Plant Phenomics | 通過檢測過濾植物提取物中的miRNAs來簡易診斷植物生長狀況的微流體設(shè)備

植物在自然環(huán)境中面臨多種生物和非生物環(huán)境壓力，這些壓力可能對其生產(chǎn)力和健康造成不可逆轉(zhuǎn)的損害。因此，及時(shí)診斷和應(yīng)對植物壓力對于維持植物健康、實(shí)現(xiàn)精確農(nóng)業(yè)和作物管理至關(guān)重要。在此研究中，研究人員特別關(guān)注了磷酸鹽（Pi）的缺乏，這是作物生產(chǎn)中的一個(gè)主要限制因素。由于磷酸鹽易于沉淀且植物難以利用，因此，對于缺磷應(yīng)答的早期診斷顯得尤為重要。

2024年4月，Plant Phenomics 在線發(fā)表了日本名古屋大學(xué)題為Microfluidic Device for Simple Diagnosis of Plant Growth Condition by Detecting miRNAs from Filtered Plant Extracts 的研究論文。

在這項(xiàng)研究中，研究人員開發(fā)了一種微流體裝置，旨在通過檢測植物提取物中的微小RNA（miRNA）來簡化植物生長狀況的診斷。該裝置利用微流體技術(shù)，優(yōu)點(diǎn)包括操作簡便、反應(yīng)時(shí)間短和對樣本量要求低，非常適合田間等現(xiàn)場應(yīng)用。裝置由聚二甲基硅氧烷（PDMS）制成，設(shè)計(jì)包括樣本引入?yún)^(qū)、DNA探針固定區(qū)和信號檢測區(qū)。核心檢測技術(shù)是熒光三明治雜交法，利用固定和游離的DNA探針通過特定的miRNA形成復(fù)合體，從而在微流體通道內(nèi)實(shí)現(xiàn)目標(biāo)miRNA的有效捕捉和檢測。

圖1 微流控微RNA檢測系統(tǒng)

為了提高檢測效率和精確性，研究團(tuán)隊(duì)還對樣本進(jìn)行了適當(dāng)處理，包括過濾技術(shù)以去除干擾物質(zhì)，并探索了使用生物素-鏈霉親和素系統(tǒng)對信號進(jìn)行放大的方法。這使得即使是極低濃度的miRNA也能產(chǎn)生足夠的熒光信號進(jìn)行檢測。這種微流體裝置的開發(fā)不僅為植物生理狀態(tài)提供了快速現(xiàn)場檢測的新工具，還為精確農(nóng)業(yè)和持續(xù)性作物生產(chǎn)管理提供了寶貴的技術(shù)支持。通過早期診斷植物營養(yǎng)缺乏或環(huán)境壓力，有望優(yōu)化植物健康管理和資源使用，推動(dòng)農(nóng)業(yè)生產(chǎn)者、研究人員和技術(shù)人員在實(shí)際應(yīng)用中的廣泛應(yīng)用。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0162

——推薦閱讀——

Practical identifiability of plant growth models: a unifying framework and its specification for three local indices.

https://doi.org/10.34133/plantphenomics.0133

Plant Phenomics | 基于植物生長模型可識別性的統(tǒng)一框架及其對三個(gè)實(shí)際性指標(biāo)的規(guī)范定義

LiDAR is effective in characterizing vine growth and detecting associated genetic loci 

https://doi.org/10.34133/plantphenomics.0116

Plant Phenomics | 激光雷達(dá)能夠高效地描述葡萄的生長情況和檢測相關(guān)遺傳位點(diǎn)

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會(huì)、�？�發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：章?lián)P（南京農(nóng)業(yè)大學(xué)）
排版：許怡瑤（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平