El padre de la genética Gregor Mendel pasó años observando y midiendo tediosamente los rasgos de las plantas de guisantes a mano en el siglo XIX para descubrir los conceptos básicos de la herencia genética.

Hoy en día, los botánicos pueden rastrear los rasgos o fenotipos de cientos o miles de plantas mucho más rápido, con sistemas de cámara automatizados.

Ahora, investigadores de Salk han ayudado a acelerar el fenotipado de plantas aún más, con algoritmos de aprendizaje automático que enseñan a un sistema informático a analizar formas tridimensionales de las ramas y hojas de una planta.

El estudio, publicado en Plant Physiology puede ayudar a los científicos a cuantificar mejor cómo las plantas responden al cambio climático, mutaciones genéticas u otros factores.

“Lo que hemos hecho es desarrollar un conjunto de herramientas que ayuda a abordar algunos desafíos comunes de fenotipado”, dice Saket Navlakha, profesor asociado en el Laboratorio de Biología Integrativa de Salk y Presidente de Desarrollo del Fondo Pionero.

El entorno de una planta ayuda a dictar su estructura, que está relacionada con su salud.

Los científicos que intentan comprender el crecimiento de las plantas, diseñar plantas más resistentes o aumentar la producción de cultivos a menudo quieren medir las características detalladas de las hojas y los brotes de una planta.

Para hacer este fenotipado con alto rendimiento, muchos investigadores usan sistemas de cámara que toman imágenes de cada planta desde varios ángulos y ensamblan un modelo tridimensional.

Sin embargo, algunas medidas son difíciles de tomar con estas imágenes unidas.

Recientemente, algunos han recurrido a un nuevo método, llamado escaneo láser 3D, para capturar la estructura de las arquitecturas de las plantas.

Los investigadores hacen brillar un láser en cada planta para “pintar” su superficie con el haz.

Los datos resultantes, llamados una nube de puntos 3D, representan los detalles finos de la superficie de la planta.

Pero analizar cuantitativamente las nubes de puntos puede ser un desafío ya que la tecnología es tan nueva y los conjuntos de datos tan grandes.

“La resolución y precisión de estos datos es mucho mayor”, dice Navlakha.

“Pero los métodos que se han desarrollado para analizar hojas y ramas en imágenes 2D no funcionan tan bien para estas nubes de puntos 3D”.

Navlakha, junto con la estudiante de posgrado de UC San Diego Illia Ziamtsov, utilizó un escáner láser 3D para escanear 54 plantas de tomate y tabaco cultivadas en una variedad de condiciones.

Luego, ingresaron las nubes de puntos 3D resultantes en algoritmos de aprendizaje automático que les permitieron enseñar al programa cómo fenotipar las plantas.

La técnica involucró a los investigadores que primero indicaban manualmente dónde estaban las hojas y los brotes en las plantas.

Luego, el software comenzó a reconocer automáticamente estas características.

“Es como enseñarle cosas a un bebé”, dice Navlakha.

“Les das ejemplos de cómo se ve una hoja y cómo se ve una rama, y ​​eventualmente pueden identificar una planta que nunca han visto antes y seleccionar las hojas y ramas”.

Los investigadores se centraron en enseñar al programa a realizar tres mediciones de fenotipos que los científicos usan a menudo: separar los tallos de las hojas, contar las hojas y su tamaño, y describir los patrones de ramificación de una planta.

Descubrieron que tuvieron éxito: por ejemplo, el método tenía una precisión del 97.8 por ciento para identificar tallos y hojas.

“Este tipo de detección de objetos se ha utilizado en automóviles autónomos y para identificar elementos de construcción y muebles”, dice Ziamtsov.

“Pero aplicarlo a las plantas es totalmente novedoso”.

Navlakha y Ziamtsov quieren continuar afinando el enfoque; diferenciar dos hojas juntas puede ser un desafío, por ejemplo.

Y la versión actual del software puede no funcionar en todos los tipos de plantas.

Esperan generalizar el software para trabajar en plantas desde vides hasta árboles, y también para analizar raíces.

“En este momento hay muchos desafíos en la agricultura para tratar de aumentar la producción de cultivos y secuestrar mejor el carbono”, dice Navlakha.

“Esperamos que nuestra herramienta pueda ayudar a los biólogos a abordar algunos de estos desafíos más amplios”.

Navlakha y Ziamtsov lanzarán su software como código abierto para que otros investigadores lo utilicen.

Esperan que el software acelere la investigación de la planta, ya que hace que el fenotipado de alto rendimiento sea más rápido y fácil.

“Hacer este tipo de análisis a mano es muy laborioso”, dice Ziamtsov. “Nuestra herramienta lo hace de forma rápida y bastante precisa”.

Fuente: Noticias de la Ciencia

Artículos relacionados:

Personas de todo el planeta le hablan a una planta, vía Twitter, para ayudarla a crecer Planta cyborg capaz de moverse hacia la luz Razones por las que no deberíamos confiar en una inteligencia artificial para analizar imágenes Tweets analizados por una inteligencia artificial podrían ayudar a Europa a analizar inundaciones Desarrollan planta bioluminiscente que brilla en la oscuridad Crean una planta con genes de conejo que limpia el aire de su casa