科学家们开发并部署了一系列新的成像和机器学习工具，以发现有助于作物光合作用过程中水分利用效率的属性，并揭示这些性状变异的遗传基础。这些发现在伊利诺伊大学厄巴纳-香槟分校研究生 Jiayang (Kevin) Xie 和 Parthiban Prakash 以及博士后研究人员 John Ferguson、Samuel Fernandes 和 Charles Pignon 领导的四篇研究论文中进行了描述。

该研究的负责人、伊利诺伊大学厄巴纳-香槟分校植物生物学和作物科学教授安德鲁·利基 (Andrew Leakey) 表示，我们的目标是培育或改造在不牺牲产量的情况下更擅长节水的作物。

“干旱压力比其他任何事情都更能限制农业生产，”利基说。“而且科学家们正在努力寻找方法，在不减少叶子吸收的二氧化碳量的情况下，最大限度地减少植物叶子的水分流失。”

植物通过叶子上称为气孔的小孔“吸入”二氧化碳。二氧化碳驱动光合作用并有助于植物生长。但是气孔也允许水分以水蒸气的形式逸出。

“叶子和大气之间交换的水蒸气和二氧化碳的量取决于气孔的数量、大小以及它们响应环境信号而打开或关闭的速度，”Leakey 说。“如果降雨量少或空气太热太干燥，可能没有足够的水来满足需求，导致光合作用、生产力和生存能力下降。”

为了更好地了解玉米、高粱和狗尾草等植物的这一过程，该团队分析了叶子上的气孔如何影响植物的水分利用效率。

“我们调查了这些密切相关物种中气孔关闭运动的数量、大小和速度，”Leakey 说。“这是非常具有挑战性的，因为测量这些特征的传统方法非常缓慢和费力。”

例如，确定气孔密度以前需要在显微镜下手动计算气孔。Leakey 说，这种方法的缓慢意味着科学家无法分析大型数据集。

“叶表皮的许多特征通常无法测量，因为这需要太多时间，”他说。“或者，如果对它们进行测量，则是在非常小的实验中。而且您无法通过非常小的实验发现性状的遗传基础。”

为了加快工作速度，谢采用了最初开发用于帮助自动驾驶汽车在复杂环境中导航的机器学习工具，并将其转换为一个应用程序，可以快速识别、计数和测量每个叶子样本中的数千个细胞和细胞特征。

Leakey 说：“要手动执行此操作，仅计算一季叶子样本上的气孔就需要花费数周的时间。” “而且手动测量气孔的大小或任何其他细胞的大小需要几个月的时间。”

该团队使用复杂的统计方法来识别基因组区域和可能控制叶表面气孔图案变化的基因列表。他们还在田间和实验室实验中使用热像仪快速评估叶子的温度——作为冷却叶子的水分流失量的代表。

“这揭示了微观解剖结构变化与植物生理或功能性能之间的关键联系，”Leakey 说。

Leakey 说，通过在田间试验中将叶片特征与植物的水分利用效率进行比较，研究人员发现“玉米气孔的大小和形状似乎比以前认识到的更重要”。

研究人员表示，随着对可能导致这些特征的基因的识别，这一发现将为未来培育或基因工程更有效地利用水的作物植物提供信息。

谢说，新方法提供了对植物叶子最外层结构和功能的前所未有的了解。

“关于表皮的特性，我们有很多不知道的地方，而这种机器学习算法为我们提供了更全面的了解，”他说。“我们可以从我们拍摄的图像中提取更多关于特征的潜在数据。这是人们以前无法做到的。”