2019年7月，Plant Phenomics刊發了由來自美國愛荷華州立大學（Iowa State University）的Kyle Parmley等人撰寫的題為Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean的研究論文，介紹了在大豆中利用表型組學輔助篩選技術開發高效植物育種表型預測因子的方法。愛荷華州立大學的Asheesh K. Singh教授為本文通訊作者。

表型輔助育種技術的發展速度已經滯后于基因組輔助育種技術，現在基因組輔助育種已成為培育主流品種的關鍵技術。然而，表型技術的進步使植物學家能夠獲得可以分析的高維數據集，從而優化育種計劃的運作效率。本研究在6個環境中收集了292份經不同遺傳改良的大豆種質的表型和籽粒產量數據。隨機森林（Random Forest）是一種機器學習（machine learning, ML）算法，用其映射表型性狀與籽粒產量之間的復雜關系，同時使用與育種挑戰相一致的兩種交叉驗證（cross-validation, CV）場景評估預測性能。為了開發能滿足育種目標的未來高通量表型部署的規范性傳感器包，將遺傳算法（GA）技術與特征重要度相結合以選擇表型性狀的子集，尤其是最優波段。結果闡明了融合機器學習（ML）和最優化技術識別一系列當季表型性狀的能力，這將使育種計劃減少對資源密集型的季末表型（如，收獲的籽粒產量）的依賴。本研究以大豆為例建立一個配置多性狀表型預測的模板，該模板易于修正且適用于任何作物品種和育種目標。

Cross-validation scenarios (CV1 and CV2) and preprocessing methods (Methods 1 and 2) used to assess phenomic prediction model performance. 

Spearman rank correlation and classification metrics (specificity=SPE, balanced accuracy=BAC, F score=FS) of random forest model test prediction using only optimized wavebands (blue line) and selected canopy traits (red line).

育種家和遺傳學家的目標是在育種過程中利用從未使用過的遺傳資源，而表型輔助育種技術有潛力在大多數主流項目中整合遺傳多樣性。表型組學輔助方法可以讓育種家操縱遺傳增益方程，特別是遺傳變異和選擇強度。為了改善不同種質的籽粒產量，第一步是使用高通量表型分析技術和包括機器學習在內的高級數據分析建立與籽粒產量相關的表型性狀之間的關聯。這些方法需要與預測當季籽粒產量結合使用，但更重要的是生產性能排序，這是植物育種計劃中性狀選擇的關鍵。

本研究鑒定了一組高產的大豆品種，對大豆育種家來說，這進一步證明了在種質資源收集過程中可獲得豐富的遺傳多樣性。這些結果與更廣泛的研究結果一致，這些研究表明，種質收集在現代育種工作中對生物和非生物抗性及生產性能的研究具有實用價值。籽粒產量遺傳變異的存在使這個擁有292份種質的小組與研究目標相關，因為它涵蓋了更廣泛的表型和背景。

How to Cite this Article

Kyle Parmley, Koushik Nagasubramanian, Soumik Sarkar, Baskar Ganapathysubramanian, and Asheesh K. Singh, “Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean,” Plant Phenomics, vol. 2019, Article ID 5809404, 15 pages, 2019. https://doi.org/10.34133/2019/5809404.

 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，是Science合作出版的第二本期刊。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。

翻譯：孫港 

編輯：孔敏 

審核：尹歡、陳文珠