Plant Phenomics | 南京農(nóng)業(yè)大學(xué)前沿交叉研究院周濟(jì)團(tuán)隊(duì)基于低成本無人機(jī)的小麥氮素響應(yīng)表型動(dòng)態(tài)解析及其遺傳位點(diǎn)挖掘

作為主要糧食作物之一，小麥的高產(chǎn)及可持續(xù)生產(chǎn)對(duì)保障全球糧食安全至關(guān)重要。在農(nóng)業(yè)生產(chǎn)中，確保氮肥供給充足是維持小麥產(chǎn)量的重要措施，但氮素利用效率低會(huì)引起包括氮肥過量施用、植株生長(zhǎng)冗余及溫室氣體排放加劇等諸多負(fù)面問題，篩選氮高效小麥品種，充分優(yōu)化植株氮素利用效率對(duì)農(nóng)業(yè)生產(chǎn)乃至人類健康都具有重要意義。然而，氮素響應(yīng)相關(guān)性狀易受外界環(huán)境及農(nóng)藝措施的影響，現(xiàn)階段仍缺乏有效手段進(jìn)行施氮后植株表型的標(biāo)準(zhǔn)化、連續(xù)動(dòng)態(tài)的高通量測(cè)定。
 

2023年12月， Plant Phenomics 在線發(fā)表了南京農(nóng)業(yè)大學(xué)前沿交叉研究院周濟(jì)實(shí)驗(yàn)室題為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(jī)平臺(tái)采集了54個(gè)小麥品種冠層尺度的RGB圖像，數(shù)據(jù)覆蓋3個(gè)氮肥梯度，486個(gè)小區(qū)，10個(gè)關(guān)鍵生育時(shí)期（圖1）。
 

圖1 采用無人機(jī)和AirMeasurer平臺(tái)進(jìn)行氮響應(yīng)性狀的表型分析

通過其課題組研發(fā)的無人機(jī)表型自動(dòng)分析軟件“AirMeasurer”提取了與植株形態(tài)、光譜及紋理特征等6個(gè)氮響應(yīng)相關(guān)性狀，結(jié)合曲線擬合、主成分分析、機(jī)器學(xué)習(xí)及全基因組關(guān)聯(lián)分析等手段，實(shí)現(xiàn)了施氮后小麥對(duì)氮素動(dòng)態(tài)響應(yīng)的高通量表型監(jiān)測(cè)，品種氮響應(yīng)類型的精準(zhǔn)建模預(yù)測(cè)以及通過動(dòng)態(tài)表型對(duì)氮響應(yīng)相關(guān)基因位點(diǎn)的高效挖掘。研究的主要結(jié)果如下：

1、篩選出四類對(duì)氮響應(yīng)不同的小麥品種

研究基于實(shí)測(cè)的12個(gè)與產(chǎn)量和氮素利用相關(guān)的指標(biāo)進(jìn)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(yīng)評(píng)價(jià)。依據(jù)品種的NECS和產(chǎn)量，研究將54個(gè)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)大部分所試品種屬于高產(chǎn)氮高效型及低產(chǎn)氮低效型品種（圖2）。
 

圖2 氮響應(yīng)品種的劃分

2、用曲線擬合的方法更好的表征小麥氮響應(yīng)表型的動(dòng)態(tài)變化

基于無人機(jī)表型分型的準(zhǔn)確性易受到田間復(fù)雜環(huán)境條件的影響，研究將采集的10個(gè)時(shí)間點(diǎn)的靜態(tài)表型數(shù)據(jù)通過高斯、傅里葉等函數(shù)進(jìn)行曲線擬合，可以更好的描述6個(gè)氮響應(yīng)表型性狀在小麥整個(gè)生長(zhǎng)季和關(guān)鍵氮響應(yīng)階段的變化情況，為深入比較不同施肥水平下（N0、N180、N270）不同小麥品種（54個(gè)）的生長(zhǎng)發(fā)育情況及其對(duì)氮素的響應(yīng)差異提供了量化分析的方法（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(gè)氮響應(yīng)指標(biāo)的動(dòng)態(tài)變化

3、分析并量化了6個(gè)氮響應(yīng)性狀在氮響應(yīng)過程中的表型變化

研究截取了關(guān)鍵氮響應(yīng)階段（即施肥1-25天內(nèi)）的擬合曲線，以5天的時(shí)間間隔對(duì)曲線進(jìn)行區(qū)間劃分并計(jì)算每個(gè)區(qū)間的復(fù)合生長(zhǎng)速率（CGRs）,指出了6個(gè)目標(biāo)氮素響應(yīng)指標(biāo)在不同氮素處理下和不同氮響應(yīng)類型的品種間（高產(chǎn)氮高效（HYHN）/低產(chǎn)氮低效型（LYLN））存在著的差異。例如，N0水平下，HYHN（class 1）型品種比LYLN（class 3）型品種的生長(zhǎng)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，意味著施氮后小麥生長(zhǎng)生育的延長(zhǎng)（圖4）。
 

圖4 氮響應(yīng)指標(biāo)的復(fù)合生長(zhǎng)速率在對(duì)氮素響應(yīng)的動(dòng)態(tài)變化

4、基于氮響應(yīng)表型構(gòu)建了不同品種小麥的氮響應(yīng)類型分類模型

研究基于6個(gè)氮響應(yīng)性狀進(jìn)行了PCA分析，發(fā)現(xiàn)通過PCA可以很好的將54個(gè)品種根據(jù)氮處理劃分成四類，并以此進(jìn)一步分析了氮響應(yīng)關(guān)鍵性狀的在施肥后的動(dòng)態(tài)變化，并將各性狀的權(quán)重進(jìn)行組合，得到6個(gè)性狀的復(fù)合權(quán)重。隨后作者比較了隨機(jī)森林（RF）、SVM及XGBoost等一系列經(jīng)典機(jī)器學(xué)習(xí)模型，發(fā)現(xiàn)RF在預(yù)測(cè)品種氮素響應(yīng)類型時(shí)精度能達(dá)到86.4%，但是將6個(gè)氮響應(yīng)性狀的復(fù)合權(quán)重納入RF模型對(duì)其超參數(shù)進(jìn)行調(diào)整后，訓(xùn)練后的新模型“RF-NRES”，對(duì)高產(chǎn)氮高效及低產(chǎn)氮低效型品種的識(shí)別預(yù)測(cè)精度分別達(dá)到了93%和90.1%（圖5）。
 

圖5 小麥氮響應(yīng)類型高精準(zhǔn)判定模型的構(gòu)建

5、與靜態(tài)表型相比，動(dòng)態(tài)表型數(shù)據(jù)可更高效挖掘小麥氮響應(yīng)遺傳位點(diǎn)

研究比較了使用靜態(tài)表型和動(dòng)態(tài)表型數(shù)據(jù)來挖掘氮響應(yīng)遺傳位點(diǎn)的潛力，發(fā)現(xiàn)與使用靜態(tài)表型數(shù)據(jù)相比，使用動(dòng)態(tài)表型數(shù)據(jù)能挖掘到更多的顯著SNP位點(diǎn)，在氮響應(yīng)變化較大的時(shí)間點(diǎn)獲取的動(dòng)態(tài)表型數(shù)據(jù)能關(guān)聯(lián)到較多的SNP位點(diǎn)（圖6），表明植物對(duì)環(huán)境（氮素）響應(yīng)的時(shí)空表型變化可以提高關(guān)聯(lián)研究中挖掘候選位點(diǎn)和基因的效率。分析關(guān)聯(lián)的SNP位點(diǎn)發(fā)現(xiàn)，這些位點(diǎn)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(dòng)態(tài)表型關(guān)聯(lián)到了與氮素吸收和轉(zhuǎn)運(yùn)相關(guān)的NRT1.1A基因（圖7），表明該研究提出的基于動(dòng)態(tài)表型數(shù)據(jù)進(jìn)行全基因組關(guān)聯(lián)分析的方法具有重要的生物學(xué)意義。
 

圖6 氮響應(yīng)期間6個(gè)氮響應(yīng)相關(guān)性狀(顏色不同)的靜態(tài)（上部分）和動(dòng)態(tài)（下部分）表型及顯著關(guān)聯(lián)的SNP位點(diǎn)（Sankey圖）

注：曲線越寬表示SNP的數(shù)量越多
 

圖7 氮響應(yīng)指標(biāo)的全基因組關(guān)聯(lián)分析

綜上，本研究針對(duì)小麥氮素響應(yīng)相關(guān)性狀的量化問題，提出了一個(gè)基于低成本無人機(jī)高效測(cè)定氮響應(yīng)相關(guān)性狀時(shí)序動(dòng)態(tài)變化的新方案。該方案有望應(yīng)用于包括植株氮素狀態(tài)監(jiān)測(cè)、氮響應(yīng)優(yōu)異品種的高效篩選及氮響應(yīng)遺傳機(jī)制的解析等相關(guān)研究，對(duì)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(xué)前沿交叉研究院已畢業(yè)博士生丁國(guó)輝、在讀博士生沈利言和戴杰為論文的共同第一作者，南京農(nóng)業(yè)大學(xué)前沿交叉研究院周濟(jì)教授和南京農(nóng)業(yè)大學(xué)作物遺傳與種質(zhì)創(chuàng)新國(guó)家重點(diǎn)實(shí)驗(yàn)室的王秀娥教授為論文的共同通訊作者，南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院姜東教授、英國(guó)國(guó)立農(nóng)業(yè)植物研究所Robert Jackson和Greg Deakin副研究員等人對(duì)該研究提供了指導(dǎo)和幫助。
 

周濟(jì)實(shí)驗(yàn)室（中國(guó)）介紹

周濟(jì)，教授、植物表型組學(xué)專家、英國(guó)皇家生物學(xué)會(huì)會(huì)士（FRSB）。英國(guó)劍橋作物研究中心數(shù)字科學(xué)系系主任（英國(guó)農(nóng)業(yè)植物研究所與劍橋大學(xué)共建）、農(nóng)業(yè)AI實(shí)驗(yàn)室主任，南京農(nóng)業(yè)大學(xué)特聘教授。2011年畢業(yè)于英國(guó)東安格利亞大學(xué)，獲計(jì)算機(jī)科學(xué)博士學(xué)位。主要從事稻麥和園藝植物表型組、智能性狀分析和遺傳育種等研究。實(shí)驗(yàn)室為全球植物研究界做出了眾多貢獻(xiàn)，包括已發(fā)表的開源解決方案，例如SeedGerm、CropQuant-3D、AirMeasurer、AirSurf、CropSight以及CropQuant-Air等。與多個(gè)世界頂尖科研團(tuán)隊(duì)和主要育種公司有著密切合作，領(lǐng)導(dǎo)開展了包括評(píng)估作物產(chǎn)量表現(xiàn)、遺傳增益、性狀穩(wěn)定性及挖掘相應(yīng)分子標(biāo)記等方向的產(chǎn)學(xué)研用工作，主持和參與的各類中英科研項(xiàng)目累計(jì)兩百余萬英鎊。擔(dān)任英國(guó)國(guó)家表型聯(lián)盟核心委員及Plant Phenomics、Horticulture Research、Crop Journal等領(lǐng)軍期刊的副主編和Plant Biotechnology Journal的客座編輯等。已在Nature、Nature Plants、Plant Cell、New Phytologist和Plant Physiology等期刊上發(fā)表論文30余篇，部分國(guó)際和英國(guó)發(fā)明專利已通過商業(yè)授權(quán)由先正達(dá)、拜爾作物科學(xué)等世界跨國(guó)種業(yè)公司進(jìn)行轉(zhuǎn)化。于2022年獲拜耳作物科學(xué)全球獎(jiǎng)、2023年獲英國(guó)皇家科學(xué)院國(guó)際交流獎(jiǎng)，是植物研究領(lǐng)域極具影響力的華人學(xué)者之一。谷歌學(xué)術(shù)檔案：https://scholar.google.com/citations?user=zHp-6W4AAAAJ&hl=en。
 

周濟(jì)實(shí)驗(yàn)室（中國(guó)）以重要農(nóng)作物小麥和水稻為主要研究對(duì)象，通過自主開發(fā)高通量表型分析、計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)核心算法及多尺度田間表型智能采集技術(shù)等，實(shí)現(xiàn)對(duì)農(nóng)作物個(gè)體或群體的高通量表型分析，通過結(jié)合表型組和遺傳育種研究為我國(guó)作物研究服務(wù)。其實(shí)驗(yàn)室（中國(guó)）現(xiàn)有師生共15人，主持和參與各類國(guó)家和省部級(jí)科研項(xiàng)目，主要研究?jī)?nèi)容包括：田間農(nóng)作物表型組學(xué)研究、計(jì)算機(jī)視覺算法、機(jī)器學(xué)習(xí)和田間遙感等關(guān)鍵技術(shù)研發(fā)、稻麥表型高通量監(jiān)測(cè)與鑒定、重要基因與QTL定位、作物遺傳改良與新品種選育等。實(shí)驗(yàn)室與約翰英納斯研究所（JIC）、中國(guó)科學(xué)院植物生理生態(tài)研究所、浙江大學(xué)、華中農(nóng)業(yè)大學(xué)、上海市農(nóng)業(yè)生物基因中心等相關(guān)科研團(tuán)隊(duì)有深度合作。此外，實(shí)驗(yàn)室還依托中英植物表型組學(xué)聯(lián)合研究中心和國(guó)家留學(xué)基金委員會(huì)開展了中英師資交流、學(xué)生培養(yǎng)、項(xiàng)目共研等各方面的合作交流。
 

周濟(jì)實(shí)驗(yàn)室長(zhǎng)期招聘博后（待遇從優(yōu)），聯(lián)系電話025-84396434，電子郵件ji.zhou@njau.edu.cn或yangrong0410@163.com。

論文鏈接：

‍https://doi.org/10.34133/ plantphenomics.0128

——推薦閱讀——

Interaction of Genotype, Environment, and Management on Organ-Specific Critical Nitrogen Dilution Curve in Wheat

https://doi.org/10.34133/plantphenomics.0078

Plant Phenomics | 南京農(nóng)業(yè)大學(xué)揭示基因型、環(huán)境和管理對(duì)小麥器官特異性臨界氮稀釋曲線的影響

SPSI: A Novel Composite Index for Estimating Panicle Number in Winter Wheat before Heading from UAV Multispectral Imagery

‍https://doi.org/10.34133/plantphenomics.0087

Plant Phenomics | SPSI：抽穗前估測(cè)冬小麥穗數(shù)的新型復(fù)合指數(shù)

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)不定期開展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(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CR2021影響因子為6.961，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。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)。
排版：蘇梓鈺（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平