Rust
Recientemente, el fenotipado se ha convertido en uno de los principales cuellos de botella en el fitomejoramiento y la fitología fundamental. Esto es particularmente cierto para la evaluación de enfermedades de las plantas, que tiene que lidiar con evaluaciones que consumen mucho tiempo y la subjetividad de las evaluaciones visuales. En este trabajo, hemos desarrollado una herramienta de código abierto Robust, User-friendy Script Tool (RUST) para la evaluación semiautomatizada de las enfermedades de la roya de la hoja. RUST se ejecuta bajo el software libre de imágenes Fiji (desarrollado a partir de ImageJ), que es un software bien reconocido entre la comunidad científica. El script permite la evaluación de las enfermedades de la roya de la hoja utilizando una herramienta de transformación del color y ofrece tres modos de automatización diferentes. El script abre imágenes secuencialmente y registra la frecuencia de infección (pústulas por área) (semi)automáticamente para un análisis de alto rendimiento. Además, puede gestionar varios segmentos de hoja escaneados en la misma imagen, seleccionando consecutivamente los segmentos deseados. El script ha sido validado con casi 900 muestras de 80 genotipos de avena que van desde resistentes a susceptibles y desde hojas muy ligeras a muy infectadas, mostrando una alta precisión con un coeficiente de correlación de concordancia de Lin de 0,99. Los análisis muestran una alta repetibilidad como indican los bajos coeficientes de variación obtenidos al repetir la medición de las mismas muestras. El script también cuenta con pasos opcionales de calibración y entrenamiento para garantizar la precisión, incluso en imágenes de baja resolución. Este script puede evaluar eficazmente cientos de hojas facilitando el cribado de nuevas fuentes de resistencia a esta importante enfermedad de los cereales.

Captura de pantalla de la aplicación Fiji ejecutando RUST. (a). Captura de pantalla para seleccionar el cultivo, el modo de evaluación, la opción de formación/calibración y la resolución. (b) y (c) Captura de pantalla del paso de selección de área mediante la herramienta de varita mágica automatizada (b) o la selección manual (c). (d). Captura de pantalla del paso de transformación del color que identifica las pústulas de óxido.
Discriminación de pústulas del tejido sano mediante el guión RUST. (a) Detección de pústulas primarias de óxido. (b) Detección y recuento de un anillo de pústulas secundarias alrededor de una pústula primaria.
Relación lineal entre el número de pústulas estimado visualmente o con RUST en diferentes escenarios. A 1200 ppi con (a) o sin (b) el paso de entrenamiento o a 300 ppi con (c) o sin el paso de entrenamiento (d). Los coeficientes de variación para evaluaciones repetidas de la misma hoja fueron en general bajos, con una media del 5,0%, con un mínimo del 1,8% y un máximo del 7,8%, lo que indica una baja variabilidad de las mediciones.
Team
Luis M. Gallego-Sánchez, Francisco J. Canales, Gracia Montilla-Bascón, and Elena Prats