近日，植物表型領域國際知名學術期刊Plant Phenomics 在線接收了南京農業大學前沿交叉研究院周濟課題組題為“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采用無人機和人工進行表型統計分析

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氮響應相關候選基因的高效挖掘。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可能（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）,指出了該研究所提出的6個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））存在著較為明顯的差異。例如，N0水平下，HYHN（class1）型品種比LYLN（class3）型品種的發育更平穩，N270水平下，HYHN型品種的冠層覆蓋度、ASM和NDYI變幅較LYLN型慢，意味著小麥生育期的延長（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三類，進一步分析了氮響應關鍵性狀的重要性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RF、SVM及XGBoost等一系列機器學習模型，發現RF在預測品種氮素響應類型時精度能達到86.4%。而將6個氮響應性狀的復合權重納入RF模型進行訓練，對其超參數進行微調后，構建的新模型“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，動態表型數據可挖掘更多的氮響應遺傳位點

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采集的靜態表型數據也能關聯到較多的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)的靜態和動態表型及顯著關聯的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為論文的第一作者，南京農業大學周濟教授為論文的通訊作者，南京農業大學農學院姜東教授等人對該研究提供了指導和幫助。
 

實驗室簡介

南京農業大學農學院小麥生理生態與生產管理團隊以長江中下游麥區小麥高產、優質高效生產為目標，以技術創新、產品創制及推廣服務為主要途徑，致力于小麥多維度、多尺度表型高通量獲取與分析平臺研發應用、品質生理生態與品質調優、非生物逆境脅迫記憶與抗逆豐產、小麥資源高效利用機制與安全清潔生產、營養功能食品開發和利用等領域的研究。
 

團隊現有固定人員10名，其中教授5名，副教授2名，鐘山青年研究員2名，實驗師2名。獲“CJ學者”講座教授榮譽1人，“杰青”1人，“萬人計劃”科技創新領軍人才1人，省“333工程”高層次人才2人。依托農業部作物生理生態與生產管理重點實驗室，建設有農業部小麥區域技術創新中心，建成了設施一流的科研基地和配備精良、功能齊全的實驗室和科研實驗基地。
 

近年來，團隊承擔了國家自然科學基金重點項目、面上項目、國家重點研發計劃、農業部公益性行業科技專項以及部省科研課題等20余項。累計發表論文360余篇，其中SCI論文180余篇。授權國家發明專利20余項、實用新型和軟著50余件；發布《小麥微課》等視頻、出版《圖說小麥》等專著和教材多部。團隊成員以主要完成人先后獲國家科技進步二等獎2項、省部科技進步一等獎2項、省科技進步二等獎2項、農業部全國農牧漁業豐收獎一等獎1項、江蘇省農業技術推廣一等獎1項，制定地方標準3項，2項技術入選農業農村部糧油生產主推技術。
 

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JCR2022影響因子為6.5，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。

審核：孔敏、王平