品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 两个大田高粱品种根系性状对磷肥响应的变异性和可塑性研究
发表时间:2023-01-06 16:31:37点击:702
由于根系在作物生产力中的物理和生理作用,人们对根系结构(Root System Architecture, RSA)和其响应非生物胁迫的可塑性的兴趣正在增长。高粱是全球必需的谷物、饲料、糖浆和能源作物,与其他粮食作物相比,高粱具有非生物胁迫耐受性,特别是对高温和干旱。高粱也更能适应较差的土壤肥力,而且对低磷水平的土壤耐受性更强。磷是一种常量营养素,植物会根据土壤中的磷浓度而改变它们的RSA。这些变化可以增加土壤磷或提高磷的获取和肥料利用量,了解RSA和高粱根系对不同土壤磷供应的可塑性,有助于改良更有效地利用土壤磷和需要更少肥料的基因型。关于高粱的RSA和表型可塑性与土壤磷供应有关的信息却很少。
2022年12月,Plant Phenomics 在线发表了University of Cape Coast等单位题为Root System Traits Contribute to Variability and Plasticity in Response to Phosphorus Fertilization in 2 Field-Grown Sorghum [Sorghum bicolor (L.) Moench] Cultivars 的研究论文。
本文研究了2种命名为Kazie和Kapiela的红高粱和白高粱基因型的RSA和表型可塑性,确定了土壤根系对磷梯度的响应性和可塑性。两种基因型均对外施磷均有响应,但两种基因型间的大多数根系性状均存在显著差异。在大多数RSA性状中,白高粱基因型的可塑性明显高于红色基因型,前者的总可塑性比前者高约为28.4%。白高粱对低磷环境的适应性较好,具有良好的可塑性。根系的凸面积、表面积、总根长、体积、根长直径范围等性状显示出了改善所研究基因型的选择潜力。广泛的根系生物量对于适应低土壤磷条件具有重要意义。然而,根长度似乎与磷供应成正比,显示出质量和长度之间的资源分配相当平衡。
图2 6倍磷条件下2个高粱基因型(白色和红色果皮基因型)根系结构性状的箱形图。(A)芽和根的生物量。(B)冠根和地上轮生的数量。(C)平均直径和投影面积直径--范围为1。(D)孔数和平均孔的尺寸。
图3 相关分析和多因素分析(MFA)的结果。(A)植物性状之间的相关性。颜色编码的尺度和椭圆的偏心度表明了这两个性状之间的相关性。比例在矩阵下面的条形图中表示。空白框表示非显著性关系,星号表示P < 0.05、P < 0.01或P < 0.001处的符号。(B)数量变量与按性状组划分的维度之间的相关性。(C)加载第一三维的变量组得分,包括2个显著性维度。(D)在第一三维的因子图上的变量组(变量组的cos2)的表示质量图,包括在MFA之后被认为是重要的2个维度。(E)单个定量变量的MFA结果。(F)个体定量变量的cos2。
本研究发现了高粱基因型的选择和磷利用效率可以基于RSA和根系性状对磷供应的可塑性。鉴于高粱根系性状之间可能存在平衡,确定这些平衡背后的基本限制条件将具有指导意义。
论文链接:
http://spj.science.org/doi/10.34133/plantphenomics.0002
——推荐阅读——
Assessing the Storage Root Development of Cassava with a New Analysis Tool
http://doi.org/10.34133/2022/9767820
Plant Phenomics | 评估木薯贮藏根系发育新的分析工具
Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline
http://doi.org/10.34133/2022/9758532
Plant Phenomics | 基于深度学习的微根管图像自动化分析方法
Plant Phenomics | 根系表型文章合集
加入作者交流群
扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信,备注姓名+单位+PP,加入作者交流群
About Plant Phenomics
《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.961,位于农艺学、植物科学,遥感一区。中科院农艺学、植物科学一区,遥感二区,生物大类一区(TOP期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明:本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考,一切内容以英文原版为准。
撰稿:吴庚宸(南京农业大学)
排版:王慧敏(南京农业大学)
审核:孔敏、王平