Что же такое феномика?
Феномика, в свою очередь, – это современное направление на стыке науки и техники, объединяющее биологию в самых разных ее проявлениях с информационными технологиями и аппаратным обеспечением.Основная цель феномики – глубокий анализ свойств фенотипа и процессов его формирования в процессе роста и развития организма, а также закономерностей модификации при ответе на воздействие факторов внешней среды. Работы в области фенотипирования ведутся для всех Царств живого (животные, растения, грибы и бактерии), однако наиболее активно развивается феномика растений, так как именно растения обладают наиболее широким спектром фенотипических проявлений и физиологической пластичности, обусловленных их незаурядным генетическим разнообразием, а также неоценимой практической значимостью.
Что именно измеряет и изучает феномика?
Основные объекты изучения феномики — важные сельскохозяйственные, декоративные и лекарственные растения всех форм и размеров, выращиваемые как в контролируемых условиях лабораторий и теплиц, так и в естественной среде в полях и лесах. Фенотипирование позволяет автоматизировано и объективно, с минимальным риском человеческой погрешности, измерить как простые внешние, так и более глубокие, скрытые показатели роста и развития растений. Например, размеры и количество листьев и плодов, в зависимости от наличия болезней или интенсивности полива; изменение флуоресценции хлорофилла при засухе или недостатке микроэлементов в почве; форму корневой системы у разных генетических линий одного и того же вида растений.
Такие наблюдения помогают ученым, с одной стороны, выявить фундаментальные законы формирования важных для человека признаков у растений, например, статистически достоверно сказать, что в одних условиях будет больше листьев, а в других – больше цветков. С другой стороны, подходы феномики важны для селекции – с ее помощью можно гораздо более точно отбирать растения с желаемыми характеристиками, например, выбрать на плантации декоративные орхидеи редкого цвета и больше размножать именно их.
Самым перспективным и, пожалуй, важным, применением фенотипирования является практическое внедрение в сельском хозяйстве: например, уже существуют коммерческие решения, которые на основе анализа искусственным интеллектом открытых данных со спутников делают вывод, какие участки полей страдают от недостатка полива, какие нуждаются в подкормке, где начинают появляться болезни – и это позволяет фермерам быстро среагировать на проблему, сразу ее решить или снизить потенциальный негативный эффект. Такие подходы позволяют уменьшить затраты на производство пищевой продукции, получать бо́льшую урожайность, используя при этом меньше вредных химических веществ.
Аппаратное обеспечение
В настоящее время подходы феномики вывели классическую биологию растений на качественно новый уровень, что связано в первую очередь с внедрением инновационных технологий получения и анализа изображений. Современные системы съемки обладают высокой производительностью и степенью автоматизации, а также дают возможность обобщить всю накопленную информацию о различных параметрах растений и их реакции на стресс в режиме реального времени.
В зависимости от целей фенотипирования используются регистрирующие устройства, чувствительные к различным диапазонам длин волн электромагнитного спектра от ультрафиолета до инфракрасной области. Техники фенотипирования растений включают в основном обычную цифровую фотографию, флуоресцентную съемку, фототермографию, гиперспектроскопию; также применяются и другие методы, как, например, компьютерная томография, магнитно-резонансная томография, позитронная эмиссионная томография, лазерная или 3D-съемка, хоть и достаточно редко.
Цифровые камеры, чувствительные к видимому свету, применяются для измерения таких параметров растения как форма и размеры побегов, динамика роста и особенности строения листа, морфология семян, структура корневой системы. Критически важными целями применения фенотипирования в видимой области спектра являются оценка будущей урожайности различных сельскохозяйственных культур, а также определение патогенов растений на ранних стадиях поражения и тяжести протекания заболевания.
Флуоресцентный имиджинг используют для выявления развивающихся патологических состояний и генетической к ним устойчивости, а также при изучении процессов фотосинтеза. Съемка так называемыми тепловыми, или термальными, камерами фиксирует длины волн в инфракрасном диапазоне, что дает информацию о температуре поверхности растения для изучения дыхания и испарения воды растением. Феномные данные в гиперспектре обеспечивают получение информации о динамике роста с помощью измерения пространственно-временных ростовых показателей, а также сбор данных для динамической оценки биомассы, содержания макро- и микроэлементов, пигментного состава и фотосинтетической активности растения.
Информационные технологии в феномике
Очевидно, что такие огромные количества данных, предоставляемые сенсорами, невозможно обработать вручную, поэтому развитие феномики неразрывно связано и всецело зависит от развития специализированного программного обеспечения. Более того, сделать на основе данных обоснованные и достоверные заключения ученым также помогает современное ПО, в особенности различные алгоритмы компьютерного зрения и машинного обучения.
Программное обеспечение для фенотипирования производится большим количеством частных компаний, исследовательских центров и отдельных специалистов в сфере информационных технологий. Наиболее подробный обзор программных продуктов и решений для феномики приводится порталом quantitative-plant.org. На ноябрь 2024 г. на портале представлены порядка 180 компьютерных программ, 30 баз данных (~ 2 млн изображений) и около 100 компьютерных моделей растений различных видов. Корпоративные системы крупных производителей имеют собственные программные продукты с закрытым кодом. В настоящее время ведутся активные разработки систем машинного обучения (искусственных нейронных сетей) для приложений в области феномики растений. Прогнозируется, что такое ПО со временем потеснит классические системы анализа изображений.
Свободное программное обеспечение – это программное обеспечение, предоставленное разработчиками в свободном интернет-доступе для изучения, использования, распространения и изменения. Существует достаточно большое количество свободного ПО, которое уже используется в феномике или только может быть использовано в будущем; некоторые варианты представлены ниже. Стоит также заметить, что наиболее часто используемым в феномике растений программным пакетом является MATLAB, в частности модуль Image Processing Toolbox, однако он не относится к свободному программному обеспечению с открытым исходным кодом, хотя и имеет широкий спектр приложений для бесплатного использования.
Так, существует узкоспециализированная программная платформа с открытым кодом – Image Analysis Platform, созданная путем расширения набора функций анализа изображений, предоставляемых ImageJ, а также ПО HTPheno – высокопроизводительная система феномного анализа изображений, реализованная на базе ImageJ. Еще одним плагином для ImageJ является Rosette Tracker, специализированная программа для изучения розеток Arabidopsis thaliana.
OpenCV, или Open Source Computer Vision (компьютерное зрение с открытым исходным кодом), – библиотека для обработки изображений в режиме реального времени, бесплатная для академического и коммерческого использования. Она имеет интерфейсы на C/C++, Python, Java и Matlab, поддерживает Windows, Linux, Mac OS, Android и IOS. Библиотека OpenCV содержит более 2500 комплексных алгоритмов и около 5000 отдельных функций от классических до самых современных и инновационных решений. Эти алгоритмы предназначены для детекции и распознавания объектов, отслеживания движений, создания 3D-моделей объектов, поиска сходных изображений в базе данных и др. В настоящее время OpenCV уже используется в феномике. Например, ПО феномных платформ SmartGrain и Bellwether Phenotyping Platform основано на OpenCV. Также данную программу использует, например, в своих исследованиях один из крупнейших европейских феномных центров – Wageningen UR (Нидерланды).
Существует большое количество других программных пакетов, не используемых в феномике растений, но технические характеристики которых способны обеспечить выполнение необходимых функций обработки изображений, например, JMicrovision, BioImageXD и др.
Современные инновационные технологии в области компьютеров, датчиков, робототехники и анализа данных, включая компьютерное зрение, позволяют получать огромные массивы данных высокого разрешения в широком пространственно-временном масштабе. Достижения в области компьютерного зрения и анализа изображений сделали изучение фенотипических характеристик доступным, точным, высокоэффективным и неразрушающим методом биологии растений.
Машинное обучение
Это класс методов искусственного интеллекта, основанный на использовании подходов статистики и изучения компьютером примеров выполнения текущего задания специалистом, что дает компьютеру возможность к постепенному повышению качества решения конкретного типа задач. Одним из методов машинного обучения являются искусственные нейронные сети (ИНС) – математические модели, принцип организации и функционирования которых сходен с сетями нервных клеток животных. К подтипам ИНС относятся сверточные нейронные сети (СНС), предназначение которых – эффективное распознавание изображений.
Сверточные сети могут состоять из множества видов операций; простейшие сети включают в себя последовательные этапы свертки и объединения компонентов обрабатываемого изображения. ИНС такого типа могут использоваться для распознавания образов и их классификации, сжатия данных и реализации «ассоциативной памяти», прогнозирования, принятия решений и управления.
К настоящему моменту различные по архитектуре сверточные нейронные сети получили широкое распространение в биологии растений, используются U-Net, LeNet, DenseNet, ResNet, VGG, Inception и многие другие. Их применяют как для глобальных целей, например, определения сорто-видовой принадлежности растений, их физиологического состояния, так и для более узконаправленных исследований. Типичными для СНС являются исследования по обнаружению корреляций между генотипом и фенотипом надземных органов и корневой системы; мониторинг процессов роста и развития отдельных органов; изучение стрессовых реакций при действии биотических и абиотических факторов среды. Кроме того, нейросети используются и в полевой феномике для оценки посевного материала, прогнозирования урожайности, детекции и анализа ключевых стадий жизненного цикла растений
Значительный прогресс в высокопроизводительном фенотипировании в последние два десятилетия обусловлен во многом бурным развитием научно-технической базы, в частности, систем регистрации феномной информации – сенсоров и датчиков, чувствительных к различным областям спектра; методов автоматизации и роботизации; информационных технологий анализа данных, таких как компьютерное зрение, машинное и глубокое обучение. Информативность данных, предоставляемых технологиями современной феномики, и их объемы значительно превосходит таковые для классических стандартных измерений морфологических характеристик и параметров нормальных и патологических физиологических процессов. Предполагается, что фенотипирование может стать методологией, которая позволит создать цифровые модели ключевых процессов жизнедеятельности, формирования продуктивности и стрессоустойчивости растений не только на организменном уровне, но и на уровне целых популяций. Предоставляемые феномикой как инструментом возможности позволят человечеству выйти на новый уровень ведения сельского хозяйства, начиная от точечного отбора семян по заданным характеристикам, и заканчивая внедрением технологий точного земледелия, то есть внесения минимального количества химических веществ для достижения максимально возможных урожаев. Во многом такие успехи и потенциал развития обусловлены непосредственно внедрением наиболее прогрессивных IT-продуктов.
