Thiago Teixeira Santos e Juliana Erika de Carvalho Teixeira Yassitepe

Tecnologias visando aumentar a acurácia e rapidez das mensurações fenotípicas para melhor caracterização e entendimento das funções biológicas dos organismos em resposta a diferentes condições ambientais vêm sendo alvo de intensas pesquisas nos últimos anos. Este esforço recente busca diminuir o “gargalo de fenotipagem” (phenotyping bottleneck), como vem sendo chamada pela comunidade científica a lacuna entre a quantidade e qualidade de dados genômicos e fenotípicos disponíveis. Técnicas correntes de sequenciamento tornaram a caracterização de genomas um processo eficiente e barato, gerando uma enorme massa de dados para pesquisa. Porém, um avanço similar ainda não ocorreu na caracterização em larga escala de fenótipos, e isso retarda o avanço no entendimento das associações genótipo versus fenótipo.

Para alcançar a mesma velocidade observada atualmente na caracterização genômica, é necessário incorporar à fenotipagem avanços nas áreas de computação, robótica, visão computacional e análise de imagens (COBB et al., 2013; FIORANI; SCHURR, 2013; FURBANK; TESTER, 2011). Com o foco neste objetivo, uma nova área do conhecimento científico está emergindo e vem sendo chamada de “fenômica”, em alusão às ciências “ômicas” que estudam os genes, transcritos, proteínas e metabolitos de um organismo. Esta nova ciência, fenômica, se concentra na aquisição de dados fenótipos em larga escala e dimensão, em um curto espaço de tempo, oferecendo com isso uma oportunidade única de visualizar, em vários níveis hierárquicos, o fenótipo de um organismo.

Visão computacional e análise de imagens são hoje um dos principais componentes em qualquer plataforma moderna de fenotipagem (FIORANI; SCHURR, 2013; FURBANK; TESTER, 2011). Técnicas baseadas em imagem são capazes de capturar grandes volumes de dados quantitativos sobre o fenótipo, através de metodologias que não são invasivas ou destrutivas. A fenotipagem de plantas é uma aplicação desafiadora à visão computacional, por apresentar problemas nas áreas de modelagem tridimensional (3D), segmentação e classificação, metrologia por imagem e processamento de nuvens de pontos. Um exemplo da aproximação entre as áreas pôde ser visto em 2014, quando a tradicional Conferência Europeia em Visão Computacional – European Conference on Computer Vision (ECCV) incluiu um workshop dedicado a problemas em fenotipagem de plantas (Computer Vision Problems in Plant Phenotyping) (CVPPP).

O presente capítulo apresenta uma visão geral dos avanços recentes na fenotipagem em larga escala (Seção 2) e como a visão computacional surge como ferramenta para a caracterização fenotípica não-destrutiva da parte aérea de plantas (Seção 3). O capítulo se encerra (Seção 4) apresentando cenários futuros de pesquisa nessa área.

Capítulo (PDF)