Seasonal pigment fluctuation in diploid and polyploid Arabidopsis revealed by machine learning-based phenotyping method PlantServation
本研究の背景としては、植物が環境にどのように対応しているかを理解するために、葉の色素量の長期的な野外観察が重要である、という認識があります。しかし、従来の破壊的な測定手段ではこのような観察が実際的ではありませんでした。そこで本研究では、頑丈な画像取得ハードウェアと深層学習に基づくソフトウェアを組み合わせた方法、PlantServationを開発しました。これにより、自動的に植物の個体を検出し、葉の色から色素量を抽出することが可能となりました。
本研究の目的は、従来の研究では実現困難だった複雑な野外環境下での植物色素量の評価を実現することです。そのためにPlantServationという新たな方法を開発しました。これは、耐久性のある画像取得ハードウェアと、植物を自動で検出し葉の色から色素量を抽出する深層学習に基づくソフトウェアを組み合わせたものです。これにより、長期的な野外観察による色素量の評価が実現可能となりました。
多くの研究では、一つの要素に焦点を絞った室内での研究から得られた知識は、複雑な野外環境に直接適用することは難しいとされています。しかし、植物がどのように生き残るかを理解するためには、野外での時系列データが重要とされています。本研究は、そのような状況を克服するために開発されたPlantServationを使用して、野外での植物の色素含有量の評価を行うという位置づけです。
本研究では、PlantServationを開発し、それを用いて野外での植物の色素含有量の評価を行いました。さらに、色素アントシアニンの含有量に対する環境や遺伝子的な影響について調査しました。その結果、アラビドプシス属の4種の小さな個体の400万枚以上の画像を処理し、過去の放射線、寒さ、降水がアントシアニン含有量に大きな影響を与えることが明らかになりました。また、4倍体の合成型のA. kamchatica（アラビドプシス・カムチャチカ）は、2倍体のレスポンスを統合することで自然の4倍体の揺れを再現することができ、そのデータは4倍体が親の特性を継承し組み合わせることができるという長年の仮説を支持します。
本研究の有効性は、既知の混合化学標準によって検証されました。また、進化や生態学上の課題を解明するために、画像解析とアラビドプシスの種間でアントシアニンの蓄積についての研究が行われました。
この記事が気に入ったらサポートをしてみませんか？