第二代實(shí)驗(yàn)室型高通量植物表型平臺(tái) 最新集成了全球功能最強(qiáng)大、操作最簡便、發(fā)表文獻(xiàn)最多的葉綠素?zé)晒獬上裣到y(tǒng) 突變株快速篩選的強(qiáng)大工具 PhenoCenter 是實(shí)驗(yàn)室型高通量植物表型平臺(tái)HTS Lab Scanalyzer的升級(jí)版。PhenoCenter是一套集培養(yǎng)植物材料功能和高通量采集小型植物及其他樣品材料表型數(shù)據(jù)功能于一身的多功能表型系統(tǒng),可以對(duì)不同品種、不同生命時(shí)期的小型植物或者其他樣品材料進(jìn)行深入的表型數(shù)據(jù)采集。此系統(tǒng)可根據(jù)測量樣品數(shù)目選擇不同配置版本,有多種傳感器以及光源可以選擇,滿足不同領(lǐng)域的表型研究。 | |||||||||
主要功能 ? ? l 定制化地進(jìn)行植物等小型樣品培養(yǎng),如根據(jù)植物生長特定LED燈光的光照強(qiáng)度、白天對(duì)黑夜時(shí)長比例、以及光照強(qiáng)度的波動(dòng)間隔時(shí)間等。 ? l 全自動(dòng)、高通量對(duì)植物等小型樣品進(jìn)行可見光、近紅外、紅外、PSII調(diào)制熒光成像(PAM)或激光3D掃描。 ? l 自動(dòng)的將擴(kuò)展區(qū)的植株運(yùn)送到成像臺(tái),進(jìn)行后續(xù)的表型成像分析。 ? l 通過可見光成像可以測量植物的結(jié)構(gòu)、寬度、密度、對(duì)稱性、葉長、葉寬、葉面積、葉角度、葉顏色、葉病斑、種子顏色、種子顏色面積等等50多個(gè)參數(shù)。 ? l 通過近紅外成像可以分析植物的水分分布狀態(tài)、水力學(xué)研究、脅迫生理學(xué)研究等。 ? l 通過熒光成像可以分析植物的生理狀態(tài)。 ? l 樣品可以是培養(yǎng)在多孔板中(如6、12、24、48、96、384孔板),也可以是長在小花盆中。 ? l 高通量測量大量樣品,標(biāo)準(zhǔn)配置可選擇裝4、24、48或72多孔板的版本 ? l 可選擇成像分辨率,特別適用于96孔板高精度測量 l 進(jìn)行動(dòng)物/昆蟲的游動(dòng)/運(yùn)動(dòng)測試時(shí),可自動(dòng)獲取圖像 ? l 通過專業(yè)的表型分析軟件對(duì)植物等小型樣品采集到的表型數(shù)據(jù)進(jìn)行批量處理。 l 通過自動(dòng)獲取圖像,進(jìn)行動(dòng)物/昆蟲的游動(dòng)/運(yùn)動(dòng)測試。 | |||||||||
PhenoCenter總覽圖
| |||||||||
主要配置: 1. 控制臺(tái)(WxLxH):1200mm×700mm×1600mm 2. 基本模塊(WxLxH):1800mm×800mm×1900mm 3. 擴(kuò)展(可選)(WxLxH):1400mm×800mm×1900mm 電源要求: 400V AC,16A,50Hz 微孔板的處理(MTP) 小植物可以在MTP上運(yùn)輸,見下圖; 總重量最大300g | |||||||||
應(yīng)用領(lǐng)域 | |||||||||
? 突變株篩選 ? 植物形態(tài)建模 ? 遺傳育種 ? 植物病理學(xué) ? 植物脅迫生理學(xué) | ? 種子病理學(xué) ? 種子生理學(xué) ? 植物水力學(xué) ? 毒理學(xué) ? 動(dòng)物/昆蟲運(yùn)動(dòng)軌跡 | ||||||||
4. 相機(jī)臺(tái) 4.1 VIS相機(jī) 4.2 PAM相機(jī) 4.3 3D激光掃描儀 * PhenoCenter目前能最多安裝三個(gè)成像模塊,如果已經(jīng)安裝RGB和激光雷達(dá)3D(或PAM模塊),替換掉RGB模塊后,需要手動(dòng)安裝NIR成像模塊。 5. 處理相機(jī)和MTP的系統(tǒng)基本模塊 5.1 MTP的z軸 5.2相機(jī)的z軸 5.3相機(jī)夾具 5.4MTP夾具 6. 18個(gè)MTP的托盤 6.1發(fā)射LED燈 6.2手持式條形碼閱讀器的USB端口 7. 轉(zhuǎn)運(yùn)站
| |||||||||
系統(tǒng)優(yōu)勢(shì) ?l 定制化植物培養(yǎng) l 定制化設(shè)計(jì) l 全自動(dòng)高通量表型數(shù)據(jù)采集 ?l 穩(wěn)固可靠 l 強(qiáng)大的LemnaTec公司表型分析軟件 | |||||||||
PhenoCenter成像模塊的具體規(guī)格 NIR:焦距50mm,1450nm帶通濾波器;視野18°x 14°,工作距離540 mm - 一個(gè)MTP的圖像 VIS:50mm焦距;視野20°x 15°,工作距離485 mm - 一個(gè)MTP的圖像 PAM相:成像面積100x130 mm;工作距離185 mm 3D激光:(新發(fā)展中) | |||||||||
PAM成像模塊配置 整合高通量PSII調(diào)制式葉綠素?zé)晒獬上裉筋^ PhenoCenter引入德國WALZ技術(shù),將國際上廣受贊譽(yù)的葉綠素?zé)晒獬上裣到y(tǒng)Maxi-Imaging-PAM整合其中,將其強(qiáng)大精準(zhǔn)的光合生理測量功能發(fā)揮到極致,從此植物表型系統(tǒng)也可高精度、高通量獲取全系葉綠素?zé)晒獬上駞?shù),為植物表型研究注入強(qiáng)大動(dòng)力。 | |||||||||
成像功能:對(duì) Ft、Fo、Fm、Fv/Fm、F、Fm’、Y(II)、Y(NO)、Y(NPQ)、NPQ、qN、qP、qL、ETR、Abs.、NIR、Red 等至少 17 種參數(shù)進(jìn)行成像分析,全面獲取植物光合生理表型數(shù)據(jù)。測定調(diào)節(jié)性能量耗散 Y(NPQ),反映植物光保護(hù)能力,測定非調(diào)節(jié)性能量耗散Y(NO),反映植物光損傷程度。 l 程序測量功能:可程序測量熒光誘導(dǎo)曲線、快速光曲線和暗弛豫,也可手動(dòng)測量;在測量過程中能自動(dòng)分析所有熒光參數(shù)的變化趨勢(shì) l AOI功能:可在測量前或測量后任意選擇感興趣的區(qū)域(AOI),程序?qū)⒆詣?dòng)對(duì)選擇的AOI的數(shù)據(jù)進(jìn)行變化趨勢(shì)分析,并在報(bào)告文件中顯示相關(guān)AOI的數(shù)據(jù)。所有報(bào)告文件中顯示的數(shù)據(jù)都可導(dǎo)出到EXCEL文件中。 l 成像異質(zhì)性分析功能:對(duì)任意參數(shù)任意時(shí)間的成像,可在圖像上任意選取兩點(diǎn),軟件自動(dòng)對(duì)兩點(diǎn)間的數(shù)據(jù)進(jìn)行橫向異質(zhì)性分析,并可導(dǎo)出到EXCEL文件中。 l 成像數(shù)據(jù)范圍分析功能:對(duì)任意參數(shù)任意時(shí)間的成像,可分析任意兩個(gè)熒光數(shù)值之間有多少個(gè)像素點(diǎn),多少面積(cm2)。 l 突變株篩選功能:可跟據(jù)成像結(jié)果快速篩選光合、產(chǎn)氫/油、抗逆(抗鹽、抗旱、抗病等)等突變株。 l 微藻毒理研究功能:可同時(shí)測量96個(gè)微藻樣品(對(duì)照和處理組)的光合活性,軟件自動(dòng)給出處理組樣品相對(duì)于對(duì)照組的光合抑制百分比。 l 吸光系數(shù)測量功能:快速測量葉片的吸光系數(shù)。吸光系數(shù)測量光源: 16個(gè)紅光(660 nm)和16個(gè)近紅外(780 nm)LED,用于測量植物葉片或藻類樣品PAR吸光系數(shù)。 | |||||||||
配置選擇: Maxi探頭(藍(lán)光版) l 熒光測量光源: 44個(gè)藍(lán)色LED,450 nm,測量光強(qiáng)度0.5 μmol m-2 s-1PAR,最大光化光強(qiáng)度2300 μmol m-2 s-1PAR,飽和脈沖強(qiáng)度5000 μmol m-2 s-1PAR l 吸光系數(shù)測量光源:16個(gè)紅光(660 nm)和16個(gè)近紅外(780 nm)LED,用于測量樣品PAR吸光系數(shù)。 l 光強(qiáng)異質(zhì)性:測量區(qū)域光強(qiáng)異質(zhì)性小于±7%。 l 測量參數(shù):Ft、Fo、Fm、Fv/Fm、F、Fm’、Y(II)、Y(NO)、Y(NPQ)、NPQ、qN、qP、qL、ETR、Abs.、NIR、Red等。
Maxi探頭(紅光版) l 熒光測量光源: 44個(gè)紅色LED,650 nm,測量光強(qiáng)度0.5 μmol m-2 s-1PAR,最大光化光強(qiáng)度1900 μmol m-2 s-1PAR,飽和脈沖強(qiáng)度3700 μmol m-2 s-1PAR l 吸光系數(shù)測量光源:16個(gè)紅光(660 nm)和16個(gè)近紅外(780 nm)LED,用于測量樣品吸光系數(shù)。 l 光強(qiáng)異質(zhì)性:測量區(qū)域光強(qiáng)異質(zhì)性小于±7%。 l 測量參數(shù):Ft、Fo、Fm、Fv/Fm、F、Fm’、Y(II)、Y(NO)、Y(NPQ)、NPQ、qN、qP、qL、ETR、Abs.、NIR、Red等。 | |||||||||
應(yīng)用案例: 1. 熒光成像模塊應(yīng)用 ?MAXI-IMAGING-PAM成像模塊特別適合對(duì)幼苗、愈傷組織、微藻等進(jìn)行突變株的快速篩選,適合于與光合突變株、抗逆(抗旱、抗鹽、抗病等)突變株、產(chǎn)油/氫突變株等的快速篩選。國外利用MAXI-IMAGING-PAM篩選突變株的典型客戶如拜耳、BASF、孟山都、先正達(dá)等大型跨國農(nóng)業(yè)巨頭,以及各大農(nóng)業(yè)育種、植物分子生物學(xué)等科研單位,例如澳大利亞植物功能基因組中心(阿德雷德大學(xué))、德國尤里希表型植物表型研究中心(Julich Plant Phenotyping Centre)等等。 ?國內(nèi)約一半的MAXI-IMAGING-PAM客戶在進(jìn)行突變株快速篩選工作,主要分布于中國科學(xué)院、中國農(nóng)科院和各大高校。 | |||||||||
突變株篩選實(shí)例一:國內(nèi)某客戶篩選的擬南芥突變株
| |||||||||
突變株篩選實(shí)例二:產(chǎn)油突變株的篩選。Ajjawi et al, 2010, Plant Physiol., 152: 529-540.
| |||||||||
突變株篩選實(shí)例三:光合突變株的篩選。Armbruster et al., 2010, Plant Cell, 22: 3439-3460. | |||||||||
調(diào)制葉綠素?zé)晒獬上駥?shí)例 | |||||||||
葉片成像異質(zhì)性 | 水果的成像 | ||||||||
1)葡萄葉片 | 1)草莓的成像 | ||||||||
2)荷花葉片 | 2)獼猴桃的成像 | ||||||||
突變株篩選 | 植物病理研究 | ||||||||
RGB成像應(yīng)用案例 | |||||||||
擬南芥的連續(xù)成像分析與圖像處理(Nan An et al., Computers and Electronics in Agriculture,2017)
| |||||||||
高通量PhenoCenter系統(tǒng)特別適合于研究植物的形態(tài)學(xué)指標(biāo)和在生長過程中這些指標(biāo)隨時(shí)間的動(dòng)力學(xué)變化。 | |||||||||
利用系統(tǒng)的RGB模塊研究的擬南芥植株面積隨時(shí)間的動(dòng)力學(xué)變化。
| |||||||||
利用系統(tǒng)的核心成像平臺(tái),分析對(duì)照和突變體葉片面積的差異(Shao et al. BMC Plant Biology ,2017)
| |||||||||
通過PhenoCenter系統(tǒng)可以獲得大量的植物表型參數(shù),利用這些表型參數(shù)繪制的雷達(dá)圖,可作為反映植株形態(tài)的“指紋圖譜”。根據(jù)這種“指紋圖譜”可以對(duì)植株根據(jù)表型進(jìn)行分類,特別適合于數(shù)量性狀基因座(QTL)研究。下面兩個(gè)圖根據(jù)擬南芥的表型雷達(dá)圖進(jìn)行的植物分類,對(duì)于其它大型的農(nóng)作物用Scanalyzer 3D系統(tǒng)測量后,也可以獲得類似的結(jié)果。 | |||||||||
可見光應(yīng)用實(shí)例一:擬南芥表型參數(shù)的靜態(tài)雷達(dá)圖(“指紋圖譜”) | |||||||||
利用5種參數(shù)做的雷達(dá)圖,分類結(jié)果用顏色顯示。數(shù)據(jù)為擬南芥生長到第13天時(shí)的結(jié)果。 | |||||||||
可見光應(yīng)用實(shí)例二: 擬南芥表型參數(shù)的動(dòng)態(tài)雷達(dá)圖(“指紋圖譜”) | |||||||||
利用5種參數(shù)做的雷達(dá)圖,但增加了時(shí)間序列的數(shù)據(jù)。分類結(jié)果用顏色顯示。數(shù)據(jù)為擬南芥生長到第0、4、8、13天時(shí)的結(jié)果。 | |||||||||
利用多種成像模塊包括激光3D在內(nèi)的成像模塊,除了獲取植物的2D信息,可以進(jìn)一步更準(zhǔn)確的獲取植物的3D表型信息,如下圖。 | |||||||||
對(duì)擬南芥的3D表型信息提取與分析(Nan An et al., Computers and Electronics in Agriculture,2017)
|