Extraction of quantitative traits from 2D images of mature arabidopsis plants

Abstract

Die Erforschung des Zusammenhangs zwischen Erbgut (Genotyp) eines Organismus und dessen Erscheinungsform (Phänotyp) ist von großem Interesse. Das Identifizieren von genetischen Mechanismen die der Auslöser für gewisse Krankheiten sein können oder die genetische Veränderung von Nutzpflanzen um diese robuster gegen ihre Umwelt zu machen sind nur zwei relevante Beispiele aus dem Bereich der Naturwissenschaften. Groß angelegte phänotypische Studien versuchen diese Korrelation zwischen dem Genotyp und dem Phänotyp eines Organismus herauszufinden. Während das genetische sequenzieren von Modell Organismen heutzutage effektiv durchgeführt werden kann, ist das manuelle Vermessen von Merkmalen, die den Phänotyp eines Organismus beschreiben, meist ineffektiv und mit hohen Kosten verbunden. Arabidopsis thaliana (Acker-Schmalwand) ist eine weit verbreitete, kleine, blühende Pflanze und zählt zu den populärsten Modellen für die funktionelle Genforschung. In dieser Arbeit wird ein Framework vorgestellt, welches die phänotypische Analyse auf Basis von 2D Bildern von ausgewachsenen Arabidopsis Pflanzen ermöglicht. Dabei werden quantitative, phänotypische Merkmale, die sowohl geometrische als auch topologische Eigenschaften der Architektur der Pflanze beschreiben, gemessen (z.B. Länge eines Pflanzenstamms, Anzahl von Stängel). Aus logistischen Gründen wurden die Pflanzen getrocknet und gepresst bevor sie fotografiert wurden. Das führt dazu, dass Teile von Pflanzen überlappen können und die Rekonstruktion auf Basis der 2D Bilder erschwert wird. Kernaufgabe dieser Pipeline ist es diese Überlappungen von einzelnen Ästen so zu rekonstruieren, dass sie dem realen Verzweigungsmuster der Pflanze entsprechen. Für die Rekonstruktion der Pflanze kommt eine tracing-Methode zur Anwendung, bei der zunächst die Mittelachse der Pflanze Schritt für Schritt segmentiert wird. In einem weiteren Schritt werden Teile dieses "Skeletts" nach Kriterien hinsichtlich Kontinuität gruppiert und zusammengesetzt. Beim Entwickeln des Frameworks wurde besonders darauf geachtet, dass die Anzahl der nötigen Benutzer-Interaktionen minimiert wird. Um die Durchsatzrate des Prozesses zu erhöhen gibt es allerdings die Möglichkeit kleine Korrekturen an den Zwischenresultaten vorzunehmen. Die erzielte Genauigkeit beim Bestimmen eines Merkmals ist von der Komplexität der Pflanze bzw. von den Bildeigenschaften abhängig. Eine voll-automatische Bestimmung von topologischen und geometrischen Merkmale bleibt Pflanzen mit einer begrenzten Komplexität vorbehalten.

The functional analysis of genes is a popular and interesting challenge in natural sciences. The understanding about genes causing pathologies in humans and animals or genes causing an increasing crop yield are only two important and relevant applications. High-throughput phenotyping studies are seeking to increase the understanding about the impact of the genotype of an organism on its appearance- the phenotype. To find this correlation, genetic sequenced data as well as the phenotypic characteristics, so called traits, have to be determined. The bottleneck in these large-scale studies is the manual manipulation of samples and the subsequent determination of traits. Arabidopsis thaliana is a widespread, small, flowering plant and a popular model in functional genomics. In this work a framework is presented to extract geometrical and topological traits from 2D images of mature Arabidopsis (e.g. length of a stem, number of branches). Due to logistical reasons the plants were dried and pressed before the images were acquired. Therefore some parts of the plants are overlapping and the "realistic" architecture has to be reconstructed from the 2D images before the traits can be extracted. The reconstruction of the plants-architecture is done in two steps. In the first step, a tracing approach is used for the extraction of the centerline of the plant. In the second step, continuity principles are used to group centerline segments and reconstruct the plants- realistic architecture. The need for supervision along the pipeline is tried to be brought towards a minimum. Nevertheless, methods for minor corrective interventions are provided to rise the throughput rate. The accuracy and the grade of automation during the plant reconstruction is depending on the morphological complexity of the plant structure. Unsupervised trait extraction using the framework is reserved to plants with a limited morphological complexity and images with a uniformly high contrast.