基于低成本無人機的小麥氮素響應表型動態解析及其遺傳位點挖掘
Plant Phenomics | 南京農業大學前沿交叉研究院周濟團隊基于低成本無人機的小麥氮素響應表型動態解析及其遺傳位點挖掘
作為主要糧食作物之一，小麥的高產及可持續生產對保障全球糧食安全至關重要。在農業生產中，確保氮肥供給充足是維持小麥產量的重要措施，但氮素利用效率低會引起包括氮肥過量施用、植株生長冗余及溫室氣體排放加劇等諸多負面問題，篩選氮高效小麥品種，充分優化植株氮素利用效率對農業生產乃至人類健康都具有重要意義。然而，氮素響應相關性狀易受外界環境及農藝措施的影響，現階段仍缺乏有效手段進行施氮后植株表型的標準化、連續動態的高通量測定。
2023年12月， Plant Phenomics 在線發表了南京農業大學前沿交叉研究院周濟實驗室題為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平臺采集了54個小麥品種冠層尺度的RGB圖像，數據覆蓋3個氮肥梯度，486個小區，10個關鍵生育時期（圖1）。
圖1 采用無人機和AirMeasurer平臺進行氮響應性狀的表型分析
通過其課題組研發的無人機表型自動分析軟件“AirMeasurer”提取了與植株形態、光譜及紋理特征等6個氮響應相關性狀，結合曲線擬合、主成分分析、機器學習及全基因組關聯分析等手段，實現了施氮后小麥對氮素動態響應的高通量表型監測，品種氮響應類型的精準建模預測以及通過動態表型對氮響應相關基因位點的高效挖掘。研究的主要結果如下：
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個與產量和氮素利用相關的指標進行主成分分析并構建氮素利用效率綜合指數（NECS）用于小麥品種的氮響應評價。依據品種的NECS和產量，研究將54個品種分為高產氮高效、低產氮高效、低產氮低效及高產氮低效四類品種，且發現大部分所試品種屬于高產氮高效型及低產氮低效型品種（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變化
基于無人機表型分型的準確性易受到田間復雜環境條件的影響，研究將采集的10個時間點的靜態表型數據通過高斯、傅里葉等函數進行曲線擬合，可以更好的描述6個氮響應表型性狀在小麥整個生長季和關鍵氮響應階段的變化情況，為深入比較不同施肥水平下（N0、N180、N270）不同小麥品種（54個）的生長發育情況及其對氮素的響應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現（圖3a），與未施肥的處理相比（N0），施用拔節肥后（N180、N270）小麥的冠層高度快速增加。
圖3 經曲線擬合后的6個氮響應指標的動態變化
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
研究截取了關鍵氮響應階段（即施肥1-25天內）的擬合曲線，以5天的時間間隔對曲線進行區間劃分并計算每個區間的復合生長速率（CGRs）,指出了6個目標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（高產氮高效（HYHN）/低產氮低效型（LYLN））存在著的差異。例如，N0水平下，HYHN（class 1）型品種比LYLN（class 3）型品種的生長發育更平穩，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生育的延長（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變化
4、基于氮響應表型構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，發現通過PCA可以很好的將54個品種根據氮處理劃分成四類，并以此進一步分析了氮響應關鍵性狀的在施肥后的動態變化，并將各性狀的權重進行組合，得到6個性狀的復合權重。隨后作者比較了隨機森林（RF）、SVM及XGBoost等一系列經典機器學習模型，發現RF在預測品種氮素響應類型時精度能達到86.4%，但是將6個氮響應性狀的復合權重納入RF模型對其超參數進行調整后，訓練后的新模型“RF-NRES”，對高產氮高效及低產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建
5、與靜態表型相比，動態表型數據可更高效挖掘小麥氮響應遺傳位點
研究比較了使用靜態表型和動態表型數據來挖掘氮響應遺傳位點的潛力，發現與使用靜態表型數據相比，使用動態表型數據能挖掘到更多的顯著SNP位點，在氮響應變化較大的時間點獲取的動態表型數據能關聯到較多的SNP位點（圖6），表明植物對環境（氮素）響應的時空表型變化可以提高關聯研究中挖掘候選位點和基因的效率。分析關聯的SNP位點發現，這些位點涉及SVP、SAR、NRT1、AP2L5、CAO及CA1Pase等與調節花序發育和休眠、植物脅迫抗性、調節小穗和小花發育、葉綠素合成、CO2固定及光合作用相關的基因，尤其是使用ASM的動態表型關聯到了與氮素吸收和轉運相關的NRT1.1A基因（圖7），表明該研究提出的基于動態表型數據進行全基因組關聯分析的方法具有重要的生物學意義。
圖6 氮響應期間6個氮響應相關性狀(顏色不同)的靜態（上部分）和動態（下部分）表型及顯著關聯的SNP位點（Sankey圖）
注：曲線越寬表示SNP的數量越多
圖7 氮響應指標的全基因組關聯分析
綜上，本研究針對小麥氮素響應相關性狀的量化問題，提出了一個基于低成本無人機高效測定氮響應相關性狀時序動態變化的新方案。該方案有望應用于包括植株氮素狀態監測、氮響應優異品種的高效篩選及氮響應遺傳機制的解析等相關研究，對氮肥的高效利用和小麥的綠色高效生產具有重要的意義。
南京農業大學前沿交叉研究院已畢業博士生丁國輝、在讀博士生沈利言和戴杰為論文的共同第一作者，南京農業大學前沿交叉研究院周濟教授和南京農業大學作物遺傳與種質創新國家重點實驗室的王秀娥教授為論文的共同通訊作者，南京農業大學農學院姜東教授、英國國立農業植物研究所Robert Jackson和Greg Deakin副研究員等人對該研究提供了指導和幫助。
周濟實驗室（中國）介紹
周濟，教授、植物表型組學專家、英國皇家生物學會會士（FRSB）。英國劍橋作物研究中心數字科學系系主任（英國農業植物研究所與劍橋大學共建）、農業AI實驗室主任，南京農業大學特聘教授。2011年畢業于英國東安格利亞大學，獲計算機科學博士學位。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。實驗室為全球植物研究界做出了眾多貢獻，包括已發表的開源解決方案，例如SeedGerm、CropQuant-3D、AirMeasurer、AirSurf、CropSight以及CropQuant-Air等。與多個世界頂尖科研團隊和主要育種公司有著密切合作，領導開展了包括評估作物產量表現、遺傳增益、性狀穩定性及挖掘相應分子標記等方向的產學研用工作，主持和參與的各類中英科研項目累計兩百余萬英鎊。擔任英國國家表型聯盟核心委員及Plant Phenomics、Horticulture Research、Crop Journal等領軍期刊的副主編和Plant Biotechnology Journal的客座編輯等。已在Nature、Nature Plants、Plant Cell、New Phytologist和Plant Physiology等期刊上發表論文30余篇，部分國際和英國發明專利已通過商業授權由先正達、拜爾作物科學等世界跨國種業公司進行轉化。于2022年獲拜耳作物科學全球獎、2023年獲英國皇家科學院國際交流獎，是植物研究領域極具影響力的華人學者之一。谷歌學術檔案：https://scholar.google.com/citations?user=zHp-6W4AAAAJ&hl=en。
周濟實驗室（中國）以重要農作物小麥和水稻為主要研究對象，通過自主開發高通量表型分析、計算機視覺和機器學習核心算法及多尺度田間表型智能采集技術等，實現對農作物個體或群體的高通量表型分析，通過結合表型組和遺傳育種研究為我國作物研究服務。其實驗室（中國）現有師生共15人，主持和參與各類國家和省部級科研項目，主要研究內容包括：田間農作物表型組學研究、計算機視覺算法、機器學習和田間遙感等關鍵技術研發、稻麥表型高通量監測與鑒定、重要基因與QTL定位、作物遺傳改良與新品種選育等。實驗室與約翰英納斯研究所（JIC）、中國科學院植物生理生態研究所、浙江大學、華中農業大學、上海市農業生物基因中心等相關科研團隊有深度合作。此外，實驗室還依托中英植物表型組學聯合研究中心和國家留學基金委員會開展了中英師資交流、學生培養、項目共研等各方面的合作交流。
周濟實驗室長期招聘博后（待遇從優），聯系電話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——
https://doi.org/10.34133/plantphenomics.0078
Plant Phenomics | 南京農業大學揭示基因型、環境和管理對小麥器官特異性臨界氮稀釋曲線的影響
https://doi.org/10.34133/plantphenomics.0087
Plant Phenomics | SPSI：抽穗前估測冬小麥穗數的新型復合指數
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，群內不定期開展作者分享會、專刊發布會等高質量活動。
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）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。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性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，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、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.961，位于農藝學、植物科學、遙感一區。2023年中科院期刊分區位于農林科學大類一區。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。
中文內容僅供參考，一切內容以英文原版為準。
排版：蘇梓鈺（南京農業大學）
審核：孔敏、王平
