Multispectral imaging-based detection of Acidovorax citrulli: from colony identification to infested seed discrimination
تُظهر هذه الدراسة أن التصوير متعدد الأطياف المدمج مع نماذج تعلم الآلة يكتشف بكتيريا *Acidovorax citrulli* بفعالية من خلال تحقيق دقة عالية في كل من تحديد المستعمرات البكتيرية والتمييز بين بذور الشمام المصابة طبيعيًا، مما يقدم نهجًا جديدًا واعدًا لفحص صحة البذور.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق يحاول حل لغز، لكن الأدلة ضئيلة، وغير مرئية، وتختبئ في وضح النهار. هذا هو عالم أمراض النبات، وهو علم دراسة الأمراض التي تهاجم النباتات. أحد أكثر الأشرار دهاءً في هذا العالم هو بكتيريا تُدعى Acidovorax citrulli. فكر فيها كأنها لص مجهري يسرق صحة الشمام والبطيخ. هي لا تكتفي بجعل الثمرة تبدو سيئة فحسب، بل تختبئ داخل البذور، منتظرةً لإصابة الجيل القادم من النباتات. إذا قام مزارع، دون علم منه، بزراعة هذه "البذور المصابة"، فقد يمرض الحقل بأكمله، مما يؤدي إلى خسائر فادحة.
تقليديًا، كان الإمساك بهذا اللص يشبه البحث عن إبرة في كومة قش باستخدام عدسة مكبرة. يتعين على العلماء زراعة البكتيريا في المختبر، والانتظار حتى تتكاثر، ثم التحديق في مستعمرات صغيرة تحت المجهر لمعرفة ما إذا كانت هي الجناة. إنها عملية بطيئة، ومملة، وتتطلب الكثير من التدريب المتخصص. ولكن ماذا لو استطعنا منح البذور والبكتيريا "قوة خارقة" لتكشف أسرارها؟ هنا يأتي دور التصوير متعدد الأطياف. تخيل كاميرا لا ترى فقط الألوان التي نراها (الأحمر والأخضر والأزرق)، بل ترى أيضًا قوس قزح كاملًا من الضوء غير المرئي، مثل الأشعة تحت الحمراء وفوق البنفسجية. تمامًا كما يبدو الشخص مختلفًا في كاميرا الرؤية الليلية، فإن البذرة السليمة والبذرة المريضة تعكسان هذه الأضواء غير المرئية بطرق فريدة. ومن خلال تعليم الحواسيب التعرف على هذه "البصمات غير المرئية"، يأمل العلماء في رصد المرض فورًا، دون حتى لمس البذرة.
هذا بالضبط ما سعى فريق من الباحثين من الصين للقيام به. لقد أرادوا بناء نظام عالي التقنية يمكنه القيام بشيئين: أولاً، تحديد بكتيريا Acidovorax citrulli التي تنمو على طبق بتري بسرعة، وثانيًا، فحص بذور الشمام لمعرفة ما إذا كانت تحمل العدوى، وكل ذلك دون تدمير البذور.
عمل المحقق البكتيري
أولاً، عالج الفريق مسألة البكتيريا على أطباق بتري. فعندما يزرع العلماء البكتيريا للتحقق من المرض، غالبًا ما ينتهي بهم الأمر بطبق فوضوي مليء بأنواع مختلفة من الميكروبات. إن العثور على المجرم المحدد من بين مئات من أشباهه يشبه العثور على توأم محدد في حشد من الغرباء المتطابقين. استخدم الباحثون كاميرا متعددة الأطياف لالتقاط صور للمستعمرات البكتيرية. ووجدوا أنه على الرغم من أن البكتيريا بدت متشابهة للعين البشرية، إلا أنها تعكس الضوء بشكل مختلف.
قاموا ببناء "خوارزميات تحقيق" مختلفتين لفرزها. الخوارزمية الأولى، المسماة نموذج nMahalanobis، كانت بمثابة حارس أمن شديد الحساسية؛ فقد كانت بارعة في ضبط كل بكتيريا ضارة (لم تفوت أي منها تقريبًا)، لكنها كانت تصبح أحيانًا مهووسة بالشك وتصنف بكتيريا بريئة كمتهمين. أما النموذج الثاني، nCDA، فكان أشبه بقاضٍ صارم؛ فقد كان جيدًا جدًا في عدم اتهام البكتيريا البريئة، ولكنه كان يسمك أحيانًا ببعض البكتيريا الضارة.
أدرك الفريق أن أفضل استراتيجية هي استخدام كلا الحارسين معًا. فمن خلال الجمع بين نهج "القبض على الجميع" للنموذج الأول ونهج "الحذر" للنموذج الثاني، أنشأوا نظامًا هجينًا. وعندما اختبروا هذا على عينات حقيقية، كان فعالًا للغاية؛ حيث حدد البكتيريا الضارة بدقة 99.9% من المرات، ولم يخطئ (باعتبار بكتيريا جيدة كأنها ضارة) إلا في حوالي 15% من الحالات. يشير هذا إلى أن هذه الطريقة يمكن أن تكون أداة قوية لتسريع عملية الفحص الأولي في المختبرات، مما يوفر على العلماء ساعات من التحديق في المجاهر.
ماسحات البذور
بعد ذلك، انتقل الباحثون إلى بذور الشمام نفسها. أرادوا معرفة ما إذا كان بإمكانهم فحص كومة من البذور وتحديد أي منها مصاب، دون كسرها. ولتجربة ذلك، أنشأوا نوعين من المجموعات الاختبارية. أولاً، صنعوا بذورًا "مصابة اصطناعيًا" عن طريق نقع بذور سليمة في حمام من البكتيريا. ثم جمعوا بذورًا "مصابة طبيعيًا" من دفعات تجارية حقيقية كانت قد التقطت المرض في الطبيعة.
قاموا بتغذية صور هذه البذور لسبعة نماذج تعلم حاسوبية مختلفة (فكر في هذه النماذج كأنها أنواع مختلفة من العقول الرياضية) لمعرفة أي منها يمكنه التمييز بين البذور السليمة والمصابة بشكل أفضل. كانت النتائج مثيرة للاهتمام؛ فقد تفوقت نماذج الرياضيات البسيطة ذات الخطوط المستقيمة — وتحديدًا التحليل التمييزي الخطي (LDA) والانحدار اللوجستي — على نماذج التعلم العميق المعقدة. يبدو أن "بصمة" العدوى كانت واضحة جدًا لدرجة أن قاعدة رياضية بسيطة كانت كافية لرصدها.
ومع ذلك، كان هناك عقبة. عندما دربوا الحاسوب على نوع واحد فقط من الشمام (صنف يُسمى 'Xizhoumi') ثم حاولوا استخدامه على نوع آخر ('Yunaixiang' أو 'Hami')، ارتبك الحاسوب. فقد أدت الألوان والقوام المختلفة لأنواع الشمام المختلفة إلى إرباك النموذج. ولكن، عندما دربو الحاسوب على مزيج من أنواع الشمام الثلاثة معًا، تعلم تجاهل الاختلافات بين الأصناف والتركيز فقط على علامات المرض. أصبح نموذج "تعدد الأصناف" هذا أكثر ذكاءً واستطاع رصد البذور المصابة بدقة عبر أنواع مختلفة من الشمام.
الاختبار في العالم الحقيقي
أخيرًا، اختبروا أفضل نماذجهم على البذور المصابة طبيعيًا، وهي التحدي الحقيقي لأن البكتيريا قد تكون مختبئة بأعداد منخفضة جدًا. استخدموا اختبارًا مخبريًا قياسيًا يُسمى qPCR لتحديد البذور المصابة حقًا. ووجدوا أن الكاميرا متعددة الأطياف تعمل بشكل أفضل عندما يكون الحمل البكتيري مرتفعًا. إذا كانت العدوى خفيفة جدًا (قيمة "Ct" عالية في الاختبار المخبري)، فإن الكاميرا تجد صعوبة في رؤية الفرق. ولكن عندما وضعوا قاعدة أكثر صرامة — بالبحث فقط عن البذور ذات التركيز الأعلى للبكتيريا (قيمة Ct أقل من 37) — أصبحت الكاميرا موثوقة للغاية. فعلى سبيل المثال، حدد نموذج الانحدار اللوجستي البذور المصابة بنسبة 82% من المرات في ظل هذه الظروف الأكثر صرامة.
ماذا يعني هذا
تشير الورقة البحثية إلى أن التصوير متعدد الأطياف هو أداة واعدة للحفاظ على صحة الشمام والبطيخ لدينا. فهي تظهر أنه يمكننا استخدام الضوء لـ "رؤية" البكتيريا على طبق بتري وكشف البذور المريضة دون كسرها. وبينما لا يزال النظام غير مثالي بعد — فهو يعمل بشكل أفضل عندما تكون هناك كميات كبيرة من البكتيريا وعندما يتم تدريبه على أنواع مختلفة من البذور — إلا أنه يقدم طريقة سريعة وغير مدمرة لفحص البذور. يمكن أن يساعد هذا المزارعين وشركات البذور في اكتشاف الأمراض مبكرًا، مما يمنع انتشار هذا الكائن المدمر ويحمي الإمدادات العالمية من الشمام. ويقترح الباحثون أنه في المستقبل، يمكن صقل هذه التكنولوجيا للتعامل حتى مع حالات العدوى الأكثر دهاءً وانخفاضًا في المستوى، مما يجعل إمداداتنا الغذائية أكثر أمانًا وحماية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.