En las últimas décadas, los ecologistas han utilizado cada vez más un enfoque basado en rasgos, lo que significa que utilizan características morfológicas, fisiológicas o fenológicas de los organismos para interpretar y comprender las dinámicas ecológicas. Para los ecólogos de semillas, estos rasgos suelen presentarse en forma de medidas del tamaño de las semillas y descripciones de las formas y apéndices de las mismas. Obtener estas características morfológicas puede ser un proceso muy laborioso que implica largas jornadas en el microscopio y descifrar la mejor manera de clasificar las semillas en clasificaciones subjetivas que dificultan las comparaciones entre sitios y grupos de trabajo. Análisis de Imagen es la solución más natural para esta tarea, ya que los computadores podrían programarse para extraer información de las fotografías de las semillas. Aun así, los enfoques más comunes, como el thresholding y deep learning, tienen dificultades con la gran diversidad de morfologías de semillas o requieren recursos informáticos sofisticados.

En respuesta a estos retos, un equipo de investigación dirigido por la Dra. Roberta LC Dayrell (@robertadayrell en Twitter) creó Traitor –un software de código abierto que automatiza la extracción de rasgos de tamaño, forma y color de las semillas a partir de imágenes. A diferencia de otras herramientas disponibles, Traitor emplea una técnica de segmentación no supervisada que permite la separación automática de semillas de fondos de alto contraste sin formación ni ajustes manuales. Además, el programa está diseñado para procesar cientos de imágenes de taxones variados, lo que permite realizar análisis a gran escala que antes eran inviables.

Para utilizar Traitor, el usuario sólo tiene que seguir cuatro pasos. En primer lugar, hay que separar las semillas de del resto de material vegetal y otros apéndices, como pelos y ganchos, que podrían complicar la adquisición y el procesamiento de imágenes. A continuación, se toman imágenes de las semillas utilizando un escáner con un fondo de color homogéneo que contraste con el de las semillas. Dichos escáneres deben incluir una carta de colores que contenga estándares para el siguiente paso, en el que las imágenes se procesan para la normalización del color, y las semillas se separan automáticamente de su fondo. Al final de la fase de procesamiento, se crea una silueta para cada semilla, que se alinea para que esté relativamente en la misma posición que las demás. Por último, se utilizan los contornos para extraer todos los rasgos. Uno podría pensar que todos estos procesos requerirían montones de comandos, ¡pero la verdad es que Traitor puede hacer todo esto utilizando solo tres comandos!

En una entrevista con Botany One, Dayrell comentó que el principal reto al que se enfrentó durante el desarrollo de Traitor fue definir los rasgos específicos que debían extraerse. En sus propias palabras, el objetivo del equipo "era extraer rasgos que pudieran comunicar eficazmente información interpretable sobre las características morfológicas de las semillas". Y continúa: "Resultó ser una tarea compleja, sobre todo cuando se trataba de la forma y el color, que son rasgos intrincados y multifacéticos". Al final, esta primera versión del programa informático incluye doce rasgos, entre ellos medidas morfométricas (como longitud, área y perímetro), de color y de forma.

Para verificar la precisión de las medidas de su programa, Dayrell y su equipo utilizaron diasmorph - una base de datos de rasgos e imágenes de semillas de Europa Central con más de 1200 taxones- y compararon las medidas obtenidas por Traitor con las obtenidas manualmente. Los resultados de la validación no dejan lugar a dudas sobre la precisión de Traitor¡las mediciones manuales y automáticas coincidieron en cerca de un 98%! Sin embargo, Traitor no sólo sirve para extraer este tipo de información morfológica, sino que tiene un excelente potencial para obtener datos como la descripción del color y la clasificación de la forma.

El color de las semillas es valioso, por ejemplo, para distinguir diferentes especies y se ha asociado a procesos de gran importancia ecológica, como la persistencia de las semillas en el suelo. Sin embargo, dado el infinito número de colores que existen, siempre resulta complicado comparar colores entre observadores. Se podría pensar que se puede resolver este problema clasificando los colores en categorías amplias -como semillas rojas, marrones y grises-, pero eso supondría perder variaciones sutiles. Traitor Traitor supera estos problemas extrayendo los valores sRGB que corresponden a los colores de las semillas. Estos valores, que son universales y únicos para cada color, pueden utilizarse en análisis cuantitativos que abarcan desde la descripción de la variación del color dentro de los clados hasta la evolución del color de las semillas, lo que abre el camino a nuevas y apasionantes líneas de investigación y aplicaciones.

Problemas similares aparecen cuando los investigadores quieren describir formas, ya que los límites entre una y otra pueden ser subjetivos y abstractos. Por ejemplo, ¿cuándo una semilla deja de ser "redonda" y empieza a ser "ovalada"? ¿Cuál es el límite entre las semillas "ovaladas" y las "ovoides"? Pues bien, Traitor nos libera de esas preocupaciones, ya que puede producir valores cuantitativos sobre las formas de las semillas, incluyendo la circularidad y la relación altura-anchura, lo que nos permite analizar objetivamente las formas de las semillas. Por ejemplo, Dayrell y su equipo utilizaron estos datos para caracterizar las semillas de las especies de Carex encontradas en DiasMorph y las clasificaron en ocho categorías de formas diferentes basadas en la relación de aspecto y la simetría. En particular, algunas especies fueron asignadas sistemáticamente a una determinada clase de forma, lo que ilustra el potencial de su método para crear herramientas de identificación de semillas.

Teniendo en cuenta todas estas funciones destacadas, Traitor promete ser una herramienta útil para el avance de la ecología de semillas, ya que permitirá la extracción automatizada de diversos rasgos de semillas de una manera fácil y eficiente. Además, los descriptores cuantitativos de forma y color mejorarán una descripción más precisa e interpretable de tales características. Su exitosa validación con la base de datos DiasMorph demuestra su gran potencial para producir grandes conjuntos de datos fiables sobre los rasgos de las semillas, un recurso que falta en la mayor parte del mundo, especialmente los trópicos. Como nos dijo Dayrell en la entrevista: “Vale la pena señalar que este método de extracción de rasgos es rentable y solo requiere una computadora, un escáner y un lienzo de alto contraste. Esta asequibilidad lo hace particularmente valioso para los esfuerzos de investigación en laboratorios donde los recursos pueden ser limitados”.

Estos resultados también son importantes fuera de la ecología. Dayrell señaló que, por ejemplo, este software tiene un gran potencial para los programas de fitomejoramiento. Afirma que "la identificación y selección de semillas con los rasgos deseados desempeñan un papel crucial en los programas de fitomejoramiento. Traitorproporciona información valiosa para evaluar y clasificar semillas en función de sus atributos morfológicos. Esta capacidad mejora la eficiencia y eficacia de los esfuerzos de mejora vegetal, facilitando la identificación y propagación de semillas con las características deseadas". También destacó el papel potencial de Traitor en la generación de datos que pueden impulsar el desarrollo de herramientas de identificación intuitivas y fáciles de usar en diversas disciplinas, como la restauración ecológica, la arqueobotánica y la etnobotánica. Una cosa es segura: las posibilidades son infinitas, y Traitor parece estar a la altura del desafío. Si me lo preguntan, ¡yo no veo la hora de probarlo!

LEE EL PAPEL
Dayrell, RLC, Ott, T., Horrocks, T. y Poschlod, P. Extracción automatizada de rasgos morfológicos de semillas a partir de imágenes. Métodos en ecología y evolución. Disponible en: https://doi.org/10.1111/2041-210X.14127