I ricercatori di Cornell sviluppano un sistema che rileva oidio e peronospora giorni prima della comparsa dei sintomi

I ricercatori del Cornell AgriTech di Geneva, New York, affermano di aver sviluppato una piattaforma di imaging in grado di rilevare le malattie della vite diversi giorni prima che i sintomi compaiano sulle foglie, un passo che potrebbe aiutare breeder e responsabili di vigneto a reagire prima a due delle infezioni più dannose del settore.

Il sistema, chiamato HyperBird, utilizza l’imaging iperspettrale per individuare i primi segnali di oidio e peronospora, secondo Cornell University, che ha annunciato il lavoro lunedì. Queste malattie sono una delle principali cause di perdite produttive nei vigneti di tutto il mondo, e una diagnosi più precoce potrebbe dare ai viticoltori più tempo per adeguare i programmi fungicidi e altre decisioni di gestione prima che i danni diventino visibili.

La ricerca ha anche possibili implicazioni per il settore delle bevande, perché l’uva è la materia prima del vino e una diagnosi più rapida delle malattie potrebbe sostenere una gestione del vigneto più precisa. In prospettiva, lo stesso metodo di screening ad alta capacità potrebbe aiutare i programmi di miglioramento a procedere più rapidamente nello sviluppo di varietà di vite resistenti alle malattie, con possibili effetti sulla riduzione delle perdite e dell’uso di prodotti chimici nella produzione di vino, se l’approccio dovesse rivelarsi efficace su scala più ampia.

Cornell ha affermato che HyperBird è progettato per osservare tratti vegetali microscopici che le normali fotocamere non possono cogliere. Le fotocamere standard registrano tre bande di luce visibile, rosso, verde e blu. L’imaging iperspettrale registra centinaia di bande spettrali strette, comprese informazioni oltre la gamma visibile. Questo consente ai ricercatori di rilevare cambiamenti interni nel tessuto fogliare prima che i segni della malattia arrivino in superficie.

Il progetto riunisce patologia vegetale, ingegneria e miglioramento genetico della vite. Tra i ricercatori senior coinvolti figurano Katie Gold, professore associato di patologia della vite al Cornell AgriTech; Yu Jiang, professore associato e ingegnere dei sistemi nella School of Integrative Plant Science di Cornell; e Lance Cadle-Davidson, fitopatologo ricercatore presso l’Agricultural Research Service del Dipartimento dell’Agricoltura degli Stati Uniti e professore associato aggiunto a Cornell.

Cornell ha affermato che la piattaforma può elaborare centinaia di campioni di foglie in poche ore. Una velocità di questo tipo è importante nel miglioramento genetico e nello screening delle malattie, dove i laboratori devono spesso confrontare numeri molto elevati di campioni. Secondo l’università, la macchina funziona come un microscopio per fenotipizzazione ad alta capacità, il che significa che può misurare in poco tempo i tratti osservabili collegati alla resistenza alle malattie su molti campioni.

Uno degli ostacoli tecnici che il team dice di aver affrontato è stata la risoluzione spaziale a livello microscopico. Nell’imaging iperspettrale, il segnale di una malattia può andare perso se l’area interessata è troppo piccola e la luce riflessa si mescola con quella del tessuto sano vicino. Jiang ha detto nel comunicato di Cornell che la sfida è simile a cercare di isolare la firma di un piccolo oggetto in una stanza grande se l’immagine non ha abbastanza dettaglio. HyperBird è stato costruito per distinguere quelle minuscole aree malate dalle cellule sane circostanti.

Il lavoro si basa su un precedente prototipo di Cornell noto come Blackbird, presentato dal team nel 2021. Blackbird era un sistema robotico di imaging che registrava nelle lunghezze d’onda rosso, verde e blu e veniva usato per accelerare la valutazione di campioni di foglie di vite alla ricerca di evidenze di infezione. Cornell ha affermato che HyperBird estende quella piattaforma con una risoluzione spettrale per pixel circa 200 volte maggiore, mantenendo al contempo un dettaglio spaziale a livello di microscopio.

Uno studio pubblicato il 20 maggio sulla rivista Plant Disease, guidato dall’ex ricercatore post-dottorato di Cornell Saeed Hosseinzadeh, ha rappresentato una prima prova di principio. Cornell ha affermato che il sistema ha raccolto nove terabyte di immagini iperspettrali in un solo giorno e ha mostrato che la malattia poteva essere rilevata prima della comparsa dei sintomi visibili. Lo stesso studio ha anche rilevato che la tecnologia poteva identificare residui di fungicidi sulle foglie, distinguere tra i trattamenti usati contro la peronospora e valutare quanto bene funzionassero.

Quello studio ha anche suggerito che i dati di imaging potrebbero aiutare a identificare le linee di vite selezionate per la resistenza alle malattie. Cornell ha affermato che il sistema era in grado di rilevare sottili firme ottiche legate al background genetico di una pianta, comprese differenze nei pigmenti, nella struttura della cuticola cerosa, nel contenuto d’acqua e nell’anatomia interna della foglia. Per i breeder della vite, questo potrebbe offrire un modo più rapido per selezionare grandi popolazioni e individuare prima nel processo le piante più promettenti.

HyperBird è stato descritto formalmente in un articolo dell’8 settembre pubblicato sulla rivista Plant Phenomics. La prima autrice è stata Jinhong Yu, dottoranda nel laboratorio di Jiang. Cornell ha affermato che quell’articolo illustrava come il sistema robotico fornisca imaging iperspettrale ad alta capacità su scala microscopica e possa confrontare piccole aree malate con gli spettri medi del resto della foglia per seguire l’andamento di peronospora e oidio.

Gold ha detto nel comunicato di Cornell che il sistema oggi può raggiungere, entro il terzo giorno, il livello di accuratezza che i metodi precedenti ottenevano solo entro il sesto o il nono giorno. Se queste prestazioni si confermassero in un uso più ampio, significherebbe che i ricercatori possono procedere nelle valutazioni delle malattie da due a tre volte più velocemente di prima.

Un terzo studio, pubblicato il 29 giugno su Plant Disease, ha testato il sistema in condizioni di campo. Quel lavoro, guidato da Lorenzo Pippi, ex visiting scientist nel laboratorio di Gold proveniente dall’Università di Pisa, ha utilizzato dischi fogliari raccolti da vigneti per confrontare fungicidi convenzionali, biofungicidi e controlli non trattati contro la peronospora. Cornell ha affermato che il metodo di imaging ha rilevato i primi cambiamenti ottici collegati all’infezione, ha distinto i diversi spray in base ai residui lasciati sulle foglie e ha poi aiutato a valutare quali trattamenti funzionassero meglio.

Questo potrebbe essere utile nei vigneti commerciali perché la pressione della peronospora spesso varia da una parte all’altra di un appezzamento, rendendo difficile capire se un prodotto abbia funzionato oppure se i livelli d’infezione fossero semplicemente disomogenei. Uno strumento in grado di rilevare la malattia prima e di separare i segnali di infezione dai residui dei trattamenti potrebbe aiutare i viticoltori a prendere decisioni più mirate, anche se la tecnologia dovrebbe comunque essere implementata in pratica al di fuori degli ambienti di ricerca.

Per ora, uno dei passaggi più lenti resta la raccolta dei campioni. I tecnici devono ancora ritagliare dalle foglie dischetti grandi come una moneta da dieci centesimi e portarli alla macchina per l’analisi. Cornell ha detto che questa è la parte più dispendiosa in termini di tempo del processo e che gli studenti di robotica stanno lavorando per automatizzarla.

L’università ha detto di stare collaborando con Moblanc Robotics per produrre HyperBird. Cornell ha anche affermato che la piattaforma potrebbe essere adattata ad altre colture e malattie e che i ricercatori hanno avviato discussioni con un’azienda del settore caseario, suggerendo che l’approccio di imaging possa avere usi oltre la viticoltura.

Il progetto fa parte di VitisGen3, un programma di miglioramento genetico della vite finanziato tramite il National Institute of Food and Agriculture del Dipartimento dell’Agricoltura degli Stati Uniti. Cornell ha affermato che altri finanziamenti sono arrivati da fondi federali di capacity assegnati all’università, dal President’s Council of Cornell Women Research Fund, dalla New York Wine and Grape Foundation e dalla USDA Grape Genetics Research Unit.