低成本根箱成像与零样本深度学习解析葡萄砧木根系的时间、空间和遗传变异

根系构型决定了葡萄砧木对水分和养分的吸收方式，但由于根系隐蔽且难以成像，根仍然是葡萄植株中表型研究最少的器官。我们提出了一种低成本表型分析流程，将定制亚克力根箱（每个约30美元）与消费级平板扫描仪相结合，并采用BiRefNet这一通用深度学习模型在无需使用根系图像进行训练的情况下进行分析，随后实施自动化掩膜清理、基于骨架的性状提取以及土壤水分制图。我们在9种商业砧木上对该流程进行了测试：移栽后42天内共扫描16次，其中一半植株经历了为期10天的水分亏缺处理。我们从1,108幅图像中提取了21个整体根系、分深度和拓扑性状。不同基因型在几乎所有性状上均存在差异，其性状随时间的变化模式也各不相同。大小和分枝性状的遗传力在移栽后21至31天达到0.92–0.93的峰值；当根系生长至根箱壁后，根宽、根深和凸包相关性状的遗传力下降，由此确定了最佳测量时间窗口。基于图像获取的土壤水分图能够准确追踪水分亏缺及其恢复过程。水分亏缺植株将新根生长转移至更深层土壤，但总体根系生长量并未减少；在较老且更密集的根系周围，基质干燥速度最快。根系亮度随根龄增加和局部水分降低而下降，并且在所有基因型中，运输段（为多个根尖提供连接的轴段）的亮度均高于末端侧根。水分充足植株的根系大小与气孔导度相关，而复水后的气孔恢复程度与新根生长量相关。该流程将简单硬件转化为一种适用于育种的定量化、时间分辨根系表型分析平台。

根系构型决定了葡萄砧木吸收水分和养分的方式，但由于根系隐藏于地下且难以成像，根仍是葡萄植株中表型测定最少的器官。我们提出了一套低成本表型分析流程，将定制的丙烯酸根箱（每个约30美元）与消费级平板扫描仪和BiRefNet相结合；BiRefNet是一种通用深度学习模型，无需针对根系图像进行训练即可使用，随后再进行自动化掩膜清理、基于骨架的性状提取以及土壤水分制图。我们对9种商业砧木进行了测试：移栽后42天内扫描16次，其中一半植株经历了为期10天的水分亏缺处理。从1,108幅图像中，我们提取了21个整根系、分深度和拓扑结构性状。不同基因型在几乎所有性状上均存在差异，其性状随时间的变化模式也各不相同。大小和分枝性状的遗传力在移栽后21—31天达到0.92—0.93的峰值；当根系延伸至根箱壁后，宽度、深度和凸包相关性状的遗传力下降，从而界定了最佳测量窗口。基于图像获得的土壤水分图能够准确追踪水分亏缺及其恢复过程。水分亏缺植株将新生根的生长转移至更深层土壤，但总体根系生长量并未减少；在较老且更密集的根系周围，基质干燥速度最快。根系亮度随根龄增加和局部水分降低而减弱；在所有基因型中，运输根段（即为多个根尖提供连接的根轴）的亮度均高于末端侧根。水分充足条件下，根系大小与气孔导度相关；复水后气孔导度的恢复程度则与新根生长相关。该流程将简单硬件转化为一种适用于育种的定量化、时间分辨率高的根系表型分析平台。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.10.750709v1?rss=1

🏷️ 葡萄砧木 根系表型 根箱成像 零样本深度学习 水分亏缺 遗传力