¿Utiliza calibradores y microscopios para medir semillas? ¡Pues ya no! traidor viene en ayuda de los científicos y técnicos de semillas.

En las últimas décadas, los ecologistas han utilizado cada vez más un enfoque basado en rasgos, lo que significa que utilizan las propiedades morfológicas, fisiológicas o fenológicas de los organismos para interpretar y comprender la dinámica ecológica. Para los ecologistas de semillas, estos rasgos generalmente vienen en forma de medidas del tamaño de las semillas y descripciones de las formas y apéndices de las semillas. La identificación de tales rasgos morfológicos puede ser un proceso que consume mucho tiempo, requiere largos días bajo el microscopio y el mejor método para clasificar las semillas en clasificaciones subjetivas de forma y color. El análisis de imágenes es la solución más natural para esta tarea, ya que las computadoras pueden programarse para extraer información de las imágenes iniciales. Aún así, los enfoques más comunes, como el umbral y el aprendizaje profundo, luchan con la amplia variedad de morfologías de semillas o requieren recursos computacionales sofisticados.

En respuesta a estos desafíos, un equipo de investigación dirigido por el Dr. Roberta LC Dayrell (@robertadayrell creado en Twitter). traidor –un software de código abierto que automatiza la extracción de las características de tamaño, forma y color de las semillas de las imágenes. A diferencia de otras herramientas disponibles traidor utiliza una técnica de segmentación desatendida que permite la separación automática de semillas de fondos de alto contraste sin capacitación ni ajustes manuales. Además, el software está diseñado para procesar cientos de imágenes de diferentes taxones, lo que permite realizar análisis a gran escala que antes eran inviables.

Usar traidor, el usuario solo necesita seguir cuatro pasos. Primero, las semillas deben separarse de los desechos y otros apéndices, como estructuras peludas y aristas, que podrían complicar la adquisición y el procesamiento de imágenes. Posteriormente, se toman imágenes de semillas con un escáner con un fondo de color homogéneo que contrasta con las imágenes de semillas. Dichos escaneos deben incluir una tabla de colores con estándares para el siguiente paso, en el que las imágenes se procesan para la estandarización del color y las semillas se separan automáticamente de su fondo. Al final de la fase de procesamiento, se crea una silueta para cada semilla, que luego se alinea para que esté relativamente en la misma posición que las demás. Finalmente, los contornos se utilizan para extraer todas las características. Podría pensar que todos estos procesos requerirían muchos comandos, pero la verdad es traidor puede hacerlo todo con sólo tres comandos!

En una entrevista con Botany One, Dayrell explicó que el mayor desafío en el desarrollo traidor definieron las características específicas que debían extraerse. En sus propias palabras, el objetivo del equipo era “extraer características que pudieran transmitir información interpretable sobre las propiedades morfológicas de las semillas”. Ella continúa: “Esto resultó ser una tarea compleja, especialmente cuando se trata de formas y colores, que son características complejas y de múltiples capas”. área y circunferencia), medidas de color y forma.

Para comprobar la precisión de las medidas de su programa, Dayrell y su equipo utilizaron DiasMorph, una base de datos de rasgos e imágenes de semillas de Europa central con más de 1200 taxones, y compararon las medidas que obtuvieron. traidor con los obtenidos manualmente. Los resultados de la validación no dejan dudas sobre la exactitud de traidor: ¡Las mediciones manuales y automáticas coincidieron en un 98%! Sin embargo, traidor no solo es útil para extraer este tipo de información morfológica, sino que también tiene excelentes capacidades para extraer datos como descripciones de colores y clasificaciones de formas.

Por ejemplo, el color de la semilla es valioso para distinguir diferentes especies y está asociado con procesos de gran importancia ecológica, como la persistencia de la semilla en el suelo. Sin embargo, dada la infinidad de colores, siempre es difícil comparar colores entre observadores. Uno podría pensar que dividir los colores en categorías amplias, como semillas rojas, marrones y grises, podría resolver este problema, pero eso significaría que se perderían las variaciones sutiles. traidor supera estos desafíos extrayendo los valores sRGB que corresponden a los colores de la semilla. Estos valores, que son universales y únicos para cada color, se pueden usar en análisis cuantitativos que van desde la descripción de variaciones de color dentro de los clados hasta la evolución del color de la semilla, allanando el camino para nuevas y emocionantes vías de investigación y aplicaciones.

Surgen desafíos similares cuando los investigadores quieren describir formas, ya que los límites entre las formas pueden ser subjetivos y abstractos. Por ejemplo, ¿cuándo una semilla deja de ser “redonda” y comienza a ser “ovalada”? ¿Dónde está la línea entre semillas “ovaladas” y “ovoides”? Entonces, traidor nos libera de tales preocupaciones, ya que puede proporcionar valores cuantitativos sobre las formas de las semillas, incluida la redondez y la relación de aspecto, lo que nos permite analizar objetivamente las formas de las semillas. Por ejemplo, Dayrell y su equipo usaron estos datos para caracterizar las semillas de Carex especies encontradas en DiasMorph y las clasificó en ocho categorías de formas diferentes según la relación de aspecto y la simetría. En particular, algunas especies se han asignado constantemente a una clase de forma particular, lo que demuestra el potencial de su enfoque para el desarrollo de herramientas de identificación de semillas.

Teniendo en cuenta todas estas características sobresalientes, traidor promete ser una herramienta práctica para avanzar en la ecología de las semillas, ya que permite la extracción automatizada de diferentes características de las semillas de una manera fácil de usar y eficiente en el tiempo. Además, los descriptores cuantitativos de forma y color permitirán una descripción más precisa e interpretable de dichas características. Su validación exitosa con la base de datos DiasMorph demuestra su gran potencial para crear conjuntos de datos grandes y confiables de características de semillas, un recurso que falta en la mayor parte del mundo, particularmente en los trópicos. Dayrell nos dijo en la entrevista: “Vale la pena señalar que este método de extracción de características es económico y solo requiere una computadora, un escáner y una pantalla de alto contraste”. puede ser limitado”.

Estos resultados también son importantes fuera de la ecología. Dayrell señaló que este software tiene un gran potencial para el fitomejoramiento, por ejemplo. Ella argumenta que “la identificación y selección de semillas con los rasgos deseados juega un papel fundamental en los programas de fitomejoramiento”. traidorEl resultado proporciona información valiosa para evaluar y clasificar semillas en función de sus características morfológicas. Esta capacidad aumenta la eficiencia y la eficacia de los esfuerzos de fitomejoramiento y facilita la identificación y propagación de semillas con las características deseadas”. traidor en la generación de datos que pueden impulsar el desarrollo de herramientas de identificación intuitivas y fáciles de usar que se pueden utilizar en diversas disciplinas como la restauración ecológica, la arqueobotánica y la etnobotánica. Una cosa es segura: las posibilidades son infinitas y Traitor parece estar a la altura del desafío. Si me preguntas, ¡no puedo esperar para probarlo!

LEER EL PERIÓDICO
Dayrell RLC Ott T Horrocks T Poschlod P Extracción automatizada de características morfológicas de semillas a partir de imágenes.. Métodos en ecología y evolución.. Disponible en: https://doi.org/10.1111/2041-210X.14127