Plant Phenomics | 一種水稻全生育期表型圖像獲取和分析策略

水稻是我國(guó)第一大口糧作物，水稻安全生產(chǎn)直接關(guān)乎我國(guó)糧食安全和農(nóng)業(yè)的可持續(xù)發(fā)展。隨著人口的不斷增長(zhǎng)及生態(tài)環(huán)境壓力的持續(xù)加大，對(duì)水稻的增產(chǎn)優(yōu)質(zhì)基因改良及高產(chǎn)優(yōu)質(zhì)品種創(chuàng)制提出了更高的要求。水稻育種離不開(kāi)全面、準(zhǔn)確、高效的表型鑒定，植物表型的核心是獲取高質(zhì)量、可重復(fù)的性狀數(shù)據(jù)，進(jìn)而量化分析基因型和環(huán)境互作效應(yīng)及其對(duì)產(chǎn)量、品質(zhì)、抗逆等相關(guān)的主要性狀的影響。隨著水稻功能基因組學(xué)的發(fā)展，準(zhǔn)確快速獲取大規(guī)模群體表型數(shù)據(jù)對(duì)水稻的育種和改良具有重要意義。而傳統(tǒng)的表型數(shù)據(jù)獲取往往需要進(jìn)行大量的人工實(shí)驗(yàn)且費(fèi)時(shí)費(fèi)力，自動(dòng)化快速的表型提取方法可以突破傳統(tǒng)水稻表型技術(shù)瓶頸，加快育種速度。通過(guò)對(duì)水稻全生育期的多尺度、多維度、連續(xù)無(wú)損觀測(cè)，將水稻生長(zhǎng)發(fā)育過(guò)程進(jìn)行數(shù)字化，挖掘不同品種水稻發(fā)育的特征，對(duì)水稻育種改良有著重要意義。

2023年6月，Plant Phenomics 在線發(fā)表了中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所作物表型組學(xué)研究中心和華中農(nóng)業(yè)大學(xué)作物表型團(tuán)隊(duì)題為 A Strategy for the Acquisition and Analysis of Image-Based Phenome in Rice during the Whole Growth Period 的研究論文。

本研究建立了多品種水稻全生育期多維度、多尺度表型圖像的采集體系，利用深度學(xué)習(xí)等技術(shù)獲取了全生育期的表型組學(xué)大數(shù)據(jù)，通過(guò)對(duì)圖像性狀進(jìn)行加工及生物學(xué)注釋獲取了數(shù)字化表征水稻全生育期的58個(gè)圖像性狀(I-traits)。通過(guò)進(jìn)一步的分析水稻產(chǎn)量表型變異的84.8%可由這些I-traits解釋；水稻不同群體結(jié)構(gòu)和不同育種區(qū)域間表型性狀的差異表現(xiàn)出良好的環(huán)境適應(yīng)性，作物生長(zhǎng)發(fā)育模式在育種區(qū)域緯度上也表現(xiàn)出較高的親和性。通過(guò)與重測(cè)序數(shù)據(jù)的關(guān)聯(lián)分析，共檢測(cè)到285個(gè)與I-traits相關(guān)的數(shù)量性狀位點(diǎn)，并在時(shí)間和器官維度上對(duì)I-traits進(jìn)行主成分分析，結(jié)合全基因組關(guān)聯(lián)分析挖掘水稻動(dòng)態(tài)生長(zhǎng)發(fā)育相關(guān)候選基因。
 

圖1水稻全生育期表型采集分析流程示意圖

綜上所述，本文所開(kāi)發(fā)的基于圖像的水稻表型獲取和分析策略為整個(gè)生育期作物表型的提取和分析提供了一種新的方法和不同的思考方向，從而為未來(lái)水稻的遺傳改良提供有用的信息。

中科院遺傳發(fā)育所作物表型組研究中心高級(jí)工程師胡偉娟博士、華中農(nóng)業(yè)大學(xué)楊萬(wàn)能教授為該論文通訊作者，遺傳發(fā)育所陳凡組博士生湯芷歆與儲(chǔ)成才組博士后陳倬為該論文共同第一作者，遺傳發(fā)育所陳凡課題組和降雨強(qiáng)課題組共同參與了此項(xiàng)工作。該研究得到了中科院先導(dǎo)項(xiàng)目、國(guó)家自然科學(xué)基金、國(guó)家重點(diǎn)研發(fā)計(jì)劃、湖北省自然科學(xué)基金、湖北省科技重大專項(xiàng)等項(xiàng)目的資助。

論文鏈接：

https://spj.science.org/doi/10.34133/plantphenomics.0058‍

——推薦閱讀——

Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images

https://spj.science.org/doi/10.34133/plantphenomics.0020‍

Plant Phenomics | 基于高通量無(wú)人機(jī)RGB圖像的水稻植株計(jì)數(shù)、定位和大小估計(jì)方法

Dynamic UAV Phenotyping for Rice Disease Resistance Analysis Based on Multisource Data

https://doi.org/10.34133/plantphenomics.0019

Plant Phenomics | 基于多源數(shù)據(jù)的水稻抗病性動(dòng)態(tài)無(wú)人機(jī)表型分析

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、�？�發(fā)布會(huì)等高質(zhì)量活動(dòng)。

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄�？祁Ｎò睯CR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：楊萬(wàn)能
排版：趙倩瑩（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平