Statistical evaluation of texture analysis from the biocrystallization method

The consumers are becoming more concerned about food quality, especially regarding how, when and where the foods are produced (Haglund et al., 1999; Kahl et al., 2004; Alföldi, et al., 2006). Therefore, during recent years there has been a growing interest in the methods for food quality assessment, especially in the picture-development methods as a complement to traditional chemical analysis of single compounds (Kahl et al., 2006). The biocrystallization as one of the picture-developing method is based on the crystallographic phenomenon that when crystallizing aqueous solutions of dihydrate CuCl2 with adding of organic solutions, originating, e.g., from crop samples, biocrystallograms are generated with reproducible crystal patterns (Kleber & Steinike-Hartung, 1959). Its output is a crystal pattern on glass plates from which different variables (numbers) can be calculated by using image analysis. However, there is a lack of a standardized evaluation method to quantify the morphological features of the biocrystallogram image. Therefore, the main sakes of this research are (1) to optimize an existing statistical model in order to describe all the effects that contribute to the experiment, (2) to investigate the effect of image parameters on the texture analysis of the biocrystallogram images, i.e., region of interest (ROI), color transformation and histogram matching on samples from the project 020E170/F financed by the Federal Ministry of Food, Agriculture and Consumer Protection(BMELV).The samples are wheat and carrots from controlled field and farm trials, (3) to consider the strongest effect of texture parameter with the visual evaluation criteria that have been developed by a group of researcher (University of Kassel, Germany; Louis Bolk Institute (LBI), Netherlands and Biodynamic Research Association Denmark (BRAD), Denmark) in order to clarify how the relation of the texture parameter and visual characteristics on an image is. The refined statistical model was accomplished by using a lme model with repeated measurements via crossed effects, programmed in R (version 2.1.0). The validity of the F and P values is checked against the SAS program. While getting from the ANOVA the same F values, the P values are bigger in R because of the more conservative approach. The refined model is calculating more significant P values. The optimization of the image analysis is dealing with the following parameters: ROI(Region of Interest which is the area around the geometrical center), color transformation (calculation of the 1 dimensional gray level value out of the three dimensional color information of the scanned picture, which is necessary for the texture analysis), histogram matching (normalization of the histogram of the picture to enhance the contrast and to minimize the errors from lighting conditions). The samples were wheat from DOC trial with 4 field replicates for the years 2003 and 2005, “market samples”(organic and conventional neighbors with the same variety) for 2004 and 2005, carrot where the samples were obtained from the University of Kassel (2 varieties, 2 nitrogen treatments) for the years 2004, 2005, 2006 and “market samples” of carrot for the years 2004 and 2005. The criterion for the optimization was repeatability of the differentiation of the samples over the different harvest(years). For different samples different ROIs were found, which reflect the different pictures. The best color transformation that shows efficiently differentiation is relied on gray scale, i.e., equal color transformation. The second dimension of the color transformation only appeared in some years for the effect of color wavelength(hue) for carrot treated with different nitrate fertilizer levels. The best histogram matching is the Gaussian distribution. The approach was to find a connection between the variables from textural image analysis with the different visual criteria. The relation between the texture parameters and visual evaluation criteria was limited to the carrot samples, especially, as it could be well differentiated by the texture analysis. It was possible to connect groups of variables of the texture analysis with groups of criteria from the visual evaluation. These selected variables were able to differentiate the samples but not able to classify the samples according to the treatment. Contrarily, in case of visual criteria which describe the picture as a whole there is a classification in 80% of the sample cases possible. Herewith, it clearly can find the limits of the single variable approach of the image analysis (texture analysis).

Ökologische Mutterkuhhaltung in Deutschland

Die Untersuchung bestand darin, Kenndaten zur ökologischen Mutterkuhhaltung in Deutschland zu erfassen. In einem Forschungsprojekt im Rahmen des Bundesprogramms ökologischer Landbau (Förderung durch die BLE, Bonn; vgl. HÖRNING et al. 2004) wurden Fragebögen von 388 Bio-Betrieben mit Mutterkuhhaltung ausgewertet und darüber hinaus 27 Betriebe aufgesucht zur Erhebung genauerer Daten.

Tiergerechtheit auf ökologischen Milchviehbetrieben

Ziel des vorliegenden Forschungsvorhabens war, nähere Daten über die Tiergerechtheit in der Ökologischen Milchviehhaltung zu gewinnen. Die hier vorgestellten Ergebnisse sind Teil eines Forschungsvorhabens mit dem Titel „Ökologische Milch- und Rindfleischproduktion“, welches im Rahmen des Bundesprogramms Ökologischer Landbau durchgeführt wurde, gefördert durch die Bundesanstalt für Landwirtschaft und Ernährung (BLE), Bonn (HÖRNING et al. 2004). Dabei wurde ein zweistufiges Verfahren gewählt.

Molekulare Studien zur Evolution der Myrmekophytie in der Gattung Macaranga (Euphorbiaceae)

Im Rahmen der vorliegenden Arbeit wurde eine detaillierte phylogenetische Analyse der Ameisenpflanzen aus der Gattung Macaranga (Euphorbiaceae) und ihres verwandtschaftlichen Umfelds mit Hilfe von AFLP-Fingerprinting („amplified fragment length polymorphisms“) sowie vergleichender Analyse von mehreren nichtkodierenden Chloroplasten-DNA-Loci vorgenommen. Anhand dieser Untersuchungen sollten im Wesentlichen die folgenden Fragen geklärt werden: (1) Wie stellen sich die Verwandtschaftsverhältnisse zwischen den myrmekophytischen Macaranga-Sektionen Pachystemon, Winklerianae und Pruinosae dar? (2) Wie sind die einzelnen Arten dieser Sektionen miteinander verwandt? (3) Wie oft ist die Lebensweise ”Myrmekophytie” unabhängig voneinander entstanden? Gibt es Hinweise auf Reversionen? (4) Wo liegt genealogisch und auch geographisch der Ursprung der Symbiose zwischen den myrmekophytischen Macaranga-Arten und ihren Partnerameisen? (5) Welche Bedeutung spielen koevolutive Entwicklungen für das Macaranga-Crematogaster-Symbiosesystem? Ist Myrmekophytie im Sinne einer Schlüsselinnovation (Givnish, 1997) als Stimulus für eine adaptive Radiation zu betrachten? (1) Für die AFLP-Analyse wurden 108 Proben aus 43 Macaranga-Arten und 5 unbeschriebenen Morphospezies in die phylogenetische Untersuchung einbezogen. Auf der Basis von 426 Merkmalen wurden Phänogramme sowie Kladogramme rekonstruiert. Zur statistischen Absicherung wurden Bootstrap-Analysen durchgeführt und im Falle der Kladogramme darüber hinaus der „consistency“-Index bestimmt. Die AFLP-Datensätze wurden zusätzlich einer Hauptkomponentenanalyse unterzogen. Mit Hilfe der verschiedenen Untersuchungsmethoden konnten weitgehend übereinstimmende Gruppierungen bzw. evolutive Linien identifiziert werden. Die Sektionen Pachystemon und Pruinosae bilden eine jeweils gut gestützte monophyletische Gruppe. Beide sind vermutlich Schwestergruppen und damit gleich alt. Für die Monophylie der nur aus zwei Arten bestehenden Sektion Winklerianae ergab sich keine Unterstützung. Die Arten der Sektion Pruinosae sind im AFLP-Baum gut aufgelöst. Die nicht myrmekophytische M. gigantea sitzt dabei an der Basis und ist Schwestergruppe zu den myrmekophytischen Arten. Innerhalb der Sektion Pachystemon wurden mit Hilfe der AFLP-Analyse vier gut gestützte Gruppen identifiziert. Für die puncticulata-Gruppe konnte hier erstmals auf molekularer Ebene eine Zugehörigkeit zur Sekt. Pachystemon nachgewiesen werden. Der von Davies (2001) vorgenommene Ausschluss von M. recurvata aus der Sekt. Pachystemon konnte bestätigt werden. Die Verwandtschaftsbeziehungen einzelner Arten zueinander sind in den AFLP-Bäumen nicht aufgelöst. (2) Für die vergleichende Chloroplasten-Sequenzierung wurden nach Maßgabe der Sequenzvariabilität in Testsequenzierungen die Bereiche atpB-rbcL und psbI-trnS für die phylogenetische Untersuchung ausgewählt. Für die Chloroplasten-Phylogenie wurden für jeden Locus mehr als 100 Sequenzen analysiert. Neben 29 Pachystemon-Arten inkl. vier unbekannter Morphospezies, acht Pruinosae-Arten inkl. eines möglichen Hybriden und den beiden Arten der Sekt. Winklerianae wurden 22 weitere Macaranga- und 10 Mallotus-Arten in die Untersuchung einbezogen. Zwischen den südostasiatischen Arten bestanden nur geringe Sequenzunterschiede. Maximum-Parsimonie-Kladogramme wurden rekonstruiert und die Sequenzen der beiden Loci wurden sowohl einzeln, als auch kombiniert ausgewertet. Indels wurden kodiert und als separate Merkmalsmatrix an die Sequenzdaten angehangen. Innerhalb von Macaranga konnten nur wenige abgesicherte Gruppen identifiziert werden. Deutlich war die Zusammengehörigkeit der afrikanischen Arten und ihr Entstehung aus den südostasiatischen Arten. Die von Davies (2001) der Sektion Pruinosae zugeordnete M. siamensis steht deutlich außerhalb dieser Sektion. Die Arten der Sektionen Pruinosae, Pachystemon und Winklerianae bilden keine statistisch gesicherten monophyletischen Gruppen. Während der Pilotstudien stellte sich heraus, dass die Chloroplastensequenzen nahe verwandter Arten der Sektion Pachystemon weniger nach den Artgrenzen, sondern vielmehr nach geographischen Kriterien gruppierten. (3) Es wurde daher zusätzlich eine phylogeographische Analyse der Chloroplasten-Sequenzen auf der Basis eines Parsimonie-Netzwerks durchgeführt. Neben dem atpB-rbcL-Spacer und einer Teilsequenze des psbI-trnS-Locus (ccmp2) wurde dafür zusätzlich der ccmp6-Locus (ein Abschnitt des ycf3-Introns) sequenziert. Die phylogeographische Untersuchung wurde mit 144 Proben aus 41 Macaranga-Arten durchgeführt. Darin enthalten waren 29 Arten (inkl. vier Morphospezies) mit 112 Proben der Sektion Pachystemon, sieben 7 Arten (inkl. eines potentiellen Hybriden) mit 22 Proben der Sekt. Pruinosae und zwei Arten mit 5 Proben der Sekt. Winklerianae. Das voll aufgelöste statistische Parsimonie-Netzwerk umfasste 88 Haplotypen. Die Sektionen Pachystemon und Pruinosae bilden jeweils eine monophyletische Gruppe. Das geographische Arrangement der Haplotypen unabhängig von der Artzugehörigkeit könnte durch Introgression und/oder „lineage sorting“ bedingt sein. Mit Hilfe der im Rahmen dieser Arbeit gewonnenen Ergebnisse kann man davon ausgehen, dass eine enge Ameisen-Pflanzen-Symbiose innerhalb der Gattung Macaranga mindestens drei-, möglicherweise viermal unabhängig voneinander entstanden ist Eine Reversion hat mindestens einmal, möglicherweise häufiger in der bancana-Gruppe stattgefunden. Ob sich die Symbiose dabei in Westmalaysia oder in Borneo entwickelt hat, kann man nicht sicher sagen; Ob und inwieweit die große Artenzahl in der bancana-Gruppe als eine Folge der Myrmekophytie anzusehen ist, bleibt zunächst offen. Wesentliche Teile der vorliegenden Arbeit liegen bereits in publizierter Form vor (AFLP-Analyse: Bänfer et al. 2004; Chloroplasten-Analyse: Vogel et al. 2003; Bänfer et al. 2006).

Digital image analysis as a tool to estimate legume contributions in legume-grass swards

Summary: Productivity and forage quality of legume-grass swards are important factors for successful arable farming in both organic and conventional farming systems. For these objectives the botanical composition of the swards is of particular importance, especially, the content of legumes due to their ability to fix airborne nitrogen. As it can vary considerably within a field, a non-destructive detection method while doing other tasks would facilitate a more targeted sward management and could predict the nitrogen supply of the soil for the subsequent crop. This study was undertaken to explore the potential of digital image analysis (DIA) for a non destructive prediction of legume dry matter (DM) contribution of legume-grass mixtures. For this purpose an experiment was conducted in a greenhouse, comprising a sample size of 64 experimental swards such as pure swards of red clover (Trifolium pratense L.), white clover (Trifolium repens L.) and lucerne (Medicago sativa L.) as well as binary mixtures of each legume with perennial ryegrass (Lolium perenne L.). Growth stages ranged from tillering to heading and the proportion of legumes from 0 to 80 %. Based on digital sward images three steps were considered in order to estimate the legume contribution (% of DM): i) The development of a digital image analysis (DIA) procedure in order to estimate legume coverage (% of area). ii) The description of the relationship between legume coverage (% area) and legume contribution (% of DM) derived from digital analysis of legume coverage related to the green area in a digital image. iii) The estimation of the legume DM contribution with the findings of i) and ii). i) In order to evaluate the most suitable approach for the estimation of legume coverage by means of DIA different tools were tested. Morphological operators such as erode and dilate support the differentiation of objects of different shape by shrinking and dilating objects (Soille, 1999). When applied to digital images of legume-grass mixtures thin grass leaves were removed whereas rounder clover leaves were left. After this process legume leaves were identified by threshold segmentation. The segmentation of greyscale images turned out to be not applicable since the segmentation between legumes and bare soil failed. The advanced procedure comprising morphological operators and HSL colour information could determine bare soil areas in young and open swards very accurately. Also legume specific HSL thresholds allowed for precise estimations of legume coverage across a wide range from 11.8 - 72.4 %. Based on this legume specific DIA procedure estimated legume coverage showed good correlations with the measured values across the whole range of sward ages (R2 0.96, SE 4.7 %). A wide range of form parameters (i.e. size, breadth, rectangularity, and circularity of areas) was tested across all sward types, but none did improve prediction accuracy of legume coverage significantly. ii) Using measured reference data of legume coverage and contribution, in a first approach a common relationship based on all three legumes and sward ages of 35, 49 and 63 days was found with R2 0.90. This relationship was improved by a legume-specific approach of only 49- and 63-d old swards (R2 0.94, 0.96 and 0.97 for red clover, white clover, and lucerne, respectively) since differing structural attributes of the legume species influence the relationship between these two parameters. In a second approach biomass was included in the model in order to allow for different structures of swards of different ages. Hence, a model was developed, providing a close look on the relationship between legume coverage in binary legume-ryegrass communities and the legume contribution: At the same level of legume coverage, legume contribution decreased with increased total biomass. This phenomenon may be caused by more non-leguminous biomass covered by legume leaves at high levels of total biomass. Additionally, values of legume contribution and coverage were transformed to the logit-scale in order to avoid problems with heteroscedasticity and negative predictions. The resulting relationships between the measured legume contribution and the calculated legume contribution indicated a high model accuracy for all legume species (R2 0.93, 0.97, 0.98 with SE 4.81, 3.22, 3.07 % of DM for red clover, white clover, and lucerne swards, respectively). The validation of the model by using digital images collected over field grown swards with biomass ranges considering the scope of the model shows, that the model is able to predict legume contribution for most common legume-grass swards (Frame, 1992; Ledgard and Steele, 1992; Loges, 1998). iii) An advanced procedure for the determination of legume DM contribution by DIA is suggested, which comprises the inclusion of morphological operators and HSL colour information in the analysis of images and which applies an advanced function to predict legume DM contribution from legume coverage by considering total sward biomass. Low residuals between measured and calculated values of legume dry matter contribution were found for the separate legume species (R2 0.90, 0.94, 0.93 with SE 5.89, 4.31, 5.52 % of DM for red clover, white clover, and lucerne swards, respectively). The introduced DIA procedure provides a rapid and precise estimation of legume DM contribution for different legume species across a wide range of sward ages. Further research is needed in order to adapt the procedure to field scale, dealing with differing light effects and potentially higher swards. The integration of total biomass into the model for determining legume contribution does not necessarily reduce its applicability in practice as a combined estimation of total biomass and legume coverage by field spectroscopy (Biewer et al. 2009) and DIA, respectively, may allow for an accurate prediction of the legume contribution in legume-grass mixtures.

HelF und sein Interaktionspartner Xrn1: zwei Regulatoren der RNA-Interferenz in D. discoideum

Hauptziel dieser Arbeit ist die Identifizierung, Verifizierung und Charakterisierung von Interaktionspartnern von HelF, einem Negativregulator der RNA-Interferenz in Dictyostelium discoideum (Popova et al. 2006). Es ist gelungen, die Interaktion von HelF und der 5‘ 3‘ Exonuklease Xrn1 nachzu-weisen, aber alle anderen Versuchen, bisher unbekannte Protein-Interaktionspartner zu identifizieren, schlugen fehl. Xrn1 ist in den Organismen D. melanogaster (Orban und Izaurralde 2005), C. elegans (Newbury und Woollard 2004) und A. thaliana (Gazzani et al. 2004) bereits als Regulator der RNA-Interferenz bekannt. Mit Aufreinigungen nach der TAP-Methode und mit dem Nanotrap wurde ebenfalls versucht, RNA-Interaktionspartner von HelF zu identifizieren. Es konnten in einigen Aufreinigungen putative, für HelF spezifische RNAs identifiziert werden, doch entweder es handelte sich nachweislich nicht um RNA oder die Reproduktion der Daten schlug trotz mehrfacher Versuche fehl. Bezüglich der zellulären Lokalisation von HelF und Xrn1 konnte gezeigt werden, dass HelF zusätzlich zur bekannten Lokalisation in Foci im Nukleus (Popova et al. 2006) vermutlich auch im Cytoplasma und dort angeordnet in mehreren Granula zu finden ist. Xrn1 ist nahezu ausschließlich im Cytoplasma lokalisiert, wo es in mehreren Foci organisiert ist. Es wird vermutet, dass es sich bei diesen Foci um Processing-Bodies (P-Bodies) handelt und dass möglicherweise Xrn1 und HelF in eben diesen P-Bodies co-lokalisieren. In der Entwicklung vom Einzeller zum mehrzelligen Organismus zeigen die Xrn1KO- und die HelFKO-Mutante jeweils einen eindeutigen Phänotyp, der vom Wildtyp abweicht. Die Phänotypen der beiden Mutanten unterscheiden sich deutlich voneinander. Beim Mischen von HelF-Knockout-Zellen mit grün fluoreszierenden Wildtyp-Zellen zeigt sich, dass beide Stämme innerhalb des sich entwickelnden Organismus an definierten Stellen lokalisieren. Entgegen den Erwartungen befinden sich die Zellen der Mutante in den Stadien „Finger“ und „Slug“ nicht hauptsächlich im vorderen Teil des Organismus, sondern sind auch im hinteren Teil, der später die Sporenmasse bildet, vertreten. Dies lässt vermuten, dass HelF-Knockout-Mutanten in gleichem Maße wie Wildtypzellen als Sporen in die nächste Generation übergehen. Weitere Mix-Experimente, in denen HelFKO-Zellen und Xrn1KO-Zellen mit grün fluoreszierenden Wildtypzellen gemischt wurden, belegen eindeutig, dass beide Knockoutmutanten in Konkurrenz zum Wildtyp bei der Generierung von Sporen und somit beim Übergang in die nächste Generation benachteiligt sind. Dies steht im Gegensatz zu den Ergebnissen der vorher beschriebenen Mix-Experimente, in denen der Organismus als Ganzes betrachtet wurde. Weiterhin konnte herausgefunden werden, dass Xrn1 ebenso wie HelF (Popova et al. 2006) eine Rolle als Negativregulator in der RNA-Interferenz innehat. Fraglich ist aber, ob HelF wie bisher angenommen auch Einfluss auf den Weg der Generierung von miRNAs nimmt, da in HelFKO für keinen der beiden miRNA-Kandidaten eine Hoch- bzw. Runterregulierung der reifen miRNAs im Vergleich zum Wildtyp beobachtet werden kann. Im Xrn1KO hingegen ist die reife miRNA ddi-mir-1176 im Vergleich zum Wildtyp hochreguliert. In Bezug auf die Generierung von siRNAs konnte herausgefunden werden, dass Xrn1 und HelF im Fall der Generierung von Skipper siRNAs regulierend eingreifen, dass aber nicht alle siRNAs von der negativen Regulierung durch HelF und Xrn1betroffen sind, was am Beispiel der DIRS-1-siRNAs belegt werden kann. Das von B. Popova entwickelte Modell (Popova 2005) bezüglich der Rolle von HelF in der RNA-Interferenz wurde basierend auf den neu gewonnenen Daten weiterentwickelt und um Xrn1 ergänzt, um die Funktionen von HelF und Xrn1 als Antagonisten der RNA-Interferenz näher zu beleuchten. Literatur: Gazzani, S., T. Lawrenson, et al. (2004). "A link between mRNA turnover and RNA interference in Arabidopsis." Science 306(5698): 1046-8. Newbury, S. and A. Woollard (2004). "The 5'-3' exoribonuclease xrn-1 is essential for ventral epithelial enclosure during C. elegans embryogenesis." Rna 10(1): 59-65. Orban, T. I. and E. Izaurralde (2005). "Decay of mRNAs targeted by RISC requires XRN1, the Ski complex, and the exosome." Rna 11(4): 459-69. Popova, B. (2005). HelF, a suppressor of RNAi mediated gene silencing in Dictyostelium discoideum. Genetik. Kassel, Universität Kassel. PhD: 200. Popova, B., M. Kuhlmann, et al. (2006). "HelF, a putative RNA helicase acts as a nuclear suppressor of RNAi but not antisense mediated gene silencing." Nucleic Acids Res 34(3): 773-84.