• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Plant Phenomics >Latent Space Phenotyping: Automatic Image-Based Phenotyping for Treatment Studies
【2h】

Latent Space Phenotyping: Automatic Image-Based Phenotyping for Treatment Studies

机译：潜在空间表型：基于自动图像的治疗研究表型

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Association mapping studies have enabled researchers to identify candidate loci for many important environmental tolerance factors, including agronomically relevant tolerance traits in plants. However, traditional genome-by-environment studies such as these require a phenotyping pipeline which is capable of accurately measuring stress responses, typically in an automated high-throughput context using image processing. In this work, we present Latent Space Phenotyping (LSP), a novel phenotyping method which is able to automatically detect and quantify response-to-treatment directly from images. We demonstrate example applications using data from an interspecific cross of the model C4 grass Setaria, a diversity panel of sorghum (S. bicolor), and the founder panel for a nested association mapping population of canola (Brassica napus L.). Using two synthetically generated image datasets, we then show that LSP is able to successfully recover the simulated QTL in both simple and complex synthetic imagery. We propose LSP as an alternative to traditional image analysis methods for phenotyping, enabling the phenotyping of arbitrary and potentially complex response traits without the need for engineering-complicated image-processing pipelines.
机译：关联映射研究使研究人员能够识别许多重要的环境耐受因子的候选基因座，包括植物中的农艺相关的耐受性。然而，传统的基因组 - 逐环境研究，例如这些研究需要一种能够准确地测量压力响应的表型管道，通常使用图像处理在自动化的高吞吐量上下文中。在这项工作中，我们呈现潜在的空间表型（LSP），一种新型表型方法，其能够直接从图像自动检测和量化响应。我们用来自模型C4草濑脉的三种型号，二级高粱（Bicolor）的多样性面板，以及嵌套关联映射群的创始面板，用数据证明了示例应用程序，以及Canola（甘蓝型Napus L.）的嵌套关联映射群。使用两个合成生成的图像数据集，我们显示LSP能够在简单和复杂的合成图像中成功恢复模拟QTL。我们建议LSP作为替代的表型传统图像分析方法，实现任意和潜在的复杂反应性状的表型，而无需工程，复杂的图像处理流水线。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号