).
  13. Tsukaya, H. Mechanisms of Leaf-shape determination. Annual Review of Plant Biology. 57, 477-496 (2006).
  14. Abramoff, M. D., Magalhaes, P. J., Ram, S. J. Image Processing with ImageJ. Biophotonics International. 11, 36-42 (2004).
  15. Horiguchi, G., Fujikura, U., Ferjani, A., Ishikawa, N., Tsukaya, H. Large-scale histological analysis of leaf mutants using two simple leaf observation methods: identification of novel genetic pathways governing the size and shape of leaves. Plant. J. 48, 638-644 (2006).
  16. Horiguchi, G., Ferjani, A., Fujikura, U., Tsukaya, H. Coordination of cell proliferation and cell expansion in the control of leaf size in Arabidopsis thaliana. J. Plant. Res. 119, 37-42 (2006).
  17. Pierik, R., de Wit, M., Voesenek, L. A. C. J. Growth-mediated stress escape: convergence of signal transduction pathways activated upon exposure to two different environmental stresses. New. Phytol. 189, 122-134 (2011).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

71 ImageJ LeafJ

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。