- 4 次围观
根的解剖学屏障，包括内皮层和外皮层中栓质化与木质化的细胞壁，以及皮层通气组织，调控着水分和养分运输、气体交换以及根际互作。它们的适应性功能使其成为培育环境适应性强的植物物种的重要育种目标。对这些结构进行高分辨率定量分析需要大量人工操作，这一瓶颈限制了实验规模。我们提出了 RADIX（跨物种与跨平台的根解剖深度学习图像分割，Root Anatomy Deep-learning Image segmentation across species and platforms），这是一个将大型自监督视觉Transformer基础编码器（DINOv3）适配于根解剖学的框架；该编码器预训练于数十亿张自然图像之上，并通过结合稠密预测Transformer解码器对其编码器进行微调。将这类通用视觉编码器迁移到高度专业化的生物学领域，并辅以高质量标注数据集，正是 RADIX 得以在不同物种和成像平台间实现泛化的关键。 我们在首个大规模根解剖结构专家标注基准数据集上对该模型进行了训练与评估。该数据集包含 1,695 张高质量荧光图像，涵盖 17 种单子叶和双子叶植物、6 类解剖结构以及 3 种成像平台。RADIX 能够以达到标注者间一致性水平的精度分割全部 6 类结构，并可泛化至未见过的物种、基因型、生长条件，以及来自独立实验室的一种成像平台。单一统一模型在不牺牲组内精度的前提下，性能优于分别面向单子叶和双子叶植物的专用模型。预测得到的掩膜可用于获得与专家标注一致的通气组织及栓质/木质素测量结果，在单块 GPU 上每张图像仅需约 1.2 秒，将原本需要数周的人工分析缩短至数分钟。通过将 RADIX 应用于不同基因型、微生物处理和生长体系，我们表明，这些细胞类型特征构成了一个由遗传与环境因素共同塑造的、协调的、多维的且依赖具体情境的系统。
根的解剖学屏障，包括内皮层和外皮层中栓质化与木质化的细胞壁，以及皮层通气组织，调控着水分和养分运输、气体交换以及根际互作。它们的适应性功能使其成为培育环境适应性强植物物种的重要育种靶标。以高分辨率对这些结构进行定量分析需要大量人工操作，成为限制实验规模扩展的瓶颈。我们提出了 RADIX（Root Anatomy Deep-learning Image segmentation across species and platforms，跨物种与跨平台的根解剖深度学习图像分割）框架，该框架将一个在数十亿自然图像上预训练的大型自监督视觉 Transformer 基础编码器（DINOv3）适配于根解剖学任务，方法是使用密集预测 Transformer 解码器对其编码器进行微调。借助高质量标注数据集，将这些通用视觉编码器迁移到高度专业化的生物学领域，使 RADIX 能够在不同物种和成像平台之间实现泛化。
我们在首个大规模根解剖结构专家标注基准数据集上对该模型进行训练与评估。该数据集包含 1,695 张高质量荧光图像，覆盖 17 种单子叶和双子叶植物、6 类解剖结构以及 3 种成像平台。RADIX 对全部 6 类结构的分割准确性达到标注者间一致性水平，并且能够泛化到未见过的物种、基因型、生长条件，以及来自独立实验室的一种成像平台。单一统一模型优于分别针对单子叶和双子叶设计的专用模型，同时不牺牲组内准确性。预测得到的掩膜可用于获得与专家标注一致的通气组织和栓质/木质素测量结果，在单块 GPU 上每张图像约需 1.2 秒，将原本需要数周的人工分析缩短至数分钟。通过将 RADIX 应用于不同基因型、微生物处理和生长系统，我们表明，这些细胞类型特征构成了一个协调的、多维的且依赖具体情境的系统，并受到遗传因素和环境因素的共同塑造。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.07.743584v1?rss=1
🏷️ 根解剖学 深度学习分割 植物根部屏障 跨物种泛化 表型分析