Разработка методов автоматического определения количественных характеристик опушения листа

• Автор: Генаев, Михаил Александрович
• Шифр специальности: 03.01.09
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Новосибирск
• Количество страниц: 141 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Обзор литературы
1.1 Опушение - важный фенотипический признак растений
1.1.1 Строение трихом
1.1.2 Функции опушения
1.1.3 Методы определения опушения растений
1.2 Методы обработки биологических цифровых изображений
1.2.1 Основные процедуры подготовки и анализа изображений в биологии
1.2.2 Комбинированное использование методов обработки изображений
1.2.3 Библиотеки анализа цифровых изображений
1.2 Высокопроизводительное фенотипирование при анализе взаимосвязи генотип-
фенотип у растений
1.3 Интеграция и структуризация информации о фенотипах, генотипах и параметрах окружающей среды — актуальная проблема при изучении живых организмов
1.4 Заключение по обзору литературы и формулировка задачи исследования
Г лава 2. Метод оценки количественных характеристик опушения листа
2.1 Протокол подготовки препаратов для снятия микроизображений сгиба листа
2.2. Алгоритм анализа изображений сгиба листа для определения количественных характеристик опушения
2.2.1. Удаление шумов
2.2.2. Бинаризация изображения
2.2.3. Определение границы листа
2.2.4. Выделение объектов и определение вершин и оснований трихом
2.2.5. Выделение и классификация объектов на простые и сложные, определение длин
трихом
2.2.6. Оценка оптимальных значений параметров анализа изображений и точности
метода
2.2.7 Программа определения характеристик опушения у пшеницы: ЫГОе1еы2
2.3 Применение алгоритма для анализа опушения листа пшеницы
2.3.1. Оценка оптимальных параметров алгоритма и точности метода
2.3.2. Сравнение с методом иШМеЫ
2.4. Анализ характеристик опушения листа у растений табака
2.4.1. Модификация параметров алгоритма для анализа опушения листа табака
2.5 Заключение к главе
Глава 3. Применение метода оценки количественных характеристик опушения листа
г 3.1. Массовый анализ характеристик опушения листа пшеницы
3.2. Изучение взаимного расположения трихом у пшеницы
3.3. Изучение количественных характеристик опушения листа линий табака с различным содержанием пролина
3.4. Заключение к главе
Глава 4. Компьютерная система для анализа взаимосвязи признаков фенотипа, генотипа и параметров окружающей среды
4.1. Концептуальная модель данных ''Л'ЬеаіРСЕ
4.1.1. Генотип
4.1.2. Фенотип
4.1.3. Окружающая среда
4.1.4. Временные линии
4.2. Логическая модель данных VheatPGE
4.3. Технологии реализации системы yheatPGE
4.4. Пользовательский интерфейс системы VheatPGE
4.5. Программно-аппаратный комплекс для мониторинга параметров окружающей среды в системе ШЬеагРОЕ
4.6. Работа с мобильными утройствами
4.7. Заключение к главе
Заключение
Выводы
Список литературы

Введение
Актуальность работы. Одной из ключевых проблем современной биологии — изучение взаимосвязи между генотипом и фенотипом у живых организмов, в том числе растений. Для определения взаимосвязей между генотипом и фенотипом при анализе комплексных признаков применяются компьютерно-экспериментальные подходы, основанные на методе картирования генов, контролирующих количественные признаки (quantitative trait loci, QTL). Эти подходы основаны на статистическом анализе комбинаций молекулярных маркеров и фенотипических данных (Shavrukov et al., 2010; Kearsey, 1998).
Одной из эффективных технологий, позволяющей получать массовым образом данные о последовательностях маркеров в геноме отдельно взятого организма, является секвенирование нового поколения. Эта технология ориентирована на прочитывание коротких фрагментов нуклеотидных последовательностей (30-200 п.н.), но в массовом порядке и с высокой степенью покрытия, что позволяет идентифицировать в геноме последовательности большого количества маркеров одновременно (Mardis, 2008). Таким образом, высокопроизводительное генотипирование (получение большого пула данных по ДНК-маркерам) в анализе взаимосвязи генотип-фенотип сейчас не является проблемой, как это было еще 10-20 лет назад. В этой связи становится актуальным массовое получение данных по фенотипам растений. Именно поэтому область исследований в биологии, связанная с получением данных о фенотипических признаках растений в массовом порядке (высокопроизводительное фенотипирование), сейчас получает все большее развитие (Eberius et al., 2009).
Совокупность фенотипических признаков организма в последнее время стали называть «феном» (по аналогии с геномом), а область науки, которая посвящена его анализу - феномика (Houle et al., 2010; Furbank et al., 2011). В основе технологий высокопроизводительного фенотипирования растений

одними из самых важных агрономических характеристик и влияют на доходность и рыночную цену зерна. Для получения точных данных размера семян, необходимо большое количество измерений, потому что есть небольшие различия в размерах между семенами с одного растения. Разработанное, японскими исследователями, программное обеспечение "SmartGrain" обеспечивает высокопроизводительное измерение семян, используя методы анализа изображений (Tanabata et al, 2012).
Примером изменения особенностей объекта во времени может служить работа, посвященная отслеживанию моторики поведения червя Caenorhabditis elegans (Leifer et al., 2011). В работе в режиме реального времени осуществлялась обработка цифрового потока, получаемого с камеры, установленной на микроскоп. Программа на основе библиотеки OpenCV быстро, 50 кадров с секунду, анализирует каждый кадр потока. Программа определяет местоположение клеток-мишеней и поручает цифровому микро-зеркальному устройству сигнал для освещения клеток-мишеней лазерным светом соответствующей длины волны, чтобы стимулировать или ингибировать активность червя.
Совмещение. Совмещение двух цифровых изображений одного и того же объекта является важным в случае, когда совмещенная карта соответствия может быть использована для последующей обработки или анализа изображения. Совмещаемые изображения могут представлять собой снимки одного и того же объекта, полученные различными путями или снятые в разное время. Например, в процессе диагностики может возникнуть необходимость в совмещении изображений пациента с контрольным изображением здорового человека либо с цифровым анатомическим атласом того или иного органа. Получаемая карта соответствия может использоваться для попиксельного сравнения изображений, оценки изменения формы и мониторинга роста новообразований. Другим примером использования методов совмещения является сегментация изображения. Например, после установления попиксельного соответствия МРТ изображения головного мозга с предварительно разме-