水稻是我國大口糧作物，水稻安全生產(chǎn)直接關(guān)乎我國糧食安全和農(nóng)業(yè)的可持續(xù)發(fā)展。隨著人口的不斷增長及生態(tài)環(huán)境壓力的持續(xù)加大，對水稻的增產(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。水稻育種離不開全面、準確、高效的表型鑒定，植物表型的核心是獲取高質(zhì)量、可重復的性狀數(shù)據(jù)，進而量化分析基因型和環(huán)境互作效應及其對產(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的發(fā)展，準確快速獲取大規(guī)模群體表型數(shù)據(jù)對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)獲取往往需要進行大量的人工實驗且費時費力，自動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。通過對水稻全生育期的多尺度、多維度、連續(xù)無損觀測，將水稻生長發(fā)育過程進行數(shù)字化，挖掘不同品種水稻發(fā)育的特征，對水稻育種改良有著重要意義。
2023年6月，遺傳與發(fā)育生物學研究所作物表型組學研究中心和華中農(nóng)業(yè)大學楊團隊在Plant Phenomics雜志上聯(lián)合發(fā)表了題為“A Strategy for the Acquisition and Analysis of Image-Based Phenome in Rice during the Whole Growth Period"的研究論文（DOI:10.34133/plantphenomics.0058）。該文章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，利用深度學習等技術(shù)獲取了全生育期的表型組學大數(shù)據(jù)，通過對圖像性狀進行加工及生物學注釋獲取了數(shù)字化表征水稻全生育期的58個圖像性狀(I-traits)。通過進一步的分析水稻產(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)境適應性，作物生長發(fā)育模式在育種區(qū)域緯度上也表現(xiàn)出較高的親和性。通過與重測序數(shù)據(jù)的關(guān)聯(lián)分析，共檢測到285個與I-traits相關(guān)的數(shù)量性狀位點，并在時間和器官維度上對I-traits進行主成分分析，結(jié)合全基因組關(guān)聯(lián)分析挖掘水稻動態(tài)生長發(fā)育相關(guān)候選基因。
圖：水稻全生育期表型采集分析流程示意圖
綜上所述，本文所開發(fā)的基于圖像的水稻表型獲取和分析策略為整個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，從而為未來水稻的遺傳改良提供有用的信息。遺傳發(fā)育所作物表型組研究中心高級工程師胡偉娟博士、華中農(nóng)業(yè)大學楊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成才組博士后陳倬為該論文共同作者，遺傳發(fā)育所陳凡研究組和降雨強研究組共同參與了此項工作。該研究得到了中科院先導項目、國家自然科學基金、國家重點研發(fā)計劃、湖北省自然科學基金、湖北省科技重大專項等項目的資助。
