Abstract Genetic contributions to plant morphology are not partitioned between shoots and roots. Yet, shoot and root architectures are rarely measured in the same plants. Even if shoot and root architectures are both studied, the application of mathematical methods flexible enough to accommodate the disparate topologies and shapes within a plant, and across scales, are lacking. Here, we advocate the use of persistent homology, a mathematical method robust to noise, invariant with respect to orientation, capable of application across diverse scales, and importantly, compatible with diverse functions to quantify disparate plant morphologies, architectures, and textures. To demonstrate the usefulness of this method, we apply persistent homology approaches to the shape of leaves, serrations, and root architecture as measured in the same plants of a domesticated tomato Solanum pennellii near-isogenic introgression line population under field conditions. We find that genetic contributions to morphology affect the plant in a concerted fashion, affecting both the shoot and root, revealing a pleiotropic basis to natural variation in tomato.

ABSTRACT The root system is critical for the survival of nearly all land plants and a key target for improving abiotic stress tolerance, nutrient accumulation, and yield in crop species. Although many methods of root phenotyping exist, within field studies one of the most popular methods is the extraction and measurement of the upper portion of the root system, known as the root crown, followed by trait quantification based on manual measurements or 2D imaging. However, 2D techniques are inherently limited by the information available from single points of view. Here, we used X-ray computed tomography to generate highly accurate 3D models of maize root crowns and created computational pipelines capable of measuring 71 features from each sample. This approach improves estimates of the genetic contribution to root system architecture, and is refined enough to detect various changes in global root system architecture over developmental time as well as more subtle changes in root distributions as a result of environmental differences. We demonstrate that root pulling force, a high-throughput method of root extraction that provides an estimate of root biomass, is associated with multiple 3D traits from our pipeline. Our combined methodology can therefore be used to calibrate and interpret root pulling force measurements across a range of experimental contexts, or scaled up as a stand-alone approach in large genetic studies of root system architecture.

Abstract Background 3D imaging, such as X-ray CT and MRI, has been widely deployed to study plant root structures. Many computational tools exist to extract coarse-grained features from 3D root images, such as total volume, root number and total root length. However, methods that can accurately and efficiently compute fine-grained root traits, such as root number and geometry at each hierarchy level, are still lacking. These traits would allow biologists to gain deeper insights into the root system architecture (RSA). Results We present TopoRoot, a high-throughput computational method that computes fine-grained architectural traits from 3D X-ray CT images of field-excavated maize root crowns. These traits include the number, length, thickness, angle, tortuosity, and number of children for the roots at each level of the hierarchy. TopoRoot combines state-of-the-art algorithms in computer graphics, such as topological simplification and geometric skeletonization, with customized heuristics for robustly obtaining the branching structure and hierarchical information. TopoRoot is validated on both real and simulated root images, and in both cases it was shown to improve the accuracy of traits over existing methods. We also demonstrate TopoRoot in differentiating a maize root mutant from its wild type segregant using fine-grained traits. TopoRoot runs within a few minutes on a desktop workstation for volumes at the resolution range of 400^3, without need for human intervention. Conclusions TopoRoot improves the state-of-the-art methods in obtaining more accurate and comprehensive fine-grained traits of maize roots from 3D CT images. The automation and efficiency makes TopoRoot suitable for batch processing on a large number of root images. Our method is thus useful for phenomic studies aimed at finding the genetic basis behind root system architecture and the subsequent development of more productive crops.

Summary We characterized grapevine inflorescence architecture (the rachis and all branches without berries) to describe variation among 10 wild Vitis species, assess phylogenetic signals underlying inflorescence architecture traits, and interpret this variation in the context of breeding objectives. Three-dimensional X-ray tomography scans of grapevine inflorescences were used to measure geometric traits and inflorescence topology using persistent homology, a mathematical approach that can comprehensively measure and compare shapes. We simulated potential space available for berry growth within a given inflorescence architecture by evaluating expanding spheres attached to pedicels, referred to as “berry potential.” Lastly, we performed phylogenetic analysis and mapped trait variation. We detected wide variation in inflorescence architecture features among Vitis species. Hierarchical clustering and correlation analyses revealed relationships among traits. Multivariate analyses identify traits contributing the most to variation and distinguish between species with high accuracy. Phylogenetic analyses revealed 12 morphological traits with strong phylogenetic signal. Morphometric analysis uncovered novel differences in inflorescence architecture among clades and between Vitis species. Cluster density is an important trait for assessing crop quality and forecasting yield; analyses presented here can be used to tease apart subtle, heritable features and environmental influences on this major agronomic trait.

Abstract Current methods of root sampling typically only obtain small or incomplete sections of root systems and do not capture their true complexity. To facilitate the visualization and analysis of full-sized plant root systems in 3-dimensions, we developed customized mesocosm growth containers. While highly scalable, the design presented here uses an internal volume of 45 ft 3 (1.27 m 3 ), suitable for large crop and bioenergy grass root systems to grow largely unconstrained. Furthermore, they allow for the excavation and preservation of 3-dimensional RSA, and facilitate the collection of time-resolved subterranean environmental data. Sensor arrays monitoring matric potential, temperature and CO 2 levels are buried in a grid formation at various depths to assess environmental fluxes at regular intervals. Methods of 3D data visualization of fluxes were developed to allow for comparison with root system architectural traits. Following harvest, the recovered root system can be digitally reconstructed in 3D through photogrammetry, which is an inexpensive method requiring only an appropriate studio space and a digital camera. We developed a pipeline to extract features from the 3D point clouds, or from derived skeletons that include point cloud voxel number as a proxy for biomass, total root system length, volume, depth, convex hull volume and solidity as a function of depth. Ground-truthing these features with biomass measurements from manually dissected root systems showed a high correlation. We evaluated switchgrass, maize, and sorghum root systems to highlight the capability for species wide comparisons. We focused on two switchgrass ecotypes, upland (VS16) and lowland (WBC3), in identical environments to demonstrate widely different root system architectures that may be indicative of core differences in their rhizoeconomic foraging strategies. Finally, we imposed a strong physiological water stress and manipulated the growth medium to demonstrate whole root system plasticity in response to environmental stimuli. Hence, these new “3D Root Mesocosms” and accompanying computational analysis provides a new paradigm for study of mature crop systems and the environmental fluxes that shape them.

Understanding how root systems modulate shoot system phenotypes is a fundamental question in plant biology and will be useful in developing resilient agricultural crops. Grafting is a common horticultural practice that joins the roots (rootstock) of one plant to the shoot (scion) of another, providing an excellent method for investigating how these two organ systems affect each other. In this study, we use the French-American hybrid grapevine 'Chambourcin' (Vitis L.) as a model to explore the rootstock-scion relationship. We examined leaf shape, ion concentrations, and gene expression in 'Chambourcin' grown own-rooted as well as grafted to three different rootstocks ('SO4', '1103P' and '3309C') across two years and three different irrigation treatments. Results described here demonstrate that 1) the largest source of variation in leaf shape stems from the interaction of rootstock by irrigation; 2) leaf position, but also rootstock and rootstock by irrigation interaction, are the primary sources of variation in leaf ion concentrations; and 3) gene expression in scion leaves exhibited significantly different patterns of gene expression from ungrafted vines, and these expression patterns were rootstock-specific. Our work provides an initial description of the subtle and complex effect of grafting on 'Chambourcin' leaf morphology, ionomics and gene expression in grapevine scions. Further work across multiple years, environments and additional phenotypes is required in order to determine how the relationship between the rootstock and the scion can best be leveraged for adapting grapevines to a changing climate.

Summary Coleus is a popular ornamental plant that exhibits a diverse array of foliar color patterns. New cultivars are currently hand selected by both amateur and experienced plant breeders. In this study, we reimagine coleus breeding using a quantitative color analysis framework. Despite impressive advances in high-throughput data collection and processing, complex color patterns remain challenging to extract from image datasets. Using a new phenotyping approach called “ColourQuant,” we extract and analyze pigmentation patterns from one of the largest coleus breeding populations in the world. Working with this massive dataset, we are able to analyze quantitative relationships between maternal plants and their progeny, identify features that underlie breeder-selections, and collect and compare consumer input on trait preferences. This study is one of the most comprehensive explorations into complex color patterning in plant biology and provides new insights and tools for exploring the color pallet of the plant kingdom.

Thicker leaves allow plants to grow in water-limited conditions. However, our understanding of the genetic underpinnings of this highly functional leaf shape trait is poor. We used a custom-built confocal profilometer to directly measure leaf thickness in a set of introgression lines (ILs) derived from the desert tomato species Solanum pennellii, and identified quantitative trait loci (QTL). We report evidence of a complex genetic architecture of this trait and roles for both genetic and environmental factors. Several ILs with thick leaves have dramatically elongated palisade mesophyll cells and, in some cases, increased leaf ploidy. We characterized thick ILs 2-5 and 4-3 in detail and found increased mesophyll cell size and leaf ploidy levels, suggesting that endoreduplication underpins leaf thickness in tomato. Next, we queried the transcriptomes and inferred Dynamic Bayesian Networks of gene expression across early leaf ontogeny in these lines to compare the molecular networks that pattern leaf thickness. We show that thick ILs share S. pennellii-like expression profiles for putative regulators of cell shape and meristem determinacy, as well as a general signature of cell cycle related gene expression. However, our network data suggest that leaf thickness in these two lines is patterned by at least partially distinct mechanisms. Consistent with this hypothesis, double homozygote lines combining introgression segments from these two ILs show additive phenotypes including thick leaves, higher ploidy levels and larger palisade mesophyll cells. Collectively, these data establish a framework of genetic, anatomical, and molecular mechanisms that pattern leaf thickness in desert-adapted tomato.

In this paper, a combination of theoretical modeling, finite element simulation, and experimental methods is employed to investigate the forming mechanism and evolutionary pattern of the stagnant region during mechanical scratching with a diamond wedge tool. The study is structured as follows: Firstly, a theoretical calculation model for the geometric parameters of the stagnant region on the formed groove surface is established based on the contact friction partition mechanism and slip-line field theory. The model indicates that the geometric parameters lB-sg, lV-sg, and ∆lsg of the stagnant region are determined by the length of the stagnant region lp-sg in the plastic flow plane and the transformation parameters. Secondly, the formation process of the stagnant region in mechanical scratching is investigated using an orthogonal cutting simulation model with a negative rake angle tool. The results reveal that the stagnant region is a plastic deformation region formed due to the geometrical characteristics of the negative front surface of the scratching tool and its excessive extrusion, which leads to the formation of adhesive friction within the material. Thirdly, the characteristics of the stagnant region are determined through scratching experiments. Compared to the material in the plastic flow region, the material within the stagnant region exhibits finer and denser microstructures, reduced surface hardening peaks and hardened layer depths, and significantly improved surface roughness. Finally, the evolutionary pattern of the stagnant region under the influence of scratching processing parameters is examined based on the theoretical calculation model of the geometric parameters and the scratching experiment. The findings indicate that as the wedge angle of the scratching tool decreases, the relief angle increases, the absolute value of the rotation angle around the Y-axis decreases, the scratching speed decreases, and the material's plastic adherence improves, the PI/k value decreases, the lp-sg value increases, and consequently, the geometric parameters lB-sg, lV-sg, and ∆lsg of the stagnant region on the formed groove surface also increase. The deviation analysis of the geometric parameters of the stagnant region reveals a consistent trend between the theoretical and experimental values of lV-sg and ∆lsg, with maximum deviations of 15 μm and 4.13%, respectively. This study provides theoretical and experimental evidence for the establishment of the theoretical model of the stagnant region in mechanical scratching, the analysis of its forming mechanism, and the control of the stagnant region geometric parameters on the formed groove surface.