Agricultura Botánica y Genética Ciencia e Investigación Europa

Identificación eficiente del polen

Identificación eficiente del polen
Imágenes microscópicas de polen, que son importantes para los polinizadores, obtenidas mediante análisis de partículas basado en imágenes. Cada fila muestra un solo grano de polen de una planta específica con una imagen microscópica normal (primera imagen a la izquierda) e imágenes de fluorescencia para diferentes rangos espectrales (imágenes en color a la derecha). Crédito: Susanne Dunker

Desde el pronóstico de polen, el análisis de la miel y los cambios relacionados con el clima en las interacciones planta-polinizador, el análisis del polen juega un papel importante en muchas áreas de investigación. 


por la Asociación Helmholtz de Centros de Investigación Alemanes

La microscopía sigue siendo el estándar de oro, pero requiere mucho tiempo y una experiencia considerable. En cooperación con Technische Universität (TU) Ilmenau, científicos del Centro Helmholtz de Investigación Ambiental (UFZ) y el Centro Alemán para la Investigación Integrativa de la Biodiversidad (iDiv) han desarrollado un método que les permite automatizar de manera eficiente el proceso de análisis de polen. Su estudio ha sido publicado en la revista especializada New Phytologist.

El polen se produce en los estambres de una flor y consiste en una multitud de diminutos granos de polen , que contienen el material genético masculino de la planta necesario para su reproducción. Los granos de polen quedan atrapados en los diminutos pelos de los insectos que se alimentan de néctar a medida que pasan y son transportados de flor en flor. Una vez allí, en el escenario ideal, un grano de polen se adherirá al estigma pegajoso de la misma especie de planta , lo que puede resultar en fertilización. «Aunque los insectos polinizadores realizan este servicio de entrega de polen de manera totalmente incidental, su valor es inconmensurablemente alto, tanto ecológica como económicamente», dice la Dra. Susanne Dunker, jefa del grupo de trabajo sobre citometría de flujo por imágenes.en el Departamento de Diversidad Fisiológica de la UFZ e iDiv. «En el contexto del cambio climático y la pérdida acelerada de especies , es particularmente importante para nosotros obtener una mejor comprensión de estas interacciones entre plantas y polinizadores». El análisis de polen es una herramienta fundamental en este sentido.

Cada especie de planta tiene granos de polen de una forma, estructura superficial y tamaño característicos. Cuando se trata de identificar y contar los granos de polen, que miden entre 10 y 180 micrómetros, en una muestra, la microscopía se ha considerado durante mucho tiempo el estándar de oro. Sin embargo, trabajar con un microscopio requiere una gran experiencia y requiere mucho tiempo. «Aunque ya se han propuesto varios enfoques para la automatización del análisis de polen, estos métodos no pueden diferenciar entre especies estrechamente relacionadas o no ofrecen resultados cuantitativos sobre la cantidad de granos de polen contenidos en una muestra», continúa el biólogo Dr. Dunker de UFZ . Sin embargo, es precisamente esta información la que es fundamental para muchos temas de investigación, como la interacción entre plantas y polinizadores.

En su último estudio, Susanne Dunker y su equipo de investigadores han desarrollado un método novedoso para la automatización del análisis de polen. Con este fin, combinaron el alto rendimiento de la citometría de flujo de imágenes, una técnica utilizada para el análisis de partículas, con una forma de inteligencia artificial (IA) conocida como aprendizaje profundo para diseñar una herramienta de análisis altamente eficiente, que hace posible identificar con precisión el especies y cuantificar los granos de polen contenidos en una muestra. La citometría de flujo por imágenes es un proceso que se utiliza principalmente en el campo médico para analizar células sanguíneas, pero que ahora también se está reutilizando para el análisis de polen.

«Primero se agrega una muestra de polen para su examen a un líquido portador, que luego fluye a través de un canal que se vuelve cada vez más estrecho», dice Susanne Dunker, explicando el procedimiento. «El estrechamiento del canal hace que los granos de polen se separen y se alineen como si estuvieran en un collar de perlas, de modo que cada uno pasa a través del elemento del microscopio incorporado por sí solo y se pueden obtener imágenes de hasta 2,000 granos de polen individuales. ser capturado por segundo «. Se toman dos imágenes microscópicas normales más diez imágenes microscópicas de fluorescencia por grano de polen. Cuando se excitan con luz irradiada en ciertas longitudes de onda por un láser, los propios granos de polen emiten luz. “El área del espectro de color en la que el polen emite fluorescencia, y en qué ubicación precisa, a veces es muy específica.

En el proceso de deep learning, un algoritmo trabaja en pasos sucesivos para abstraer los píxeles originales de una imagen en un grado cada vez mayor para finalmente extraer las características específicas de la especie. «Las imágenes microscópicas, las características de fluorescencia y el alto rendimiento nunca se habían usado en combinación para el análisis de polen antes; esta es una novedad absoluta». Cuando el análisis de una muestra relativamente sencilla toma, por ejemplo, cuatro horas bajo el microscopio, el nuevo proceso toma solo 20 minutos. Por lo tanto, UFZ ha solicitado una patente para el novedoso método de análisis de alto rendimiento, y su inventora, Susanne Dunker, recibió el premio UFZ Technology Transfer Award en 2019.

Las muestras de polen examinadas en el estudio provienen de 35 especies de plantas de pradera, que incluyen milenrama, salvia, tomillo y varias especies de trébol como el trébol blanco, de montaña y rojo. En total, los investigadores prepararon alrededor de 430.000 imágenes, que formaron la base para un conjunto de datos. En cooperación con TU Ilmenau, este conjunto de datos se transfirió luego mediante aprendizaje profundo a una herramienta altamente eficiente para la identificación del polen. En análisis posteriores, los investigadores probaron la precisión de su nuevo método, comparando muestras de polen desconocidas de las 35 especies de plantas con el conjunto de datos. «El resultado fue más que satisfactorio: el nivel de precisión fue del 96 por ciento», dice Susanne Dunker. Incluso las especies que son difíciles de distinguir unas de otras, y de hecho presentan a los expertos un desafío bajo el microscopio, podrían identificarse de manera confiable.

En el futuro, el nuevo proceso para el análisis de polen automatizado desempeñará un papel clave para responder preguntas críticas de investigación sobre interacciones entre plantas y polinizadores. ¿Qué importancia tienen ciertos polinizadores como las abejas, las moscas y los abejorros para determinadas especies de plantas? ¿Cuáles serían las consecuencias de perder una especie de insecto polinizador o una planta? «Ahora podemos evaluar muestras de polen a gran escala, tanto cualitativamente como, al mismo tiempo, cuantitativamente. Estamos constantemente ampliando nuestro conjunto de datos de polen de plantas polinizadas por insectos para ese propósito», comenta Susanne Dunker. Su objetivo es ampliar el conjunto de datos para incluir al menos las 500 especies de plantas cuyo polen es importante como fuente de alimento para las abejas.


Leer más


LEAVE A RESPONSE

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Social Media Auto Publish Powered By : XYZScripts.com