Mise au point d’un automate et d’une méthode d’analyse d’images pour le suivi de cinétiques d’infection par un champignon pathogène foliaire

• Published in: NOV'AE Vol. 15; pp. 1 - 9
• Main Authors: Fabre, Bénédicte, Santerre Filleux D’arrentières, Pierre, Bailly, Christophe, Demaison, Jérôme, Pétrowski, Jérémy, Halkett, Fabien
• Format: Journal Article
• Language: French
• Published: INRAE 2023
• Subjects: Computer Science; Life Sciences; latence; aggressiveness; Automate de prise de photographies; latency; caractère d’agressivité; Automated picture-taking system; image analysis; traitement d’images
• ISSN: 2823-2283; 2823-3980
• DOI: 10.17180/novae-2023-NO-art15

To understand plant-pathogen interactions, we need efficient quantification of the traits associated with the infectious process. Among these traits, the latent period is of particular importance, yet, it is often poorly assessed because its measure relies on imprecise and over-infrequent visual observations. To overcome these limitations, we have developed an automated system for monitoring infection and lesion growth by taking zenith photographs under controlled conditions. An image analysis pipeline coded in ImageJ and R is used to identify lesions and estimate their growth. This method enables us to monitor each lesion individually and to quantify three characteristics linked to infectious potential: infection efficiency, lesion size and latency. This method was developed to monitor infections caused by a biotrophic fungus responsible for poplar rust, Melampsora larici-populina, on a miniaturized well-box device (simultaneous monitoring of 1536 samples). Our method can be easily adapted to a variety of situations, including the monitoring of fungal growth in Petri dishes. Progresser dans notre compréhension des interactions plantes-pathogènes nécessite de pouvoir quantifier finement les caractères liés aux processus infectieux. Parmi ces caractères, le temps de latence revêt une importance particulière ; mais la latence est souvent mal déterminée, car sa mesure repose sur des observations visuelles imprécises et trop peu fréquentes. Pour pallier ces défauts, nous avons mis au point un automate permettant de suivre l’infection et la croissance des lésions par prise de photographies zénithales, en conditions contrôlées. Une chaîne d’analyse d’images codée sous ImageJ et R permet d’identifier les lésions et estimer leur croissance. Cette méthode permet de suivre individuellement chaque lésion et de quantifier trois caractères liés au potentiel infectieux : l’efficacité d’infection, la taille des lésions et le temps de latence. Cette méthode a été développée pour suivre les infections causées par un champignon biotrophe responsable de la rouille du peuplier, Melampsora larici-populina, sur un dispositif miniaturisé de boîtes à puits (suivi simultané de 1 536 échantillons). Notre méthode peut être facilement adaptée à un contexte varié de situations, y compris un suivi de croissance de champignons en boîtes de Petri.