Le phénotypage, qui consiste à évaluer les caractéristiques observables des plantes, est crucial pour comprendre le développement des plantes et leur réponse aux stress environnementaux. Les méthodes traditionnelles sont souvent lourdes, coûteuses et destructrices, limitant la portée et l’échelle de la recherche. Un nouveau système d’outils de phénotypage abordables, mobiles et à haut débit rend la technologie accessible à un plus large éventail d’utilisateurs.
La solution « tout-en-un », développée par une équipe du Boyce Thompson Institute (BTI), comprend des conceptions matérielles à faible coût, des pipelines de traitement de données et une plateforme d’analyse de données conviviale. Le système de BTI capture les données sans nuire aux plantes, permettant une surveillance continue de la croissance des plantes et fournissant une compréhension nuancée des réponses des plantes au fil du temps. L’intégration d’un matériel simple avec des pipelines informatiques sophistiqués crée une solution efficace de phénotypage à haut débit.
« En réduisant les coûts et les barrières techniques du phénotypage avancé des plantes, nos travaux permettent aux chercheurs du monde entier de mener des études abordables et basées sur des données », a déclaré Magda Julkowska, professeur adjoint au BTI et co-auteur principal de l’étude. « Cela pourrait accélérer la sélection de cultures plus résilientes et plus productives, améliorant ainsi la sécurité alimentaire de manière durable. »
À l’aide de leur nouvel ensemble d’outils de phénotypage, l’équipe de recherche a analysé la résilience du niébé à la sécheresse, une culture vivrière de base pour des millions de personnes dans les régions arides. Ils ont identifié plusieurs loci génétiques liés à la réponse à la sécheresse, ouvrant la voie à la sélection de variétés plus résilientes. Ces résultats et les détails de leur plateforme innovante ont été récemment publiés dans Physiologie végétale.
« Cette technologie pourrait aider à transformer les régions où la pénurie d’eau menace la sécurité alimentaire en permettant des recherches localisées et rentables sur les performances des cultures dans des conditions de stress », a noté Li’ang Yu, chercheur postdoctoral au BTI et co-premier auteur de l’étude. « L’adaptabilité du système signifie qu’il peut être utilisé pour diverses espèces, des cultures de base aux plantes moins communes. »
L’une des caractéristiques les plus remarquables du système est son intégration avec des pipelines informatiques conçus pour être faciles à utiliser. Hayley Sussman, scientifique de BTI et co-premier auteur de l’étude, explique : « L’application RaspiPheno que nous avons développée rationalise l’analyse des données, offrant une plate-forme interactive pour traiter et visualiser les données phénotypiques. Cela raccourcit la courbe d’apprentissage et permet aux chercheurs de se concentrer sur les informations biologiques. plutôt que des obstacles techniques.
Pour l’avenir, l’équipe est ravie que d’autres adoptent et s’appuient sur ce système. Toutes les conceptions matérielles, logiciels et protocoles détaillés ont été réalisés Disponible publiquement. « En rendant ces outils en libre accès, nous espérons permettre de nouvelles découvertes et collaborations qui peuvent aider à relever certains des défis majeurs auxquels est confrontée l’agriculture aujourd’hui », a déclaré Andrew Nelson, professeur adjoint au BTI et co-auteur principal de l’étude.
Le travail de l’équipe est un exemple convaincant de la façon dont l’amélioration des technologies de phénotypage peut accélérer la recherche et l’application en biologie végétale. À mesure que davantage de scientifiques exploiteront ces outils, nous pouvons nous attendre à des progrès plus rapides dans la compréhension des caractères clés et dans le développement de variétés de cultures plus résilientes et plus productives pour l’avenir.
Plus d’information:
Li’ang Yu et al, Développement d’un système de phénotypage de croissance végétale mobile, à haut débit et à faible coût, basé sur l’image, Physiologie végétale (2024). DOI : 10.1093/plphys/kiae237