Sophie Guillaume 1er prix des posters du Congrès annuel de l'Association Française d'Histotechnologie
Dans le cadre du changement climatique, il est important de réussir à comprendre quels facteurs, notamment ceux liés à la répartition des tissus lignifiés au sein des tiges, peuvent permettre un meilleur maintien du rendement en conditions de déficit hydrique, ainsi qu’une bonne digestibilité des maïs ensilage par les vaches. Les caractérisations histologiques nécessaires doivent permettre de considérer un grand nombre de génotypes et de conditions environnementales, ce qui implique de pouvoir conjuguer qualité des coupes, colorations et haut débit.
La technique
L’utilisation du microtome de paillasse permet, avec dextérité et un bon choix de lames, de couper 50 entrenœuds de maïs par jour. Les étapes de colorations et d’acquisition d’image ont été optimisées par séries de 100 coupes. L’analyse d’image est réalisée sous Fiji le plugin développée par Lopez-Marnet et al. (2022). Ce plugin ne demande pas de paramétrisation et segmente automatiquement les images en 40 tissus.
Impact du stress hydrique sur le profil histologique d’entrenoeuds de maïs
En conditions de stress hydrique, les entrenœuds de maïs présentent souvent des profils histologiques enrichis en parenchyme non lignifié. Ce « bleuissement » des coupes est associé chez les maïs correspondants à des digestibilités augmentées et une modification de la composition de la paroi.
Le profil histologique répond au stress hydrique chez les entrenœuds de maïs.
Une moelle bleue pour une meilleure digestibilité
Les variations de surface de tissus bleus dans le parenchyme expliquent 22% des variations de digestibilité de paroi. En association avec la teneur en lignine dans la paroi, 41% des variations de digestibilité de paroi sont expliquées (Lopez-Manet, 2021).
Le profil histologique est ainsi une cible d’amélioration de la digestibilité des maïs.
Retour
Légende:
Segmentation automatique des images en 40 tissus de coupes de maïs
Fait marquant IJPB
Equipe "Qualité de la Biomasse et Interactions avec la Sécheresse" QUALIBIOSEC
Publication associée
Lopez-Marnet PL, Guillaume S, V. Méchin D, Reymond M (2022). A robust and efficient automatic method to segment maize FASGA stained stem cross section images to accurately quantify histological profile
https://doi.org/10.1186/s13007-022-00957-0