Fenotypowanie z powietrza: jądra środowiskowe oparte na bezzałogowych statkach powietrznych przewyższają dane genomiczne w testach rozproszonych ziemniaków

W miarę jak zmiany klimatu nasilają zmienność pogody w ciągu roku, hodowcy roślin są pod presją oceny większej liczby genotypów w zróżnicowanych środowiskach, przy jednoczesnym utrzymaniu kosztów fenotypowania na rozsądnym poziomie. Rzadkie testy – ocena tylko podzbioru genotypów w danej lokalizacji – oferują praktyczne rozwiązanie, ale wymagają solidnych modeli predykcyjnych, aby uzupełnić brakujące dane. Nowe badanie opublikowane w czasopiśmie „The New Journal of Physics and Physics” (2008) Doniesienia naukowe pokazuje, że fenotypowanie wysokoprzepustowe (HTP) z obrazów z dronów może stanowić skuteczny substytut informacji genomicznej w takich scenariuszach. Naukowcy pracujący z 256 klonami ziemniaka w trzech szwedzkich środowiskach (dwie lokalizacje w latach 2020–2021) wyodrębnili zintegrowane w czasie wskaźniki roślinności, pokrycie koron drzew i wysokość roślin z obrazów RGB z bezzałogowych statków powietrznych (UAV). Wykorzystując analizę głównych składowych (PCA) tych cech uzyskanych z obrazów, skonstruowali „jądro środowiskowe” (E‑kernel), które kwantyfikuje podobieństwo między miejscami testowymi, i porównali jego skuteczność predykcyjną ze standardową macierzą relacji genomicznych (G‑kernel) przy poziomach rzadkości danych od 10% do 66%.

Wyniki są uderzające: w scenariuszach dwuśrodowiskowych z 50% kompletnością danych, jądro E znacząco przewyższyło zarówno jądro G, jak i ich kombinację pod względem wszystkich cech, zwiększając dokładność prognozowania całkowitego plonu bulw o 60%, a dla frakcji wielkości 50–60 mm o 62%. Przy 33% kompletności, zawartość skrobi była jedyną cechą z r² > 0.5 i tylko jądro E osiągnęło ten poziom. Ziarno genomowe okazało się bardziej odporne tylko przy skrajnej rzadkości (10–20%), podczas gdy konwencjonalne zmienne meteorologiczne wykazały ograniczoną zdolność do rozróżniania pobliskich lokalizacji. Co godne uwagi, połączenie ziaren G i E nie poprawiło prognoz, co sugeruje nakładanie się informacji. Autorzy przyznają się do ograniczeń – niewielkiej liczebności próby i wycieku środowiskowego – ale podkreślają, że ziarna środowiskowe oparte na obrazach są opłacalne, skalowalne i szczególnie cenne dla upraw o powolnym cyklu, takich jak ziemniak tetraploidalny. Podejście to oferuje pragmatyczne rozwiązanie umożliwiające przyspieszenie postępu genetycznego w programach hodowlanych o ograniczonych zasobach, zwłaszcza w przypadku cech związanych z wydajnością, a jednocześnie zmniejsza obciążenie związane z fenotypowaniem dzięki możliwości ponownego wykorzystania danych HTP.