空の目: ドローンを使用して作物の病気の重症度を評価する

米は世界で最も重要な作物の XNUMX つであり、地球の人口の半分以上にとって主要な食料源となっています。 したがって、稲作を病気から守ることは、現代の農業において不可欠な取り組みです。 イネに感染する多くの病原体の中で、バクテリア枯病 (BB) の原因となるバクテリア Xanthomonas oryzae は最悪のバクテリアの XNUMX つです。 毎年、BB のために数億ドル相当の作物が失われ、数百万ドルが予防措置と研究に費やされています。

BB やその他の作物病害を防除するための最も効果的な戦略の XNUMX つは、遺伝的に耐性のある品種を育てることです。 ただし、病原体は急速に進化する可能性があるため、研究者は絶えず調査する必要があります 新しい遺伝子 耐性を付与し、繁殖時に適用します。 したがって、定期的に複数のサンプルを取得する必要があります 稲 年間のさまざまな時期に、細菌感染に対する反応を測定します。これは、手作業で集中的で時間のかかる作業を表します。

しかし、最新のテクノロジーを活用してこのプロセスを大幅に簡素化したらどうなるでしょうか? に発表された最近の研究では、 植物フェノミクス、中国の浙江大学のXuping Feng博士が率いる研究チームは、ドローンと機械学習を組み合わせて、フィールドでBBの発生を測定し、潜在的に耐性のある遺伝子をスクリーニングする革新的な戦略を開発しました。

研究者たちは、中国の浙江省に 60 つの実験サイトを設置し、そこで BB に対する抵抗力の異なる XNUMX 種類以上のイネ品種を栽培しました。 使用する 無人航空機 (「ドローン」としてよく知られている UAV) は、通常のマルチスペクトル カメラを装備し、イネの発育のさまざまな段階で作物の場所を撮影しました。 その後、これらの UAV 画像を蓄積された温度 (AT) データと組み合わせ、それらを使用して 深層学習モデル BBの重症度を評価します。

注目に値するのは、AT データをイネの成長のさまざまな段階で取得した UAV イメージング データと融合させることが、この研究に固有の戦略であったことです。 チームは、訓練されたモデルが BB の重大度について正確な予測を行うには、この情報で十分であることを発見しました。 さらに、研究者は、あるサイトで収集されたデータでトレーニングされたモデルに、別のサイトで収集された少量のトレーニング データを提供して、後者の予測を改善できるかどうかもテストしました。

幸いなことに、Feng 博士が次のように述べているように、彼らの結果は非常に有望でした。さまざまなサイトでの重大度。」

次に、研究者は、この新しい方法を使用して、UAV を使用して BB の重症度を効果的に測定し、量的形質遺伝子座 (QTL) マッピングを実行しようとしました。

「QTL は、遺伝子が病気に対する感受性などの特定の量的形質を制御するゲノム内の位置をマークします。 病原体ストレス下で QTL を作物の応答にマッピングすることで、ブリーダーは特定の一連の QTL が制御する作物の機能や特性を特定することができます」と Feng 博士は説明します。 簡単に言えば、QTL マッピングには、生物の複数のサンプルのゲノムを分析し、どの遺伝子が耐病性などの標的形質に関与している可能性があるかを特定しようとすることが含まれます。

この研究では、チームは UAV 画像を使用して間接的に作物の BB 病の重症度を判断し、この情報を、異なる成長段階で異なる品種から採取した複数のイネ サンプルの遺伝子解析の結果と組み合わせました。 このアプローチにより、研究者は BB 耐性に関連する以前に特定された QTL と XNUMX つの新しい QTL の両方を検出することができました。

結果が示すように、この研究で概説されている全体的な戦略は、農業病害研究の時間を大幅に節約できる可能性があります。 「病気の重症度を手動で測定する場合と比較して、UAV リモート センシング技術を使用すると、大規模な表現型情報を迅速に収集できます。これにより、育種研究を加速するための技術サポートが提供されます」と Feng 博士は結論付けています。 最も重要なことは、このアプローチは特にイネと BB のために開発およびテストされましたが、他の作物や病気にも適用できる可能性があるということです。