FluorCam-Pro植物多光譜熒光成像系統(tǒng)是FluorCam葉綠素?zé)晒獬上窦夹g(shù)的最新高級擴(kuò)展產(chǎn)品。此系統(tǒng)既可用于PAM脈沖調(diào)制式葉綠素?zé)晒鈩?dòng)態(tài)成像分析，又可用于UV紫外光對植物葉片激發(fā)產(chǎn)生的多光譜熒光成像測量分析，還可選配濾波器組對GFP、RFP、YFP、SYBR Green等熒光蛋白和熒光染料進(jìn)行穩(wěn)態(tài)熒光成像測量。測量對象包括葉片、果實(shí)、花朵、整株擬南芥或其他小型植株、苔蘚、微藻、大型藻類乃至特定的動(dòng)物樣品。
 
應(yīng)用領(lǐng)域：
植物光合生理生態(tài)
植物逆境脅迫生理與易感性
植物初級代謝與次級代謝
植物表型組學(xué)成像分析（Phenotyping）
作物遺傳育種與抗性篩選
種子萌發(fā)與活力監(jiān)測
轉(zhuǎn)基因植株篩選

功能特點(diǎn)：
1.多激發(fā)光-多光譜熒光成像技術(shù)：通過兩種以上不同波長的光源激發(fā)植物樣品中不同的發(fā)色團(tuán)發(fā)出熒光并進(jìn)行成像檢測，即為多激發(fā)光多光譜熒光成像技術(shù)。植物的多光譜熒光主要包括葉綠素?zé)晒�、UV紫外光激發(fā)多光譜熒光和熒光蛋白熒光
2.FluorCam-Pro無需更換任何配件即可同步實(shí)現(xiàn)多激發(fā)光-多光譜熒光成像功能：
PAM脈沖調(diào)制式葉綠素?zé)晒獬上?br /> 紫外激發(fā)F440、F520、F690、F740多光譜熒光成像
GFP、RFP、YFP等常用熒光蛋白成像
3.可根據(jù)用戶需要定制熒光蛋白或熒光染料成像，如BFP、CFP、SYBR Green、DAPI等
4.可對黃酮、花青素含量進(jìn)行定量測量
5.可進(jìn)行自動(dòng)重復(fù)成像測量和無人值守監(jiān)測，可設(shè)置實(shí)驗(yàn)程序（Protocols）自動(dòng)循環(huán)成像測量，成像測量數(shù)據(jù)自動(dòng)按時(shí)間日期存入計(jì)算機(jī)（帶時(shí)間戳）
6.測量樣品為各種活體植物樣品，包括葉片、花卉、果實(shí)、整株擬南芥或其他小型植物、微藻（包括液滴、多孔板、固體培養(yǎng)基）及大型藻類等

技術(shù)指標(biāo)：
1.一體式設(shè)計(jì)，自帶暗適應(yīng)箱體
2.成像面積：20×20cm
3.測量參數(shù)：Fo, Fo’, Fs, Fm, Fm’, Fp, FtDn, FtLn, Fv, Fv'/ Fm', Fv/ Fm ,Fv',Ft,ΦPSII, NPQ_Dn, NPQ_Ln, Qp_Dn, Qp_Ln, qN, qL, QY, QY_Ln, Rfd, ETR等50多個(gè)葉綠素?zé)晒鈪��?shù)；紫外激發(fā)多光譜熒光成像參數(shù)：F440、F520、F690、F740；熒光蛋白熒光強(qiáng)度參數(shù)Ft；黃酮醇指數(shù)Flavonol Index,、花青素指數(shù)Anthocyanin Index。每項(xiàng)參數(shù)均可顯示對應(yīng)二維熒光彩色圖像
4.具備完備的自動(dòng)測量程序（protocol），可自由對自動(dòng)測量程序進(jìn)行編輯
5.熒光激發(fā)光源組：630nm紅光、5700K冷白光、735nm遠(yuǎn)紅光、365nm紫外光，445nm品藍(lán)光，470nm藍(lán)光，505nm青光，530nm綠光，590nm琥珀色光
6.高分辨率CCD相機(jī)
圖像分辨率：1360×1024像素
時(shí)間分辨率：在最高圖像分辨率下可達(dá)每秒20幀
7.具備7位濾波輪，根據(jù)用戶需要可定制各種熒光專用濾波器

8.FluorCam葉綠素?zé)晒獬上穹治鲕浖�功能：具Live（實(shí)況測試）、Protocols（實(shí)驗(yàn)程序選擇定制）、Pre–processing（成像預(yù)處理）、Result（成像分析結(jié)果）等功能菜單
9.客戶定制實(shí)驗(yàn)程序協(xié)議（protocols）：可設(shè)定時(shí)間（如測量光持續(xù)時(shí)間、光化學(xué)光持續(xù)時(shí)間、測量時(shí)間等）、光強(qiáng)（如不同光質(zhì)光化學(xué)光強(qiáng)度、飽和光閃強(qiáng)度、調(diào)制測量光等），具備專用實(shí)驗(yàn)程序語言和腳本，用戶也可利用Protocol菜單中的向?qū)С绦蚰０孀杂蓜?chuàng)建新的實(shí)驗(yàn)程序
10.自動(dòng)測量分析功能：可設(shè)置一個(gè)實(shí)驗(yàn)程序（Protocol）自動(dòng)無人值守循環(huán)成像測量，重復(fù)次數(shù)及間隔時(shí)間客戶自定義，成像測量數(shù)據(jù)自動(dòng)按時(shí)間日期存入計(jì)算機(jī)（帶時(shí)間戳）
11.快照（snapshot）模式：通過快照成像模式，可以自由調(diào)節(jié)光強(qiáng)、快門時(shí)間及靈敏度得到清晰突出的植物樣本穩(wěn)態(tài)熒光和瞬時(shí)熒光圖片
12.成像預(yù)處理：程序軟件可自動(dòng)識別多個(gè)植物樣品或多個(gè)區(qū)域，也可手動(dòng)選擇區(qū)域（Region of interest，ROI）。手動(dòng)選區(qū)的形狀可以是方形、圓形、任意多邊形或扇形。軟件可自動(dòng)測量分析每個(gè)樣品和選定區(qū)域的熒光動(dòng)力學(xué)曲線及相應(yīng)參數(shù)，樣品或區(qū)域數(shù)量不受限制（>1000）
13.數(shù)據(jù)分析模式：具備“信號計(jì)算再平均”模式（算數(shù)平均值）和“信號平均再計(jì)算”模式，在高信噪比的情況下選用“信號計(jì)算再平均”模式，在低信噪比的情況下選擇“信號平均再計(jì)算”模式以過濾掉噪音帶來的誤差

14.輸出結(jié)果：高時(shí)間解析度熒光動(dòng)態(tài)圖、熒光動(dòng)態(tài)變化視頻、熒光參數(shù)Excel文件、直方圖、不同參數(shù)成像圖、不同ROI的熒光參數(shù)列表等
 
應(yīng)用案例：
1.抗病毒基因研究
法國國家農(nóng)業(yè)科學(xué)研究院一直致力于馬鈴薯y病毒組的抗病基因研究，通過不同基因編輯處理方法，驗(yàn)證抗病毒分子機(jī)制。相關(guān)研究中，研究人員利用FluorCam多光譜熒光成像系統(tǒng)的GFP熒光蛋白成像功能，定量分析感染面積與病毒積累量，從而直觀地反映了不同基因功能對擬南芥病毒抗性的影響。同時(shí)，葉綠素?zé)晒獬上駝t反映病毒對光合系統(tǒng)的損傷，同步提供植物的光合表型信息。

參考文獻(xiàn)：
1.Zafirov D, et al. 2021. When a knockout is an Achilles' heel: Resistance to one potyvirus species triggers hypersusceptibility to another one in Arabidopsis thaliana. Mol Plant Pathol. 22: 334–347
2.Bastet A, et al. 2019. Mimicking natural polymorphism in eIF4E by CRISPR‐Cas9 base editing is associated with resistance to potyviruses. Plant Biotechnology Journal 17: 1736–1750
3.Bastet A, et al. 2018. Trans-species synthetic gene design allows resistance pyramiding and broad-spectrum engineering of virus resistance in plants. Plant Biotechnology Journal: 1–13
 
2.蔬菜病害早期檢測與病理表型組學(xué)研究
德國萊布尼茨蔬菜和觀賞植物研究所IGZ、西班牙國家研究委員會(huì)CSIC等使用FluorCam多光譜熒光成像系統(tǒng)對多種蔬菜的病毒、細(xì)菌、真菌病害進(jìn)行了大量研究。光合作用作為植物初級代謝產(chǎn)品的主要合成過程，對病害非常敏感。葉綠素?zé)晒獬上窨梢灾苯佣�量反映光合系統(tǒng)在各種脅迫因素下的受損程度與作用機(jī)理。紫外激發(fā)多光譜熒光成像則主要反映病害發(fā)展過程中次生代謝產(chǎn)品的總體水平變化與分布，同時(shí)與植物病害防御機(jī)制密切相關(guān)。這兩方面數(shù)據(jù)再加上紅外熱成像、高光譜成像獲取的溫度、反射光譜信息，即可獲得全面的植物病理表型組學(xué)數(shù)據(jù)。

參考文獻(xiàn)：
1.Sandmann M, et al. 2017. The use of features from fluorescence, thermography and NDVI imaging to detect biotic stress in lettuce. Plant Disease, doi: 10.1094/PDIS-10-17-1536-RE
2.Pineda M, et al. 2018. Detection of bacterial infection in melon plants by classification methods based on imaging data. Front. Plant Sci. 9(164), doi: 10.3389/fpls.2018.00164
3.Pineda M, et al. 2017. Use of multicolour fluorescence imaging for diagnosis of bacterial and fungal infection on zucchini by implementing machine learning. Functional Plant Biology, https://doi.org/10.1071/FP16164
 
產(chǎn)地：歐洲