近日，植物表型領域國際知名學術(shù)期刊Plant Phenomics 在線接收了南京農(nóng)業(yè)大學前沿交叉研究院周濟課題組題為“The dissection of Nitrogen response traits using drone phenotyping and dynamic phenotypic analysis to explore N responsiveness and associated genetic loci in wheat”的研究論文。該研究利用低成本無人機平臺采集了54個小麥品種冠層尺度的RGB圖像，數(shù)據(jù)覆蓋3個氮肥梯度，486個小區(qū)，10個關(guān)鍵生育時期（圖1）。
 

圖1采用無人機和人工進行表型統(tǒng)計分析

通過其課題組研發(fā)的無人機表型自動分析軟件“AirMeasurer” 提取了與植株形態(tài)、光譜及紋理特征等6個氮響應相關(guān)性狀，結(jié)合曲線擬合、主成分分析、機器學習及全基因組關(guān)聯(lián)分析等手段，實現(xiàn)了施氮后小麥對氮素動態(tài)響應的高通量表型監(jiān)測，品種氮響應類型的精準建模預測以及氮響應相關(guān)候選基因的高效挖掘。研究的主要結(jié)果如下：
 

1、篩選出四類對氮響應不同的小麥品種

研究基于實測的12個與產(chǎn)量和氮素利用相關(guān)的指標進行主成分分析并構(gòu)建氮素利用效率綜合指數(shù)（NECS）用于小麥品種的氮響應評價。依據(jù)品種的NECS和產(chǎn)量，研究將54個品種分為高產(chǎn)氮高效、低產(chǎn)氮高效、低產(chǎn)氮低效及高產(chǎn)氮低效四類品種，且發(fā)現(xiàn)大部分品種屬于高產(chǎn)氮高效型及低產(chǎn)氮低效型品種（圖2）。
 

圖2 氮響應品種的劃分

2、用曲線擬合的方法更好的表征小麥氮響應表型的動態(tài)變化

基于無人機表型分型的準確性易受到田間復雜環(huán)境條件的影響，研究將采集的10個時間點的表型數(shù)據(jù)通過高斯、傅里葉等函數(shù)進行曲線擬合，可以更好的描述6個氮響應表型性狀在小麥整個生長季的變化情況，為深入比較不同施肥水平下（N0、N180、N270）不同小麥品種（54個）的生長發(fā)育情況及其對氮素的響應差異提供了可能（圖3）。例如，通過分析冠層高度的高斯擬合曲線發(fā)現(xiàn)（圖3a），與未施肥的處理相比（N0），施用拔節(jié)肥后（N180、N270）小麥的冠層高度快速增加。
 

圖3 經(jīng)曲線擬合后的6個氮響應指標的動態(tài)變化

3、分析并量化了6個氮響應性狀在氮響應過程中的表型變化

研究截取了施肥1-25天內(nèi)的擬合曲線，以5天的時間間隔對曲線進行區(qū)間劃分并計算每個區(qū)間的復合生長速率（CGRs）,指出了該研究所提出的6個氮素響應指標在不同氮素處理下和不同氮響應類型的品種間（高產(chǎn)氮高效（HYHN）/低產(chǎn)氮低效型（LYLN））存在著較為明顯的差異。例如，N0水平下，HYHN（class1）型品種比LYLN（class3）型品種的發(fā)育更平穩(wěn)，N270水平下，HYHN型品種的冠層覆蓋度、ASM和NDYI變幅較LYLN型慢，意味著小麥生育期的延長（圖4）。
 

圖4 氮響應指標的復合生長速率在對氮素響應的動態(tài)變化

4、基于氮響應表型構(gòu)建了不同品種小麥的氮響應類型分類模型

研究基于6個氮響應性狀進行了PCA分析，發(fā)現(xiàn)通過PCA可以很好的將54個品種根據(jù)氮處理劃分成三類，進一步分析了氮響應關(guān)鍵性狀的重要性在施肥后的動態(tài)變化，并將各性狀的權(quán)重進行組合，得到6個性狀的復合權(quán)重。隨后作者比較了RF、SVM及XGBoost等一系列機器學習模型，發(fā)現(xiàn)RF在預測品種氮素響應類型時精度能達到86.4%。而將6個氮響應性狀的復合權(quán)重納入RF模型進行訓練，對其超參數(shù)進行微調(diào)后，構(gòu)建的新模型“RF-NRES”，對高產(chǎn)氮高效及低產(chǎn)氮低效型品種的識別預測精度分別達到了93%和90.1%（圖5）。
 

圖5小麥氮響應類型高精準判定模型的構(gòu)建

5、與靜態(tài)表型相比，動態(tài)表型數(shù)據(jù)可挖掘更多的氮響應遺傳位點

研究比較了使用靜態(tài)表型和動態(tài)表型數(shù)據(jù)來挖掘氮響應遺傳位點的潛力，發(fā)現(xiàn)與使用靜態(tài)表型數(shù)據(jù)相比，使用動態(tài)表型數(shù)據(jù)能挖掘到更多的顯著SNP位點，在氮響應變化較大的時間點采集的靜態(tài)表型數(shù)據(jù)也能關(guān)聯(lián)到較多的SNP位點（圖6），表明植物對環(huán)境（氮素）響應的時空表型變化可以提高關(guān)聯(lián)研究中挖掘候選位點和基因的效率。分析關(guān)聯(lián)的SNP位點發(fā)現(xiàn)，這些位點涉及SVP、SAR、NRT1、AP2L5、CAO及CA1Pase等與調(diào)節(jié)花序發(fā)育和休眠、植物脅迫抗性、調(diào)節(jié)小穗和小花發(fā)育、葉綠素合成、CO2固定及光合作用相關(guān)的基因，尤其是使用ASM的動態(tài)表型關(guān)聯(lián)到了與氮素吸收和轉(zhuǎn)運相關(guān)的NRT1.1A基因（圖7），表明該研究提出的基于動態(tài)表型數(shù)據(jù)進行全基因組關(guān)聯(lián)分析的方法具有重要的生物學意義。
 

圖6 氮響應期間6個氮響應相關(guān)性狀(顏色不同)的靜態(tài)和動態(tài)表型及顯著關(guān)聯(lián)的SNP位點（Sankey圖）

注：曲線越寬表示SNP的數(shù)量越多
 

圖7 氮響應指標的全基因組關(guān)聯(lián)分析

 

綜上，本研究針對小麥氮素響應相關(guān)性狀的量化問題，提出了一個基于低成本無人機高效測定氮響應相關(guān)性狀時序動態(tài)變化的新方案。該方案有望應用于包括植株氮素狀態(tài)監(jiān)測、氮響應優(yōu)異品種的高效篩選及氮響應遺傳機制的解析等相關(guān)研究，對氮肥的高效利用和小麥的綠色高效生產(chǎn)具有重要的意義。
 

南京農(nóng)業(yè)大學前沿交叉研究院已畢業(yè)博士生丁國輝為論文的第一作者，南京農(nóng)業(yè)大學周濟教授為論文的通訊作者，南京農(nóng)業(yè)大學農(nóng)學院姜東教授等人對該研究提供了指導和幫助。
 

實驗室簡介

南京農(nóng)業(yè)大學農(nóng)學院小麥生理生態(tài)與生產(chǎn)管理團隊以長江中下游麥區(qū)小麥高產(chǎn)、優(yōu)質(zhì)高效生產(chǎn)為目標，以技術(shù)創(chuàng)新、產(chǎn)品創(chuàng)制及推廣服務為主要途徑，致力于小麥多維度、多尺度表型高通量獲取與分析平臺研發(fā)應用、品質(zhì)生理生態(tài)與品質(zhì)調(diào)優(yōu)、非生物逆境脅迫記憶與抗逆豐產(chǎn)、小麥資源高效利用機制與安全清潔生產(chǎn)、營養(yǎng)功能食品開發(fā)和利用等領域的研究。
 

團隊現(xiàn)有固定人員10名，其中教授5名，副教授2名，鐘山青年研究員2名，實驗師2名。獲“CJ學者”講座教授榮譽1人，“杰青”1人，“萬人計劃”科技創(chuàng)新領軍人才1人，省“333工程”高層次人才2人。依托農(nóng)業(yè)部作物生理生態(tài)與生產(chǎn)管理重點實驗室，建設有農(nóng)業(yè)部小麥區(qū)域技術(shù)創(chuàng)新中心，建成了設施一流的科研基地和配備精良、功能齊全的實驗室和科研實驗基地。
 

近年來，團隊承擔了國家自然科學基金重點項目、面上項目、國家重點研發(fā)計劃、農(nóng)業(yè)部公益性行業(yè)科技專項以及部省科研課題等20余項。累計發(fā)表論文360余篇，其中SCI論文180余篇。授權(quán)國家發(fā)明專利20余項、實用新型和軟著50余件；發(fā)布《小麥微課》等視頻、出版《圖說小麥》等專著和教材多部。團隊成員以主要完成人先后獲國家科技進步二等獎2項、省部科技進步一等獎2項、省科技進步二等獎2項、農(nóng)業(yè)部全國農(nóng)牧漁業(yè)豐收獎一等獎1項、江蘇省農(nóng)業(yè)技術(shù)推廣一等獎1項，制定地方標準3項，2項技術(shù)入選農(nóng)業(yè)農(nóng)村部糧油生產(chǎn)主推技術(shù)。
 

加入作者交流群

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

添加小編微信，備注姓名+單位+PP，加入作者交流群

 

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農(nóng)業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學新應用，與植物表型相結(jié)合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關(guān)的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2022影響因子為6.5，位于農(nóng)藝學、植物科學、遙感一區(qū)。中科院農(nóng)藝學、植物科學一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準。

審核：孔敏、王平