九州大學相干研究生院二年級博士生岩正晃平和該大學助理教授野下幸二領導的研究小組成功識別了葉脈“形狀”的規律性和多樣性基於數據。
植物的葉脈在水分和光合產物的運輸中起著重要的作用，它們是規則的，但具有多種功能要求，如透水性、蒸騰效率和抗攝食損害等損害（魯棒性）。多樣性。然而，傳統的研究主要集中於基於長度、直徑和分支角度等簡單測量的評估，並且集中於將整個葉脈量化為傳輸網絡結構的表型分析方法。
在這項研究中，我們開發了一種新的簡單高效的表型分析方法，該方法結合了圖像分析、深度學習和形態測量。通過使用深度神經網絡模型從圖像中僅提取葉脈並將其轉換為圖，就可以計算網絡特徵。利用這些數值數據，他們對葉脈的層次和復雜結構進行了數學分析，並試圖識別葉脈“形狀”的規律性和多樣性。
研究小組將開發的表型分析方法應用於國家自然科學博物館數據庫中5個物種的479個葉子標本和5個屬的328個染色標本。結果，我們發現葉脈形狀具有規律性和多樣性，呈現一維分佈，並沿著這種分佈從樹狀過渡到環狀。此外，這種分佈模式具有權衡關係，因為如果改變葉脈的“形狀”以提高運輸效率、形成效率或抵抗損壞的魯棒性，則其他屬性中的一個或兩個都會降低。發現系統很有可能處於“帕累托最優”狀態。
這項研究中使用的方法預計未來將應用於葉脈以外的網狀網絡結構。例如，預計它將作為分析基礎，根據特定工件的功能需求進行權衡，制定最佳設計建議。
