आकाशातून फेनोटायपिंग: विरळ बटाटा चाचणीमध्ये UAV-आधारित पर्यावरणीय घटक जीनोमिक डेटापेक्षा सरस ठरतात

हवामान बदलामुळे आंतरवार्षिक हवामानातील बदल तीव्र होत असल्याने, वनस्पती प्रजनकांवर विविध वातावरणांमध्ये अधिक जनुकरूपांचे मूल्यांकन करण्याचा आणि त्याच वेळी बाह्यस्वरूप निश्चितीचा खर्च आवाक्यात ठेवण्याचा दबाव आहे. विरळ चाचणी — म्हणजेच प्रत्येक ठिकाणी जनुकरूपांच्या केवळ एका उपसंचाचे मूल्यांकन करणे — हा एक व्यावहारिक उपाय आहे, परंतु गहाळ डेटा भरण्यासाठी मजबूत भविष्यसूचक मॉडेल्सची आवश्यकता असते. एका नवीन अभ्यासात प्रकाशित... वैज्ञानिक अहवाल हे दर्शवते की अशा परिस्थितीत ड्रोन प्रतिमांमधून केलेले हाय-थ्रूपुट फेनोटायपिंग (HTP) जनुकीय माहितीसाठी एक शक्तिशाली पर्याय म्हणून काम करू शकते. स्वीडनमधील तीन वेगवेगळ्या वातावरणांमधील (२०२०-२०२१ दरम्यान दोन ठिकाणी) २५६ बटाट्यांच्या क्लोन्सवर काम करणाऱ्या संशोधकांनी UAV-आधारित RGB प्रतिमांमधून वेळ-एकीकृत वनस्पती निर्देशांक, कॅनोपी कव्हर आणि वनस्पतीची उंची काढली. या प्रतिमा-व्युत्पन्न वैशिष्ट्यांवर प्रिन्सिपल कंपोनेंट ॲनालिसिस (PCA) वापरून, त्यांनी एक "एनव्हायर्नमेंटल कर्नल" (E-कर्नल) तयार केला, जो चाचणी स्थळांमधील साम्य मोजतो आणि १०% ते ६६% पर्यंतच्या डेटा स्पार्सिटी स्तरांवर त्याच्या भाकित करण्याच्या क्षमतेची तुलना मानक जनुकीय संबंध मॅट्रिक्स (G-कर्नल) शी केली.

परिणाम लक्षणीय आहेत: ५०% डेटा पूर्णतेसह दोन-पर्यावरणीय परिस्थितींमध्ये, ई-कर्नलने सर्व वैशिष्ट्यांमध्ये जी-कर्नल आणि त्यांच्या संयोजनापेक्षा लक्षणीयरीत्या चांगली कामगिरी केली, ज्यामुळे एकूण कंद उत्पादनाच्या अंदाजाची अचूकता ६०% ने आणि ५०-६० मिमी आकाराच्या भागासाठी ६२% ने वाढली. ३३% पूर्णतेवर, स्टार्चचे प्रमाण हे एकमेव वैशिष्ट्य होते ज्याचा r² > ०.५ होता, आणि केवळ ई-कर्नलनेच ती पातळी गाठली. जीनोमिक कर्नल केवळ अत्यंत विरळतेखाली (१०-२०%) अधिक मजबूत सिद्ध झाला, तर पारंपारिक हवामानशास्त्रीय सहचरांनी जवळपासच्या ठिकाणांमध्ये फरक करण्याची मर्यादित क्षमता दर्शविली. विशेष म्हणजे, जी आणि ई कर्नल एकत्र केल्याने अंदाजांमध्ये सुधारणा झाली नाही, जे माहितीचे आच्छादन (ओव्हरलॅपिंग) सूचित करते. लेखकांनी मर्यादा मान्य केल्या आहेत — जसे की मर्यादित नमुना आकार आणि पर्यावरणीय गळती — परंतु त्यांनी यावर जोर दिला आहे की प्रतिमा-आधारित पर्यावरणीय कर्नल किफायतशीर, विस्तारक्षम आणि विशेषतः टेट्राप्लॉइड बटाट्यासारख्या मंद-चक्रीय पिकांसाठी मौल्यवान आहेत. हा दृष्टिकोन मर्यादित संसाधने असलेल्या प्रजनन कार्यक्रमांमध्ये, विशेषतः उत्पन्नाशी संबंधित गुणधर्मांसाठी, अनुवांशिक प्रगतीला गती देण्यासाठी एक व्यावहारिक मार्ग उपलब्ध करून देतो, तसेच पुनर्वापर करण्यायोग्य HTP डेटाद्वारे फेनोटायपिंगचा भार कमी करतो.