新育種平臺EIS系統的基本原理、設計、部署和使用方法及發展計劃
Plant Phenomics | 南京農業大學梨創新團隊在作物育種信息化研究中取得新進展
作物育種對作物生產的發展具有重要意義，它不僅可以增加作物產量，強化作物抗性，提升有益物質含量，還可以提高生產效率。然而，大多數的作物育種仍是基于育種者的經驗性評價，采用傳統的手工測量、經驗評價和書面記錄等方法。這些方法造成DUS測試數據主觀性大、難以控制穩定性和一致性、數據可追溯性低和統計分析任務量大、效率低等問題。基于智能手機和無線通信技術的快速發展與普及，專用作物育種軟件的研究和應用已成為種質資源研究和育種信息化的主要方向。開發專業的育種設備和育種信息管理軟件，促進育種過程的信息化和智能化，可以有效地提高育種效率，減少育種者對定性育種經驗的依賴，加快種質資源的創新和利用。
2023年4月，Plant Phenomics 在線發表了南京農業大學梨創新團隊題為BreedingEIS: an efficient evaluation information system for crop breeding 的文章，該研究基于當前流行的計算機、智能手機和近場通信（NFC）技術，開發了一個安全、高效的新育種平臺（BreedingEIS，“云上后稷”），詳細介紹了該育種系統的基本原理、設計、部署和使用方法，并指出了該育種系統的未來發展計劃。
圖1 BreedingEIS系統登陸頁
該系統支持跨操作系統，且功能擴展便捷，應用服務與數據庫服務采用云服務器部署，有中英文兩種系統語言，默認設置為英文，由web 客戶端和移動客戶端組成。完整的系統架構如圖2所示，操作過程分為三個步驟：① web 端基礎數據的錄入及身份碼制作，② 移動端田間評價數據的收集，③ web 端匯總分析評價數據等。
圖2 BreedingEIS系統架構描述(A)和操作流程圖(B)
web 端通過網站www.nnyshj.com 登錄進入。主要功能模塊包括首頁展示、育種管理、性狀及描述符維護和意見反饋。通過完善各功能模塊中的子功能提高系統使用效率：為新用戶構建引導方式上傳基礎數據，簡化初步工作；圖形顯示模式生成群體單株身份碼，直觀易于理解；引入NFC 電子芯片，提高操作效率及安全性；創新加入收藏功能，便捷標記優秀單株；預置多個物種性狀及描述符等。
圖3 BreedingEIS系統web端主要頁面展示
移動端可以從web頁面（Android）或移動端應用商店（iOS）搜索下載并安裝：BreedingEIS-M。移動端主要開展田間評價信息的收集和保存，采集照片、音視頻以及查看歷史評價信息等功能。結合NFC電子標簽，能夠大幅提高田間工作效率；加入歷史記錄查看功能，實時便捷的回溯歷史數據；分步驟、分區域設計功能，操作簡便實用；完善的app視覺效果提升用戶體驗等。
圖4 BreedingEIS系統移動端主要頁面展示
系統通過設置三級管理機制，實現各級賬戶具有不同的權限，以確保數據的安全性，加強知識產權保護。用戶需通過申請管理員賬戶以使用該系統。同時，該系統也支持用戶部置在自有服務器上，以確保數據隱私。web客戶端和Github上提供有詳細的系統部署協議（安裝手冊）和系統應用說明（操作說明），以方便用戶能夠輕松地使用該系統。
該研究依托南京農業大學園藝學院/梨工程技術研究中心完成，齊開杰高級實驗師為論文的第一作者，鐘山青年研究員吳瀟博士為共同第一作者，張紹鈴教授和陶書田教授為共同通訊作者。參與研究的還有南京農業大學谷超教授、謝智華高級實驗師。該研究得到了中央高校基本業務費專項基金、江蘇省自然科學基金、國家自然科學基金等資助。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0029
軟件獲取及代碼下載：
https://github.com/qikaijie/BreedingEIS-M
——推薦閱讀——
https://doi.org/10.34133/plantphenomics.0007
Plant Phenomics | 基于無人機多光譜圖像和SRGAN的大白菜單株表型測定研究
https://doi.org/10.34133/2022/9813841
Plant Phenomics | 光譜預處理與深度轉移學習相結合的葉片葉綠素含量評估
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。中科院農藝學、植物科學一區、遙感二區、生物大類一區（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。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：齊開杰
排版：張婕（南京農業大學）
審核：孔敏、王平
