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 | 南京农业大学前沿交叉研究院周济团队基于低成本无人机的小麦氮素响应表型动态解析及其遗传位点挖掘
发表时间：2023-12-28 08:12:17点击：590
作为主要粮食作物之一，小麦的高产及可持续生产对保障全球粮食安全至关重要。在农业生产中，确保氮肥供给充足是维持小麦产量的重要措施，但氮素利用效率低会引起包括氮肥过量施用、植株生长冗余及温室气体排放加剧等诸多负面问题，筛选氮高效小麦品种，充分优化植株氮素利用效率对农业生产乃至人类健康都具有重要意义。然而，氮素响应相关性状易受外界环境及农艺措施的影响，现阶段仍缺乏有效手段进行施氮后植株表型的标准化、连续动态的高通量测定。 近日，植物表型领域国际知名学术期刊Plant Phenomics 在线接收了南京农业大学前沿交叉研究院周济课题组题为“The dissection of Nitrogen response traits using drone phenotyping and dynamic phenotypic analysis to explore N responsiveness and associated genetic loci in wheat”的研究论文。该研究利用低成本无人机平台采集了54个小麦品种冠层尺度的RGB图像，数据覆盖3个氮肥梯度，486个小区，10个关键生育时期（图1）。 图1采用无人机和人工进行表型统计分析
通过其课题组研发的无人机表型自动分析软件“AirMeasurer” 提取了与植株形态、光谱及纹理特征等6个氮响应相关性状，结合曲线拟合、主成分分析、机器学习及全基因组关联分析等手段，实现了施氮后小麦对氮素动态响应的高通量表型监测，品种氮响应类型的精准建模预测以及氮响应相关候选基因的高效挖掘。研究的主要结果如下：
1、筛选出四类对氮响应不同的小麦品种
研究基于实测的12个与产量和氮素利用相关的指标进行主成分分析并构建氮素利用效率综合指数（NECS）用于小麦品种的氮响应评价。依据品种的NECS和产量，研究将54个品种分为高产氮高效、低产氮高效、低产氮低效及高产氮低效四类品种，且发现大部分品种属于高产氮高效型及低产氮低效型品种（图2）。
图2 氮响应品种的划分
2、用曲线拟合的方法更好的表征小麦氮响应表型的动态变化
基于无人机表型分型的准确性易受到田间复杂环境条件的影响，研究将采集的10个时间点的表型数据通过高斯、傅里叶等函数进行曲线拟合，可以更好的描述6个氮响应表型性状在小麦整个生长季的变化情况，为深入比较不同施肥水平下（N0、N180、N270）不同小麦品种（54个）的生长发育情况及其对氮素的响应差异提供了可能（图3）。例如，通过分析冠层高度的高斯拟合曲线发现（图3a），与未施肥的处理相比（N0），施用拔节肥后（N180、N270）小麦的冠层高度快速增加。
图3 经曲线拟合后的6个氮响应指标的动态变化
3、分析并量化了6个氮响应性状在氮响应过程中的表型变化
研究截取了施肥1-25天内的拟合曲线，以5天的时间间隔对曲线进行区间划分并计算每个区间的复合生长速率（CGRs）,指出了该研究所提出的6个氮素响应指标在不同氮素处理下和不同氮响应类型的品种间（高产氮高效（HYHN）/低产氮低效型（LYLN））存在着较为明显的差异。例如，N0水平下，HYHN（class1）型品种比LYLN（class3）型品种的发育更平稳，N270水平下，HYHN型品种的冠层覆盖度、ASM和NDYI变幅较LYLN型慢，意味着小麦生育期的延长（图4）。
图4 氮响应指标的复合生长速率在对氮素响应的动态变化
4、基于氮响应表型构建了不同品种小麦的氮响应类型分类模型
研究基于6个氮响应性状进行了PCA分析，发现通过PCA可以很好的将54个品种根据氮处理划分成三类，进一步分析了氮响应关键性状的重要性在施肥后的动态变化，并将各性状的权重进行组合，得到6个性状的复合权重。随后作者比较了RF、SVM及XGBoost等一系列机器学习模型，发现RF在预测品种氮素响应类型时精度能达到86.4%。而将6个氮响应性状的复合权重纳入RF模型进行训练，对其超参数进行微调后，构建的新模型“RF-NRES”，对高产氮高效及低产氮低效型品种的识别预测精度分别达到了93%和90.1%（图5）。
图5小麦氮响应类型高精准判定模型的构建
5、与静态表型相比，动态表型数据可挖掘更多的氮响应遗传位点
研究比较了使用静态表型和动态表型数据来挖掘氮响应遗传位点的潜力，发现与使用静态表型数据相比，使用动态表型数据能挖掘到更多的显著SNP位点，在氮响应变化较大的时间点采集的静态表型数据也能关联到较多的SNP位点（图6），表明植物对环境（氮素）响应的时空表型变化可以提高关联研究中挖掘候选位点和基因的效率。分析关联的SNP位点发现，这些位点涉及SVP、SAR、NRT1、AP2L5、CAO及CA1Pase等与调节花序发育和休眠、植物胁迫抗性、调节小穗和小花发育、叶绿素合成、CO2固定及光合作用相关的基因，尤其是使用ASM的动态表型关联到了与氮素吸收和转运相关的NRT1.1A基因（图7），表明该研究提出的基于动态表型数据进行全基因组关联分析的方法具有重要的生物学意义。
图6 氮响应期间6个氮响应相关性状(颜色不同)的静态和动态表型及显著关联的SNP位点（Sankey图）
注：曲线越宽表示SNP的数量越多
图7 氮响应指标的全基因组关联分析
综上，本研究针对小麦氮素响应相关性状的量化问题，提出了一个基于低成本无人机高效测定氮响应相关性状时序动态变化的新方案。该方案有望应用于包括植株氮素状态监测、氮响应优异品种的高效筛选及氮响应遗传机制的解析等相关研究，对氮肥的高效利用和小麦的绿色高效生产具有重要的意义。
南京农业大学前沿交叉研究院已毕业博士生丁国辉为论文的第一作者，南京农业大学周济教授为论文的通讯作者，南京农业大学农学院姜东教授等人对该研究提供了指导和帮助。
实验室简介
南京农业大学农学院小麦生理生态与生产管理团队以长江中下游麦区小麦高产、优质高效生产为目标，以技术创新、产品创制及推广服务为主要途径，致力于小麦多维度、多尺度表型高通量获取与分析平台研发应用、品质生理生态与品质调优、非生物逆境胁迫记忆与抗逆丰产、小麦资源高效利用机制与安全清洁生产、营养功能食品开发和利用等领域的研究。
团队现有固定人员10名，其中教授5名，副教授2名，钟山青年研究员2名，实验师2名。获“CJ学者”讲座教授荣誉1人，“杰青”1人，“万人计划”科技创新领军人才1人，省“333工程”高层次人才2人。依托农业部作物生理生态与生产管理重点实验室，建设有农业部小麦区域技术创新中心，建成了设施一流的科研基地和配备精良、功能齐全的实验室和科研实验基地。
近年来，团队承担了国家自然科学基金重点项目、面上项目、国家重点研发计划、农业部公益性行业科技专项以及部省科研课题等20余项。累计发表论文360余篇，其中SCI论文180余篇。授权国家发明专利20余项、实用新型和软著50余件；发布《小麦微课》等视频、出版《图说小麦》等专著和教材多部。团队成员以主要完成人先后获国家科技进步二等奖2项、省部科技进步一等奖2项、省科技进步二等奖2项、农业部全国农牧渔业丰收奖一等奖1项、江苏省农业技术推广一等奖1项，制定地方标准3项，2项技术入选农业农村部粮油生产主推技术。
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JCR2022影响因子为6.5，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。
审核：孔敏、王平
