Өсүмдүктүн спектралдык сүрөттөрүн талдоо — өсүмдүктүн көрүнгөн түсү, жалбырактын температурасы же хлорофилл флуоресценциясы сыяктуу сүрөттөн алынуучу белгилерди колдонуп, анын физиологиялык абалын өсүмдүктү бузбастан баалоочу фенотиптөө ыкмасы. Бул изилдөө глуфосинатка туруктуу жана сезгич соя өсүмдүктөрүн глуфосинат колдонулгандан кийинки алгачкы сааттарда айырмалоо үчүн RGB, инфракызыл (IR) термалдык жана хлорофилл флуоресценциясы (CF) сүрөттөрүн салыштырган. Изилдөө эки баскычтан турган: 90, 180, 360 жана 720 g активдүү зат ha^-1 дозалары колдонулган доза-жооп тажрыйбасы жана 180 g активдүү зат ha^-1 колдонулуп, 96 өсүмдүктөн турган аралаш популяцияда жүргүзүлгөн текшерүү тажрыйбасы. IR термалдык жана CF индекстери көрүнгөн RGB зыяны али даана байкала электе туруктуу жана сезгич өсүмдүктөрдүн ортосунда айырманы көрсөтө алган. Текшерүү тажрыйбасында IR термалдык жалбырак температурасына негизделген PAM кластерлөөсү 6 сааттан кийин %100 классификация тактыгына жеткен. Бирок изилдөө көзөмөлдөнгөн өстүрүү камерасында жүргүзүлгөн; чыныгы талаа шарттарындагы көрсөткүч өзүнчө текшерилиши керек.

Доза-жооп тажрыйбасында глуфосинатка туруктуу GM соя линиясы AtSIZ #6 (Glycine max L. cv. Kwangankong) анын трансгендик эмес энелик ата-теги Kwangankong менен салыштырылган. Жалпысынан 40 өсүмдүк колдонулуп, соя сорту × глуфосинат дозасы айкалыштарынын ар бири төрт кайталануу менен берилген. Ошол эле өсүмдүктөр колдонгондон 4, 6, 24, 48, 72 жана 96 саат өткөндөн кийин кайра-кайра сүрөткө тартылган. Глуфосинат колдонулгандан 10 күн өткөн соң ошол өсүмдүктөрдүн жер үстүндөгү нымдуу биомассасы өлчөнүп, эрте сүрөт сигналдарынын кийинки өсүү жооптору менен шайкештиги бааланган.

Текшерүү тажрыйбасында GM соя менен жапайы соянын (Glycine soja Sieb. and Zucc., IT 182932) аргындашуусунан алынган, туруктуу жана сезгич особдорду бирге камтыган F2 популяциясы колдонулган. Төрт кайталанууда жалпы 96 особ бааланган; алардын 63ү PCR референсине ылайык глуфосинатка туруктуу, 33ү сезгич деп классификацияланган. Генетикалык жактан кыйла гетерогендүү бул популяция доза-жооп тажрыйбасында табылган сүрөт индекстери алгачкы эки материалга гана мүнөздүү бойдон калабы же жокпу, ошону текшерүү үчүн колдонулган.

Изилдөөнүн негизги жыйынтыгы ар кандай шартта бир эле сүрөт түрү артык болот деген эмес. RGB сүрөттөө арзан жана жеткиликтүү болгону менен эрте этапта азыраак сезгич. IR термалдык сүрөттөө жалбырак температурасындагы эрте өзгөрүүлөрдү, CF сүрөттөө болсо фотосинтездик системадагы эрте өзгөрүүлөрдү кармап, жогорку глуфосинат дозаларында 4 саат сыяктуу эрте убакта айырмалоого мүмкүндүк берген. Бирок термалдык сүрөттөргө айлана-чөйрөнүн температурасы жана суу абалы, CF сүрөттөөгө болсо караңгылыкка адаптация талаптары таасир этиши мүмкүн. Ошондуктан ыкмалардын практикалык мааниси колдо болгон сенсорлорго, чөйрө шарттарына жана колдонуу сценарийине жараша бааланышы керек.

Изилдөө маселеси: глуфосинатка туруктуулукту эмне үчүн эртерээк аныктоо керек?

Глуфосинатка туруктуу GM өсүмдүктөрдү колдонуу көбөйгөн сайын эки мониторинг көйгөйү пайда болот. Биринчиси, глуфосинатты колдонуу басымы астында туруктуу отоо чөптөрдүн өнүгүшү мүмкүн. Экинчиси, туруктуулук трансгени максаттуу эмес соя өсүмдүктөрүнө же байланышкан популяцияларга каалабастан өтүшү мүмкүн. Мындай учурларда туруктуу особдорду эрте аныктоо мониторинг жана башкаруу чечимдерин тезирээк кабыл алууга жардам берет.

Салттуу бүтүн-өсүмдүк туруктуулук тесттери ишенимдүү болгону менен бир нече күнгө созулуп, орун жана эмгек талап кылышы мүмкүн. Жалбырак диски же кесилген сабак сыяктуу тез ыкмалар өсүмдүктү жарым-жартылай бузуп, бүтүн өсүмдүк деңгээлиндеги чыныгы талаага окшош жоопту толук чагылдырбашы мүмкүн. Изилдөөчүлөрдүн максаты бүтүн өсүмдүккө колдонулган гербицидден кийин пайда болгон физиологиялык өзгөрүүлөрдү сүрөт аркылуу кармап, туруктуу особдорду эрте жана бузбай айырмалоо болгон.

Изилдөө эмне үчүн RGB, IR термалдык жана хлорофилл флуоресценциясы сүрөттөрүн бирге колдонду?

Үч сүрөттөө системасы өсүмдүктүн ар башка касиеттерин көрөт. RGB камера адам көзү көргөн кызыл, жашыл жана көк көрүнгөн жарык тууралуу маалыматты жазып, жалбырактардын жашылдыгын же саргайышын сыяктуу белгилерди байкайт. IR термалдык камера көрүнгөн түстүн ордуна беттик температураны өлчөйт. Хлорофилл флуоресценциясын сүрөттөө болсо фотосинтездик системанын жарыкты колдонуу жана ашыкча энергияны таратуу жүрүм-туруму менен байланышкан флуоресценция сигналдарын өлчөйт.

Бул айырма маанилүү, анткени жалбыракта көрүнгөн саргайуу же некроз пайда боло электе фотосинтез, транспирация жана энергия бөлүштүрүү өзгөрүшү мүмкүн. Демек сенсордун “эрте” болушу камеранын жакшыраак чечилишине гана эмес, өлчөнгөн биологиялык өзгөрмө гербицид стресске кайсы этапта жооп бергенине да байланыштуу.

Тажрыйба 1: доза-жооп материалы

Доза-жооп тажрыйбасында туруктуу материал катары глуфосинатка туруктуу GM соя AtSIZ #6 (Glycine max L. cv. Kwangankong), сезгич материал катары болсо трансгендик эмес энелик ата-тек Kwangankong колдонулган. Жалпысынан 40 өсүмдүк болуп, ар бир соя түрү × доза айкалышы үчүн төрт кайталануу колдонулган.

Өсүмдүктөр HB-301SP-0 (Hanbaek Science, Korea) өстүрүү кабинетинде 26±3°C температурада жана 12 сааттык фотопериод шартында өстүрүлгөн.

Тажрыйба 2: генетикалык жактан гетерогендүү текшерүү популяциясы

Текшерүү тажрыйбасында GM соя менен жапайы соянын (Glycine soja Sieb. and Zucc., IT 182932) аргындашуусунан алынган F2 гибрид популяциясы колдонулган. Популяция туруктуу да, сезгич да особдорду камтыган. Төрт кайталануунун ар биринде 24 особ, жалпысынан 96 өсүмдүк бааланган.

Доза-жооп тажрыйбасында ошол эле сорттун трансгендик жана трансгендик эмес материалдары салыштырылса, текшерүү популяциясынын башка генетикалык фонго ээ болушу ыкманы гетерогендүүрөөк особдордо да сыноого шарт түзгөн. Бирок бул жыйынтыктарды бардык соя генотиптерине автоматтык түрдө жалпылоого болбойт; авторлор кеңири жана ар түрдүү популяциялар менен кошумча текшерүү зарыл деп эсептешет.

Глуфосинат кантип колдонулду?

Гербицид соя өсүмдүктөрүнүн VC баскычында жалбырактарга колдонулган. Доза-жооп тажрыйбасында 0, 90, 180, 360 жана 720 g активдүү зат ha^-1 шарттары колдонулган. Булак бул дозалар сунушталган 1,440 g активдүү зат ha^-1 дозасынын 1/16 менен 1/2синин ортосуна туура келерин билдирет.

Бул дозалар коммерциялык колдонуу сунушу катары эмес, туруктуу жана сезгич өсүмдүктөрдүн сүрөт жоопторун айырмалай ала турган эксперименттик дозаларды изилдөө үчүн колдонулган.

Колдонуу R&D Sprayers басымдуу тилкелүү бүркүү системасы жана Spraying Systems 8001 flat-fan соплосу менен жүргүзүлүп, бүркүү көлөмү 500 L ha^-1 болуп жөндөлгөн. Өсүмдүктөр колдонгондон дароо өстүрүү бөлмөсүнө киргизилип, төрт кайталануу менен рандомизацияланган блок иретинде жайгаштырылган.

Текшерүү тажрыйбасында 180 g активдүү зат ha^-1 гана глуфосинат колдонулган. Бул доза биринчи тажрыйбада RGB, IR термалдык жана CF индекстеринин баарында туруктуу жана сезгич өсүмдүктөрдү айырмалоого мүмкүндүк берген эң төмөнкү доза катары тандалган.

NDI жана ExG индекстери соя жалбырактарынын түсүн кантип сандык түрдө өлчөйт?

Бул изилдөөдөгү NDI жана ExG RGB камерасындагы кызыл, жашыл жана көк пиксел маанилерин колдонуп жалбырактын жашылдыгын сандык түрдө өлчөгөн өлчөмсүз сүрөт индекстери. Адегенде R, G жана B каналдары жалпы жарыктыкка бөлүнүп, нормалдаштырылган r, g жана b маанилери түзүлөт; андан кийин NDI жашыл менен кызылдын ортосундагы нормалдаштырылган айырманы, ExG болсо жашыл каналдын башка эки каналга салыштырмалуу артыкчылыгын өлчөйт.

Теңдеме 1: RGB каналдарын нормалдаштыруу

\(r=\frac{R}{R+G+B},\quad g=\frac{G}{R+G+B},\quad b=\frac{B}{R+G+B}\)

1. Формула эмнени эсептейт? Ар бир RGB каналынын үч каналдын суммасындагы үлүшүн эсептейт.

2. Өзгөрмөлөр: \(R\), \(G\) жана \(B\) чийки кызыл, жашыл жана көк пиксел маанилери. \(r\), \(g\) жана \(b\) алардын нормалдаштырылган формалары.

3. Бирдик: Пиксел маанилеринин катышы алынгандыктан r, g жана b өлчөмсүз.

4. Математикалык роль: Үч нормалдаштырылган канал үчүн \(r+g+b=1\) болот. Ошентип индекс абсолюттук жарыктыктан көрө түстүк курамдын салыштырмалуу бөлүштүрүлүшүнө көңүл бурат.

5. Сүрөттөө мааниси: Бир эле өсүмдүк аймагында жашыл каналдын салыштырмалуу үлүшү көбөйсө g көбөйөт; кызыл үлүшү көбөйсө r көбөйөт.

6. Жарактуулук шарты: Бөлүүчүдөгү \(R+G+B\) нөл болбошу керек. Изилдөө өсүмдүк сегментациясынан кийин жалбырак пиксел маанилерин колдонот.

7. Түшүндүрмө: r, g жана b өз алдынча туруктуулук классы эмес; NDI жана ExG түзүүдө колдонулуучу аралык өзгөрмөлөр.

Теңдеме 2: NDI

\(NDI=\frac{g-r}{g+r}\)

1. Формула эмнени эсептейт? Нормалдаштырылган жашыл жана кызыл компоненттердин айырмасын алардын суммасына карата масштабдайт.

2. Өзгөрмөлөр: g — нормалдаштырылган жашыл, r — нормалдаштырылган кызыл пиксел компоненти.

3. Бирдик: Өлчөмсүз.

4. Математикалык роль: g rден чоң болгондо алым оң болот. Жалбырактын жашылдыгы азайып, кызыл компоненттин салыштырмалуу салмагы көбөйгөн сайын NDI төмөндөшү мүмкүн.

5. Биологиялык/сүрөттүк маани: Изилдөөдө сезгич сояда глуфосинаттан кийин NDIнин туруктуу сояга караганда көбүрөөк төмөндөшү көрүнгөн түс стресстин сандык көрсөткүчү катары колдонулган.

6. Шарт: NDI бул изилдөөдө RGB сүрөтүнөн эсептелген жана булакта Теңдеме 2 менен так аныкталган индекс.

7. Түшүндүрмө: NDIнин төмөндөшү өз алдынча глуфосинатка туруктуулуктун молекулярдык далили эмес; бул изилдөөдө гербицидден кийинки туруктуулук класстары менен байланышкан сүрөт белгиси.

Теңдеме 3: ExG

\(ExG=2g-r-b\)

1. Формула эмнени эсептейт? Нормалдаштырылган жашыл компонентке эки эсе салмак берип, кызыл жана көк компоненттерди алып салуу менен “ашыкча жашыл” сигналын түзөт.

2. Өзгөрмөлөр: r, g жана b — нормалдаштырылган RGB компоненттери.

3. Бирдик: Өлчөмсүз.

4. Математикалык роль: g көбөйгөн сайын ExG көбөйүүгө, r же b көбөйгөн сайын азайууга умтулат.

5. Сүрөттүк маани: Жашыл өсүмдүк тканын фондон же түсү өзгөргөн ткандан айырмалоодо колдонулушу мүмкүн болгон түс көрсөткүчү.

6. Изилдөөдөгү шарт: Сегментациядан кийин соя жалбырактарынын RGB маанилеринен эсептелген.

7. Түшүндүрмө: Бул изилдөөдө NDI ExGге караганда туруктуулукту туруктуураак айырмалаган; ExG белгилүү доза шарттарында гана маанилүү айырма көрсөткөн.

RGB сүрөттөө системасы

GSD (ground sampling distance) сүрөт пикселинин сүрөттөлгөн физикалык тегиздикте болжол менен канча аралыкка туура келерин билдирет. Булак бул түзүлүш үчүн болжол менен 0.13 mm/пиксел маанисин берет.

IR термалдык сүрөттөө эмне үчүн RGBге караганда эртерээк айырмалоого мүмкүндүк берди?

IR термалдык сүрөттөө жалбырактардын көзгө көрүнүп саргайышын күтпөстөн, гербицид стресси менен коштолгон жалбырак температурасынын өзгөрүшүн өлчөгөндүктөн айрым дозаларда туруктуу жана сезгич сояны RGBге караганда эртерээк айырмалай алган. Булактын талкуусуна ылайык сезгич өсүмдүктөрдө температуранын көтөрүлүшү фотосинтездик ингибиция, устьицалардын жабылышы жана азайган транспирация жана/же кычкылдануу стрессинен келип чыккан клетка зыяны менен байланыштуу болушу мүмкүн; бирок бул механизмдер бул изилдөөдө түздөн-түз өз-өзүнчө өлчөнгөн эмес, адабиятка таянып түшүндүрүлгөн.

IR термалдык системанын түзүлүшү

Термалдык сүрөттөр радиометриялык калибрленген FLIR A65sc камерасы менен алынган. Камера 640×512 пиксел чечилишине ээ жана өсүмдүк канописинин үстүнөн 60 cm бийиктикке бекитилген. Термалдык сүрөттөө учурунда өстүрүү бөлмөсү 33°C температурада кармалган.

IR сүрөттөр түздөн-түз өз алдынча сегментацияга берилген эмес. Ошол эле көрүү бурчунан алынган RGB сүрөттөрү менен кол менен дал келүүчү чекиттер тандалып, геометриялык трансформация жана тегиздөө MATLAB 2021b ичинде жүргүзүлгөн. Андан кийин RGB сүрөтүндө аныкталган өсүмдүк маскасы термалдык сүрөткө колдонулуп, фон температурасынын пикселдери алынып салынган жана соя тканына тиешелүү температуралар гана чыгарылган.

Теңдеме 4: температура айырмасы

\(\Delta T=T_h-T_0\)

1. Формула эмнени эсептейт? Глуфосинат колдонулган өсүмдүктүн жалбырак температурасы менен ошол эле сорт жана баалоо убактысындагы колдонулбаган көзөмөл өсүмдүктүн жалбырак температурасынын айырмасын эсептейт.

2. Өзгөрмөлөр: \(T_h\) — глуфосинат колдонулган өсүмдүктүн жалбырак температурасы; \(T_0\) — колдонулбаган көзөмөл өсүмдүктүн жалбырак температурасы.

3. Бирдик: Эки температура тең °C болгондуктан температура айырмасы °C.

4. Математикалык роль: Абсолюттук температуранын ордуна көзөмөл шартынан четтөөнү өлчөйт.

5. Физикалык маани: Айлана-чөйрө температурасына тиешелүү жалпы компонентти азайтып, гербицид колдонууга байланышкан салыштырмалуу термалдык жоопту көрүнүктүү кылууга багытталган.

6. Шарт: Көзөмөл салыштыруусу ошол эле сортко жана ошол эле баалоо убактысына тиешелүү болушу керек.

7. Түшүндүрмө: Чоң оң температура айырмасы колдонулган өсүмдүк өз көзөмөлүнөн ысыгыраак экенин көрсөтөт; бирок температурага гербицид гана таасир этпейт.

Булак авторлору жалбырак температурасына топурактын нымдуулугу, абанын температурасы, салыштырмалуу нымдуулук, буу басымынын дефицити, радиация жана канопинин архитектурасы сыяктуу көптөгөн айлана-чөйрө өзгөрмөлөрү таасир этерин өзгөчө белгилешет. Ошондуктан температура айырмасы көзөмөлдөнгөн шартта ийгиликтүү болушу ошол эле чек маанилер ачык талаада өзгөрүүсүз иштей турганын көрсөтпөйт.

Хлорофилл флуоресценциясынын Fv/Fm, ΦPSII, Fd/Fm жана NPQ индекстери эмнени өлчөйт?

Хлорофилл флуоресценциясынын индекстери фотосистема IIнин жарык энергиясын пайдалануу жана ашыкча энергияны таратуу жүрүм-турумун ар кандай математикалык катыштар аркылуу көрсөтөт. Изилдөөдө Fv/Fm, ΦPSII, Fd/Fm жана NPQ колдонулган. Туруктуу өсүмдүктөр глуфосинаттан кийин бул индекстерди салыштырмалуу жогору деңгээлде сактап калса, сезгич өсүмдүктөрдө айрыкча жогорку дозаларда эрте жана күчтүү төмөндөөлөр болгон.

Хлорофилл флуоресценциясын сүрөттөө шарттары

CF сүрөттөрү SNU-KIST 2 imaging system менен өсүмдүк канописинин үстүнөн 60 cm бийиктиктен алынган. Өсүмдүктөр өлчөөнүн алдында 30 мүнөт караңгылыкка адаптацияланган. Өсүмдүк пикселдеринин орточо флуоресценция мааниси чыгарылып, фон Otsu thresholding ыкмасы менен алынган.

Теңдеме 5: максималдуу кванттык натыйжалуулук Fv/Fm

\(\frac{F_v}{F_m}=\frac{F_m-F_0}{F_m}\)

1. Формула эмнени эсептейт? Караңгылыкка адаптацияланган шартта өлчөнгөн базалык флуоресценция менен максималдуу флуоресценциянын ортосундагы өзгөрмө флуоресценциянын максималдуу флуоресценцияга катышын берет.

2. Өзгөрмөлөр: Булакка ылайык \(F_0\) караңгылыкка адаптацияланган абалдагы базалык CF мааниси; \(F_m\) өсүмдүк максималдуу флуоресценция чыгарган 1-секундадагы CF мааниси.

3. Бирдик: Флуоресценция маанилеринин катышы; өлчөмсүз.

4. Математикалык роль: \(F_m-F_0\) өзгөрмө флуоресценцияны билдирет; муну \(F_m\)ге бөлүү масштабдалган катышты берет.

5. Биологиялык маани: Булак Fv/Fmди PSIIнин максималдуу кванттык натыйжалуулугу катары колдонгон.

6. Шарт: Булак протоколунда өсүмдүктөр өлчөөнүн алдында 30 мүнөт караңгылыкка адаптацияланган.

7. Түшүндүрмө: Сезгич өсүмдүктөрдө глуфосинаттан кийин Fv/Fmдин көбүрөөк азайышы PSII иштешиндеги стресс жооптун сүрөттүк көрсөткүчү болуп саналат.

Теңдеме 6: PSII кванттык натыйжалуулугу ΦPSII

\(\Phi_{PSII}=\frac{F'_m-F_s}{F'_m}\)

1. Формула эмнени эсептейт? Жарыкка адаптацияланган шарттагы максималдуу флуоресценция менен Теңдеме 6да колдонулган \(F_s\) термининин айырмасын максималдуу жарыкка-адаптацияланган флуоресценцияга катыштырат.

2. Өзгөрмөлөр: Булак \(F'_m\)ди жарыкка адаптацияланган шартта өлчөнгөн максималдуу флуоресценция интенсивдүүлүгүндөгү CF мааниси катары аныктайт. Ал эми теңдемедеги \(F_s\) символу теңдемелерден кийинки булак түшүндүрмөсүндө өзүнчө аныкталган эмес. Ошондуктан Verianla булакта жок аныктаманы так булак маалыматы катары кошпойт.

3. Бирдик: Өлчөмсүз катыш.

4. Математикалык роль: \(F_s\) мааниси \(F'_m\)ге жакындаган сайын алым кичирейип, ΦPSII төмөндөйт.

5. Биологиялык роль: Булак бул метриканы PSII quantum yield катары колдонгон.

6. Шарт: Маанилер булакта көрсөтүлгөн CF сүрөттөө протоколунан алынган.

7. Түшүндүрмө: Сезгич өсүмдүктөрдөгү күчтүү төмөндөө глуфосинаттан кийинки фотосинтездик жооптун бузулганын колдогон сүрөт көрсөткүчтөрүнүн бири.

Теңдеме 7: хлорофилл флуоресценциясынын азайуу катышы Fd/Fm

\(\frac{F_d}{F_m}=\frac{F_m-F'_m}{F_m}\)

1. Формула эмнени эсептейт? Караңгылыкка адаптацияланган максималдуу флуоресценция менен жарыкка адаптацияланган максималдуу флуоресценциянын айырмасын \(F_m\)ге карата масштабдайт.

2. Өзгөрмөлөр: \(F_m\) — караңгылыкка адаптацияланган максималдуу CF; \(F'_m\) — жарыкка адаптацияланган максималдуу CF мааниси.

3. Бирдик: Өлчөмсүз.

4. Математикалык роль: \(F'_m\) азайган сайын \(F_m-F'_m\) чоңоёт; бирок жыйынтык эки флуоресценция маанисин бирге карап түшүндүрүлүшү керек.

5. Булактагы аталышы: Chlorophyll fluorescence decrease ratio.

6. Шарт: CF сүрөттөрүнөн булак протоколуна ылайык эсептелген.

7. Түшүндүрмө: Изилдөөдө сезгич өсүмдүктөрдөгү маанилер глуфосинаттан кийин туруктуу өсүмдүктөргө караганда кыйла көбүрөөк өзгөргөн.

Теңдеме 8: NPQ

\(NPQ=\frac{F_m-F'_m}{F'_m}\)

1. Формула эмнени эсептейт? \(F_m\) менен \(F'_m\) ортосундагы айырманы жарыкка адаптацияланган максималдуу флуоресценцияга катыштырат.

2. Өзгөрмөлөр: \(F_m\) — караңгылыкка адаптацияланган максималдуу CF, \(F'_m\) — жарыкка адаптацияланган максималдуу CF мааниси.

3. Бирдик: Өлчөмсүз.

4. Математикалык роль: Алым менен бөлүүчү бирге энергия бөлүштүрүүгө байланышкан салыштырмалуу катыш түзөт.

5. Биологиялык маани: NPQ булакта non-photochemical quenching деп аталган жана фотохимиялык эмес энергия таратуунун көрсөткүчү катары колдонулган.

6. Шарт: Колдонулган флуоресценция сигналдары булактын SNU-KIST 2 сүрөттөө системасынан алынган.

7. Түшүндүрмө: Сезгич өсүмдүктөрдө NPQнун 6-24 саат аралыгында кескин төмөндөшү туруктуу өсүмдүктөрдөн эрте айырмалоого жардам берген негизги CF көрсөткүчтөрүнүн бири.

Булакта эки башка нормалдаштыруу операциясы бар

Окурман чаташтырбоого тийиш болгон эки нормалдаштыруу деңгээли бар. Биринчиси Теңдеме 1деги пиксел деңгээлиндеги RGB нормалдаштыруу: R, G жана B маанилери өздөрүнүн суммасына бөлүнөт. Экинчиси статистикалык талдоодогу көзөмөл боюнча нормалдаштыруу: RGB жана CF индекстери ошол эле сорттун жана ошол эле баалоо убактысынын колдонулбаган көзөмөл орточосуна бөлүнгөн. Булак Figure 5 жана Figure 7 ушул экинчи операциядан улам жыйынтыктарды “% control” түрүндө көрсөтөт.

6 HAT өлчөөсү эмне үчүн өзгөчө?

Доза-жооп тажрыйбасындагы 6 HAT сүрөтү түнкү мезгилде алынган. Булак бул учурда IR термалдык айырмалоо бардык дозаларда маанилүү болбогонун глуфосинаттын жарыкка көз каранды таасир механизми менен байланыштырат. Авторлор глуфосинатка байланышкан ROS түзүлүшү жарыкты талап кыларын билдирген мурдагы изилдөөлөргө таянып, түнкү өлчөөдө таасир алсызыраак болушу мүмкүн экенин талкуулашат.

Бул эксперименттик дизайндагы маанилүү деталь: текшерүү тажрыйбасындагы 4, 6, 24 жана 48 HAT сүрөттөрүнүн баары жарык мезгилинде алынган. Ошондуктан текшерүү тажрыйбасындагы 6 HATтагы жогорку IR термалдык классификация ийгилиги доза-жооп тажрыйбасындагы түнкү 6 HAT өлчөөсү менен бирдей жарык шартында эмес.

Көз менен баалоо кантип жүргүзүлдү?

Сүрөт талдоосу боюнча алдын ала тажрыйбасы жок 13 көз карандысыз баалоочу текшерүү тажрыйбасындагы RGB, IR термалдык жана CF сүрөттөрүн туруктуу же сезгич деп классификациялаган. Сүрөттөр 4, 6, 24 жана 48 HAT убактарында бааланган.

IR термалдык жана CF сүрөттөрүндөгү pseudo-color шкалаларынын багыттары бири-биринен айырмалангандыктан, чаташууну азайтуу үчүн ар бир сүрөт түрү өзүнчө блок менен берилген жана блок ичиндеги сүрөттөрдүн ирети рандомизацияланган.

PAM кластерлөөсү кантип иштеди?

Partitioning Around Medoids (PAM) — алдын ала белгиленген туруктуулук классын моделге үйрөтпөстөн маалымат үлгүлөрүн окшоштугу боюнча кластерлерге бөлгөн көзөмөлсүз машиналык үйрөнүү ыкмасы. Изилдөөдө PAM талдоосу R 3.2.3 ичинде колдонулуп, кластерлердин саны алдын ала эки болуп белгиленген: туруктуу жана сезгич.

Үч негизги белги колдонулган: RGB сүрөтүнөн NDI, IR термалдык сүрөтүнөн жалбырак температурасы жана CF сүрөтүнөн NPQ. PAM алгач эки маалымат кластерин түзгөн; андан кийин кластерлер доза-жооп тажрыйбасында байкалган спектралдык жооп багыттарына ылайык туруктуу же сезгич деп аталган.

Бул түзүлүш маанилүү чектөөгө ээ. PAMдын кластер саны бул жерде алдын ала эки болуп берилген. Авторлор ыкма туруктуу особдор өтө сейрек болгон популяцияларда чектелиши мүмкүн экенин жана мындай учурларда көзөмөлдөнгөн машиналык үйрөнүү ыкмалары ылайыгыраак болушу мүмкүн экенин белгилешет.

Изилдөөдөгү “%100 Тактык” так эмнени билдирет?

Изилдөөдөгү эң көңүл бурдурган %100 маани текшерүү тажрыйбасындагы 96 өсүмдүктө IR термалдык жалбырак температурасын колдонуп PAM классификациясы 6 HATта PCR менен аныкталган туруктуулук/сезгичтик референси менен толук дал келгенин билдирет. Бул “ар бир чөйрөдө жана ар бир соя генотипинде %100 так иштеген диагностикалык ыкма” дегенди билдирбейт. Мындан тышкары макаладагы Fine Tree үчүн %100 маанилер өзүнчө талдоо жана алар көз карандысыз тест тактыгы эмес, машыгуу маалыматында кайталанган кросс-валидациянын орточо тактыгы катары берилген.

Теңдеме 9: классификация тактыгы

\(\text{Accuracy}=\frac{TP+TN}{TP+TN+FP+FN}\)

1. Формула эмнени эсептейт? Туура классификацияланган үлгүлөрдүн бардык классификацияланган үлгүлөргө катышын эсептейт.

2. TP деген эмне? True positive; туруктуу болуп, туура түрдө туруктуу деп классификацияланган особ.

3. TN деген эмне? True negative; сезгич болуп, туура түрдө сезгич деп классификацияланган особ.

4. FP деген эмне? False positive; чындыгында сезгич болуп туруп, жаңылыш туруктуу деп классификацияланган особ.

5. FN деген эмне? False negative; чындыгында туруктуу болуп туруп, жаңылыш сезгич деп классификацияланган особ.

6. Бирдик: Өлчөмсүз катыш; 100гө көбөйтүлгөндө пайыздык тактык катары берилет.

7. Түшүндүрмө: %100 accuracy изилденген үлгү топтомунда FP жана FN жок экенин билдирет; башка чөйрө, таралыш жыштыгы, генотип же сенсор шарттарында ошол эле катыш сакталарына өз алдынча кепилдик бербейт.

PCR эмне үчүн “ground truth” катары колдонулду?

Сүрөткө негизделген божомолдордун туура же туура эмес экенин баалоо үчүн особдордун чыныгы туруктуулук классы көз карандысыз референс аркылуу белгилүү болушу керек. Изилдөөдө бул референс мурда аныкталган PCR текшерүү процедурасынан алынган глуфосинатка туруктуулук абалы катары колдонулган. Ошентип сүрөт же PAM жыйынтыгы өзүн өзү тастыктаган жок, сырттан аныкталган туруктуулук белгиси менен салыштырылды.

Көзөмөлдөнгөн машиналык үйрөнүү тажрыйбасы PAMдан эмнеси менен айырмаланат?

PAM машыгуу учурунда белгилерди колдонбогон көзөмөлсүз кластерлөө ыкмасы. Көзөмөлдөнгөн моделдерде туруктуулук/сезгичтик белгилери моделди үйрөтүүдө колдонулат. Изилдөөчүлөр MATLAB 2021b Classifier Learner менен NDI, жалбырак температурасы жана NPQ боюнча жалпы 34 көзөмөлдөнгөн алгоритмди баалашкан.

96 особдун 63ү туруктуу, 33ү сезгич. Маалымат топтому 7:2:1 катышында машыгуу, текшерүү жана тест болуп туш келди бөлүнгөн; тиешелүү түрдө 68, 19 жана 9 өсүмдүк колдонулган. Машыгуу топтомунда гиперпараметр оптималдаштыруу үчүн беш бөлүктүү кросс-валидация 10 жолу кайталанган; көз карандысыз тест топтому акыркы көрсөткүчтү баалоо үчүн гана бөлүнгөн.

Негизги PDF 34 алгоритмдин бардык гиперпараметр жана көрсөткүч таблицаларын камтыбайт; бул маалыматтар Supplementary Table 1, Supplementary Table 2, Supplementary Table 3 жана Supplementary Data Sheet 1ге багыттайт. Ошондуктан бул жерде негизги PDFде көрүнбөгөн алгоритмдик тест маанилери түзүлгөн эмес.

Негизги текстте берилген маанилүү көзөмөлдөнгөн ML жыйынтыгы мындай: Fine Tree классификатору колдонулганда IR жалбырак температурасы 6 HATта, NPQ болсо 24 HATта %100 орточо кросс-валидация тактыгына жеткен. Бул билдирүү көз карандысыз 9 өсүмдүктүк тест топтому ошол эле убактарда %100 классификацияланган деген мааниге өзгөртүлбөшү керек.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Тажрыйба дизайнынын кыскача мазмуну

Доза-жооп тажрыйбасынын жалпы жыйынтыгы

RGB, IR термалдык жана CF сүрөттөрүнүн үчөө тең глуфосинаттан кийин туруктуу жана сезгич сояда ар башка жооп үлгүлөрүн көрсөткөн. Айырмалар убакыттын өтүшү менен жана айрыкча жогорку дозаларда даана болгон. IR термалдык жана CF сүрөттөө 90 g a.i. ha^-1 сыяктуу төмөн дозаларда да RGBде көрүнгөн белгилерден мурда физиологиялык айырмаларды көрсөтө алган.

Үч факторлуу кайталанма өлчөөлөр ANOVAсында соя түрү, доза жана убакыттын негизги таасирлери бардык спектралдык индекстерде маанилүү. Сорт таасири ExGде P<0.05, калган бардык индекстерде P<0.001 деңгээлинде. IR термалдык жана CF индекстеринин сорт таасирине тиешелүү F маанилери RGB индекстеринен жогору болушу тажрыйбада туруктуу жана сезгич сортторду бул өлчөөлөр күчтүүрөөк айырмалай турганын көрсөтөт.

Булак Table 1: үч факторлуу кайталанма өлчөөлөр ANOVA жыйынтыктары

Within-subject убакыт таасирлери үчүн sphericity божомолу бузулганда Greenhouse-Geisser түзөтүүсү колдонулган. Убакыт ошол эле өсүмдүктө кайра-кайра өлчөнгөндүктөн, кадимки көз карандысыз топтор ANOVAсынын ордуна repeated-measures ыкмасын колдонуу ошол эле особдон алынган удаалаш өлчөөлөр көз карандысыз эмес экенин эске алууга багытталган.

Үчтүк T×V×D өз ара таасири эч бир спектралдык индексте маанилүү эмес. Ал эми T×V өз ара таасиринин бардык индекстерде маанилүү болушу туруктуу жана сезгич сорттун айырмасы убакыт ичинде өзгөргөнүн көрсөтөт. V×D өз ара таасири IR термалдык жана бардык CF индекстеринде маанилүү, NDI жана ExGде маанилүү эмес.

RGB жыйынтыктары: көрүнгөн белги качан пайда болду?

Эки соя түрүнүн RGB сүрөттөрүндө 24 HATка чейин даана визуалдык өзгөрүү болгон эмес. 48 HATтан тартып сезгич өсүмдүктөрдүн жалбырактары бардык дозаларда саргайып баштаган; доза жана убакыт көбөйгөн сайын chlorosis жана necrosis күчөгөн. Туруктуу өсүмдүктөр болсо эң жогорку дозада да тажрыйба бою негизинен жашыл бойдон калган.

NDI сезгич сояда доза жогорулаган сайын тезирээк жана күчтүүрөөк азайган. 96 HATта сезгич өсүмдүктөрдө 90 g a.i. ha^-1 дозасында көзөмөлгө салыштырмалуу болжол менен %43.8 азайуу, 720 g a.i. ha^-1 дозасында болсо %100 азайуу билдирилген. Туруктуу өсүмдүктөрдө 96 HAT азайуулары %24.2 менен %36.4 аралыгында калган.

NDI 180-720 g a.i. ha^-1 дозаларында эки сортту маанилүү айырмалап, айырма 24 HATтан баштап көрүнгөн. ExG кыйла аз туруктуу болгон; маанилүү сорт айырмасы 360 g a.i. ha^-1 шартында гана табылып, 720 g a.i. ha^-1 дозасында да туруктуу маанилүү айырмалоо бербеген.

IR термалдык жыйынтыктар: температура айырмасы эмнени көрсөттү?

Сезгич сояда көзөмөлгө салыштырмалуу температура өзгөрүүсү туруктуу өсүмдүктөрдөн чоңураак. Төмөн 90 жана 180 g a.i. ha^-1 дозаларында эрте убактарда маанилүү айырма байкалган эмес, бирок 24 HATтан кийин айырмалоо мүмкүн болгон. Жогорку дозаларда эки сорттун маанилүү термалдык айырмасы 4 HAT сыяктуу эрте пайда болгон.

24 HATта бардык дозалар боюнча сезгич өсүмдүктөрдүн орточо температура айырмасы 1.79°C, туруктуу өсүмдүктөрдө болсо 0.22°C деп билдирилген.

6 HATта эч бир дозада маанилүү туруктуу-сезгич айырма табылган эмес. Булак бул өзгөчө жыйынтыкты 6 HAT сүрөттөрүнүн түндө алынганы жана глуфосинат таасиринин жарыкка көз каранды болушу менен байланыштырган механизмдик түшүндүрмө берет. Бул түшүндүрмө бул изилдөөдө түз өлчөнгөн ROS же glutamine synthetase маалыматтарына эмес, адабиятка негизделген механизмдик чечмелөөгө таянат.

CF жыйынтыктары: фотосинтездик стресс көрүнгөн зыяндан мурда аныкталды

CF pseudo-color сүрөттөрүндө сезгич өсүмдүктөрдө глуфосинат дозасы жана убакыт көбөйгөн сайын даана караруу байкалган; туруктуу сояда өзгөрүүлөр чектелүүрөөк болгон. Сезгич жана көзөмөл өсүмдүктөрүнүн CF айырмалары 4 HAT сыяктуу эрте пайда болуп, RGB сүрөттөрүндөгү көрүнгөн белгилерден мурда байкалган.

Fv/Fm бардык глуфосинат дозаларында жана көпчүлүк баалоо убактарында туруктуу жана сезгич сортторду маанилүү айырмалаган. Эң жогорку 720 g a.i. ha^-1 дозасында айырма 4 HATта; башка дозаларда 6 HATтан баштап аныкталган.

Сезгич сояда максималдуу Fv/Fm азайуулары 90, 180, 360 жана 720 g a.i. ha^-1 дозаларында тиешелүү түрдө %28.9, %33.0, %39.7 жана %38.6 деп билдирилген. Туруктуу сояда максималдуу төмөндөө %14.0 деңгээлинде калган.

ΦPSII жалпысынан Fv/Fmге окшош үлгү көрсөткөн. Бирок эң жогорку дозада маанилүү айырмалоо 4 HATтын ордуна 6 HATтан баштап мүмкүн болгон.

Fd/Fm жана NPQ төмөн 90 жана 180 g a.i. ha^-1 дозаларында 24 HATтан баштап, жогорку 360 жана 720 g a.i. ha^-1 дозаларында 4 HAT сыяктуу эрте айырмалоо берген. Сезгич өсүмдүктөрдө Fd/Fm кийин %35.5ке, NPQ %26.7ге чейин төмөндөгөн. Туруктуу өсүмдүктөрдөгү минималдуу маанилер тиешелүү түрдө %71.7 жана %64.1 болгон.

10 күндүк биомасса жыйынтыгы эмне үчүн маанилүү?

Эрте сүрөт айырмалары убактылуу сенсордук ызы-чуу гана эмеспи, ошону баалоо үчүн ошол эле өсүмдүктөр глуфосинат колдонулгандан 10 күн өткөндө жыйналып, жер үстүндөгү нымдуу салмагы өлчөнгөн. Сезгич сояда доза көбөйгөн сайын өсүү күчтүү басаңдаган, туруктуу сояда болсо биомасса негизинен сакталган.

Булак Figure 8де бул жыйынтыкты тилкелүү график менен көрсөтөт. Негизги текст ар бир тилкенин так сандык нымдуу салмагын таблица менен бербегендиктен Verianla графиктен пикселге негизделген жалган так маанилерди чыгарган жок.

Текшерүү тажрыйбасы: эмне үчүн 180 g a.i. ha-1 тандалды?

180 g a.i. ha^-1 биринчи тажрыйбада RGB, IR термалдык жана CF индекстеринин баарында туруктуу жана сезгич өсүмдүктөрдү айырмалоого мүмкүндүк берген эң төмөнкү глуфосинат дозасы болгондуктан текшерүү тажрыйбасына алынган.

Бул тажрыйбада үч негизги индекс тандалган: NDI, жалбырак температурасы жана NPQ. Ошентип ар бир сүрөт үй-бүлөсүнөн бир негизги белги колдонулган.

Адам көзү менен классификациянын жыйынтыктары

13 баалоочунун жеке классификация тактыктары субъективдүү чечим критерийлерине жараша %73.3 менен %93.0 аралыгында өзгөргөн. Бул өзгөрмөлүүлүк адам көзү менен классификация практикалык болушу мүмкүн экенине карабастан байкоочуга көз каранды экенин көрсөтөт.

PAM классификациясынын сандык жыйынтыктары

Бул таблица булактын негизги текстинде ачык берилген маанилерди гана так сан катары берет. Figure 10догу башка тилкелерди визуалдык окууга болганы менен, чийки сандар текстте берилбегендиктен болжолдуу график окуулары так маалымат катары жазылган эмес.

Көзөмөлдөнгөн ML жыйынтыктарын кантип түшүндүрүү керек?

34 көзөмөлдөнгөн классификатордун ичинде IR термалдык жана CF белгилери жалпысынан RGB NDI белгисине караганда эрте жана жогорку классификация көрсөткүчүн берген. Негизги текст Fine Tree мисалын өзгөчө белгилейт: жалбырак температурасы 6 HATта, NPQ 24 HATта %100 орточо кросс-валидация тактыгына жеткен.

Бирок үч көрсөткүч катмарын бири-биринен айырмалоо керек:

• Көз менен классификация: 13 адам баалоочунун сүрөттөрдү карап чыгарган чечимдери.
• PAM: бүт текшерүү популяциясындагы индекстерди эки кластерге бөлгөн көзөмөлсүз классификация.
• 34 көзөмөлдөнгөн модель: 68 машыгуу, 19 текшерүү жана 9 көз карандысыз тест особуна бөлүнгөн маалыматтарда иштелип чыккан моделдер.

Ошондуктан PAMдын 6 HAT %100 тактыгы менен Fine Treeдын 6 HAT %100 орточо кросс-валидация жыйынтыгы математикалык жактан бир эле көрсөткүч тажрыйбасынын жыйынтыгы эмес.

Статистикалык ыкмалар

Спектралдык индекстер алгач үч факторлуу repeated-measures ANOVA менен талданган. Убакыт within-subject фактор, глуфосинат дозасы жана соя түрү between-subject факторлор катары аныкталган. Sphericity божомолу бузулганда Greenhouse-Geisser correction колдонулган.

Маанилүү таасирлер табылганда туруктуу жана сезгич сояны салыштыруу Fisher's LSD ыкмасы менен жүргүзүлгөн. Көз менен баалоо менен ML классификация тактыктарынын айырмасы ар бир убакыт чекитинде paired t-test менен салыштырылган. Статистикалык талдоодо SPSS Version 29 жана R 3.2.3 колдонулган.

Бул жыйынтыктар чыныгы талаада ошол эле тактык менен иштей турганын далилдейби?

Жок. Изилдөө көзөмөлдөнгөн өстүрүү бөлмөсүндө жүргүзүлгөн жана айрыкча IR термалдык жалбырак температурасы айлана-чөйрө өзгөрмөлөрүнө сезгич. Авторлор абанын температурасы, салыштырмалуу нымдуулук, буу басымынын дефицити, топурактагы суу абалы, радиациянын интенсивдүүлүгү жана канопинин архитектурасы термалдык өлчөөнү өзгөртө аларын белгилешет. Ошондуктан ыкма чыныгы талаада ошол эле чек маанилер жана ошол эле классификация тактыгы менен иштей турганы бул изилдөөдө далилденген эмес; ар кандай генотиптер жана айлана-чөйрө шарттарында талаа текшерүүсү зарыл.

Изилдөө колдогон жыйынтыктар

• RGB, IR термалдык жана CF сүрөттөө глуфосинаттан кийин туруктуу жана сезгич сояда ар башка спектралдык/физиологиялык жоопторду кармаган.
• IR термалдык жана CF индекстери RGBде көрүнгөн зыяндан мурда айырмалоого мүмкүндүк берген.
• NDI RGB негизиндеги ExG индексине караганда туруктуулукту туруктуураак айырмалаган.
• Жогорку дозаларда IR термалдык жана айрым CF индекстери 4 HAT сыяктуу эрте маанилүү айырма көрсөтө алган.
• Текшерүү тажрыйбасында PAM жалбырак температурасы классификациясы 6 HATта %100 тактыкка жеткен.
• IR термалдык сүрөттөр адам баалоочулар үчүн да жогорку визуалдык классификация ийгилигин берген.
• 96 өсүмдүктүк аралаш F2 популяциясында сүрөт белгилери ар башка генетикалык фондордо кайра текшерилген.
• Эрте спектралдык айырмалар 10 күндөн кийинки биомасса жооптун багыты менен шайкеш болгон.

Изилдөө колдобогон жыйынтыктар

• Ыкма бардык талаа шарттарында %100 тактык менен иштей турганы көрсөтүлгөн эмес.
• 6 HAT PAM %100 жыйынтыгы бардык машиналык үйрөнүү моделдеринин %100 көз карандысыз тест тактыгына ээ экенин билдирбейт.
• Термалдык температура айырмасы глуфосинатка гана мүнөздүү экени көрсөтүлгөн эмес.
• Изилдөө бардык соя сортторун же бардык глуфосинатка туруктуулук механизмдерин камтыбайт.
• PAM туруктуу особдор өтө сейрек болгон чыныгы мониторинг популяцияларында ошол эле ийгиликти көрсөтөрү текшерилген эмес.
• Ыкма глуфосинатка туруктуу отоо чөптөрдө ийгиликтүү иштей турганы бул тажрыйбада түз сыналган эмес; бул колдонуу келечектеги мүмкүнчүлүк катары талкууланган.
• Glutamine synthetase ингибициясы, ammonia accumulation же ROS өндүрүлүшү бул тажрыйбада өзүнчө биохимиялык өлчөнгөн эмес; булар глуфосинаттын таасир механизмин түшүндүрүү үчүн адабиятка негизделген талкуу контексти.

Изилдөөнүн күчтүү жактары

Биринчи күчтүү жагы — бүт өсүмдүктү бузбай, ошол эле особду убакыт ичинде кайра-кайра сүрөткө тартуу. Мунун аркасында 4-96 сааттагы эрте жооптор ошол эле биологиялык особдордо байкалган.

Экинчи күчтүү жагы — сүрөттөөнүн үч башка физикасын бирге баалоо: көрүнгөн түс, беттик температура жана хлорофилл флуоресценциясы. Мунун аркасында эрте этапта бир сенсор жетишсиз болгон учурда башка сенсорлордун артыкчылыгы салыштырылган.

Үчүнчү күчтүү жагы — биринчи доза-жооп жыйынтыктары ошол эле материал менен чектелбестен, башка генетикалык фонго ээ F2 популяциясында текшерилген.

Төртүнчү күчтүү жагы — сүрөт классификациясы адам көзү менен гана же бир эле ML ыкмасы менен гана бааланбастан, адам баалоосу, PAM кластерлөөсү жана көзөмөлдөнгөн алгоритмдер өз-өзүнчө изилденген.

Негизги чектөөлөр

Эң маанилүү чектөө — көзөмөлдөнгөн өстүрүү бөлмөсү. Айрыкча жалбырак температурасы айлана-чөйрө өзгөрмөлөрүнө катуу көз каранды болушу мүмкүн болгондуктан, талаадагы көрсөткүч өзүнчө текшерилиши керек.

Экинчи чектөө — текшерүү популяциясы 96 өсүмдүк менен чектелген. Көзөмөлдөнгөн модель иштеп чыгууда көз карандысыз тест топтомунда болгону тогуз өсүмдүк болгон. Авторлор чоңураак жана ар түрдүү популяцияларда текшерүү зарыл экенин ачык белгилешет.

Үчүнчү чектөө — PAMдын кластер саны алдын ала эки болуп белгиленген. Бул ыкма туруктуу жана сезгич особдор бирге болгон учурларга ылайыктуу; туруктуу особдор өтө сейрек болгон популяцияларда кластерлөө көрсөткүчү төмөндөшү мүмкүн.

Төртүнчү чектөө — CF системасында 30 мүнөттүк dark adaptation талабы. Булак бул талап практикалык колдонууну чектеши мүмкүн экенин жана жарыкка адаптацияланган абалда өлчөнүүчү ΦPSII сыяктуу индекстер айрым колдонмолордо артыкчылык бериши мүмкүн экенин талкуулайт.

Бешинчи чектөө — негизги PDFде 34 көзөмөлдөнгөн алгоритмдин толук гиперпараметрлери жана бардык жыйынтыктары жок. Алар Supplementary Materialга чыгарылган. Verianla жүктөлгөн негизги PDFде ачык берилген жыйынтыктарды гана так маалымат катары колдонгон.

Колдонмо мааниси

Авторлор ыкманы глуфосинатка туруктуу GM сояда трансген алып жүргөн особдорду тез скрининг кылуу, ген агымы тажрыйбаларындагы тукум особдорун тандоо жана келечекте гербицидге туруктуу отоо чөптөрдү жогорку өндүрүмдүүлүк менен скрининг кылуу сыяктуу колдонмолорго кеңейтүүгө болорун талкуулашат.

Бирок сүрөт талдоосу PCR же белокко негизделген ыкмалардын молекулярдык тастыктоосун толук жокко чыгарган абсолюттук алмаштыруучу ыкма катары берилбеши керек. Бул изилдөө сүрөттөө ыкмасын тез жана бузбай скрининг кылуучу курал катары колдойт. Айрыкча тобокелдикти башкаруу же жөнгө салуучу чечим талап кылынган учурларда сүрөт классификациясынын ролу максаттуу колдонуу контекстине жараша өзүнчө текшерилиши керек.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталыш: Early identification of glufosinate-resistant soybeans using plant image analysis.

Авторлор жана ирети: Min-Jung Yook, Bo-Kyung Chang, Tae-Kyeong Noh, Do-Soon Kim.

Тең салым: Булак PDFде тең салым/тең биринчи авторлук белгиси көрүнбөйт.

Жооптуу автор: Do-Soon Kim.

Аффилиация: Department of Agriculture, Forestry and Bioresources, Research Institute of Agriculture and Life Sciences, College of Agriculture and Life Sciences, Seoul National University, Seoul, Republic of Korea.

Журнал: Frontiers in Plant Science.

Журнал бөлүмү: Crop and Product Physiology.

Жарыя түрү: Original Research.

Том / макала номери: Volume 17, Article 1886688.

DOI: 10.3389/fpls.2026.1886688.

Расмий шилтеме: https://doi.org/10.3389/fpls.2026.1886688

Жарыя платформасы/басмакана: Frontiers.

Тапшырылган: 20 May 2026.

Кайра каралган: 26 June 2026.

Кабыл алынган: 20 July 2026.

Жарыяланган: 4 August 2026.

Редактор: Yuxiang Zeng.

Рецензенттер: Damrongvudhi Onwimol жана Zhongzhong Niu.

Рецензия статусу: Рецензияланган журнал макаласы; булак PDF редакторду жана рецензенттерди ачык көрсөтөт.

Лицензия: Creative Commons Attribution License (CC BY). Булак ылайыктуу академиялык шилтеме менен колдонууга, таратууга жана кайра чыгарууга уруксат берет.

Каржылоо: Korea Institute of Planning and Evaluation for Technology in Food, Agriculture and Forestry (IPET), Ministry for Food, Agriculture, Forestry and Fisheries, Republic of Korea; Project No. 321056-05-1-HD050.

Кызыкчылыктардын кагылышы: Авторлор потенциалдуу кызыкчылык кагылышы катары чечмелене турган коммерциялык же каржылык мамиле жок экенин билдиришкен.

Маалымат жеткиликтүүлүгү: Изилдөөнүн оригиналдуу салымдары макалада жана Supplementary Material ичинде бар экени; кошумча суроолор corresponding authorга жөнөтүлүшү мүмкүн экени белгиленген.

Автордук салымдар: MY: Investigation, Writing – original draft, Writing – review & editing. BC: Investigation, Methodology, Writing – review & editing. TN: Investigation, Methodology, Writing – review & editing. DK: Conceptualization, Funding acquisition, Supervision, Writing – review & editing.

Generative AI билдирүүсү: Авторлор макаланы даярдоодо generative AI колдонулбаганын билдиришкен. Frontiers сүрөттөр үчүн берген альтернативдүү тексттер AI жардамы менен түзүлүшү мүмкүн экени басмакана тарабынан өзүнчө белгиленген.

Негизги эксперименттик чек: Бардык тажрыйбалар көзөмөлдөнгөн өстүрүү бөлмөсүндө жүргүзүлгөн. Талаа колдонмосу же табигый чөйрөдөгү классификация тактыгы бул изилдөөдө сыналган эмес.

Машиналык үйрөнүү чеги: PAMдын %100 IR термалдык тактыгы менен Fine Treeдын %100 орточо кросс-валидация тактыгы ар башка талдоолор. Негизги PDF Fine Tree үчүн көз карандысыз тест топтомунда %100 жыйынтык билдирбейт.

Supplementary Material чеги: 34 supervised алгоритмдин толук тизмеси, гиперпараметр деталдары жана бардык модель көрсөткүч статистикалары негизги PDFде эмес, кошумча материалда берилген; жүктөлгөн негизги булактан тышкаркы маанилер бул макалада ойдон чыгарылган эмес.