用改進二維高通量大豆根系表型平臺鑒定調節根系結構性狀的新遺傳變異
Plant Phenomics | 應用改進的二維高通量大豆根系表型平臺鑒定調節根系結構性狀的新遺傳變異
根系架構（Root System Architecture, RSA）是根系空間分布的重要參數，關聯許多重要的農藝性狀，包括植物土壤錨固、營養和水分吸收，和非生物和生物脅迫信號。因此根系架構是影響植物產量的重要因素，營養高效根系體系結構正成為生產具有提高養分和水分獲取效率的作物品種的重要育種目標。大豆是全球主要的種子和油料作物之一。雖然已經探索基因各種地上植物性狀影響大豆產量，只有少數的根生長研究，大多數集中在根特征應對非生物脅迫的研究。由于根系生長在不透明和復雜的土壤環境中，田間根系性狀的表型受到限制，該領域的主要根系表型技術包括通過手工或通過大型改良的收獲設備挖掘根系，從根系中清洗土壤，并對其進行成像。然而傳統方法容易對根系損傷，并且傳統方法耗時耗力，有很大的局限性。
2023年9月，Plant Phenomics 在線發表了來自加拿大薩斯喀徹溫大學全球糧食安全研究所和美國密蘇里大學植物科學與技術部等人題為Application of an Improved 2-Dimensional High-Throughput Soybean Root Phenotyping Platform to Identify Novel Genetic Variants Regulating Root Architecture Traits 的研究文章。
本文提出了了一種改進的二維高通量根系表型平臺的使用，通過成像浸在水中的袋生長的根系，從而最小化背景噪聲。本文還提出了一個背景圖像清理Python管道，它可以通過計算去除小塊碎片和濾紙纖維的圖像，這些碎片可能會被錯誤地量化為根尖。利用該平臺對286個具有540萬個單核苷酸多態性基因分型的大豆品系的根系性狀進行了表型分析。與未進行背景校正的根圖像相比，當背景去除非根物質時，人工計算量化的根尖數量的相關性由79%顯著提高至95%。本文所提出的根系架構表型管道的改進顯著減少了對受根尖數量影響的根性狀的過高估計，通過對根表型數據進行的全基因組關聯研究和候選基因的定量基因表達分析，最后結果鑒定出了3個假定的有關于根系深度、總根長和表面積、厚根根系體積和表面積的陽性調控因子（dof1樣鋅指轉錄因子、功能未知蛋白、乙炔鋅指蛋白）。還確定了一個假定的對側根總數的負調控因子（赤霉素20氧化酶3）。
圖1 圖像采集和分析工作流程。打開根生長袋，然后小心地從根系的塑料膜中移除。隨后，這些生長袋被放置在一個裝滿水的成像托盤中。然后，在根系的頂部放置一個透明的玻璃板。植物根成像和數據分析（PRIDA）——一種基于python的圖像采集和數據管理軟件——用于收集和存儲原始圖像，并將元數據項目到一個單一的層次數據格式（HDF5）文件中。將根圖像裁剪到感興趣的區域，并通過高通量圖像預處理管道從背景中分割RSA，提高了根圖像的精度和特征計算的效率。使用WinRhimo、GiaRoots和其他定制軟件腳本，分析清理后的圖像，以提取根的形態和建筑特征。
在本研究中，我們能夠捕獲根系結構和生長/形態性狀表型變異背后的大量遺傳多樣性。結果表明，除總凸面積外，根系結構性狀的大量GWAS峰一般與根系形態性狀無關。這加強了整合和定位更多的根系結構性狀的想法，這些性狀可能有助于在資源有限的環境中提高產量和非生物脅迫耐受性，包括干旱和較低水平的礦質營養物質。然而，根形態特征的重要性是最關重要的早期根系研究特征如增加根長度，表面積和體積，以及發展更長的根以增加根系的吸收能力從而降低碳成本。
圖2 大豆植株生長R1期盆栽混合物植株根系COPM的表型驗證。(A)6個大豆品系，3個根系值（TRV、TRL和COPM），在8 DAT時進行RSA成像。(B)對6個大豆基因型的COPM值（3個COPM較小，3個COPM較大）進行2D囊袋結果驗證。采用Tukey誠實多重比較顯著性差異檢驗，以確定基因型間COPM差異的統計學意義。不共享一個共同字母的大豆基因型在COPM性狀上彼此之間的差異有統計學意義（P < 0.05）。3組大豆基因型的根系大小和深度差異與袋生長的幼植株和混合生長的老植株密切相關。
作者及團隊介紹
本文的主要作者為Rahul Chandnani 博士和Leon V. Kochian博士，所屬單位為加拿大薩斯喀徹溫大學全球糧食安全研究所和美國密蘇里大學植物科學與技術部。本文的主要貢獻為：Rahul Chandnani 博士和Leon V. Kochian博士以及Henry T. Nguyen構思了整個項目以及對整個項目的設計。Rahul Chandnani 博士進行了表型分析，圖像預處理與分析以及統計學和生物信息學數據分析。Mutsutomo Tokizawa, Alma Armenta Medina, Javier Mora Macias協助進行了實驗室內的實驗。本研究項目基金：這項研究是由加拿大卓越研究主席資助，并聯合大豆委員會和密蘇里農業實驗站資助。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0097
——推薦閱讀——
Improved Field-Based Soybean Seed Counting and Localization with Feature Level Considered
https://doi.org/10.34133/ plantphenomics.0026
Plant Phenomics | 考慮特征水平的田間大豆種子計數和定位的改進
https://doi.org/10.34133/plantphenomics.0021
Plant Phenomics | 基于高光譜遙感的大豆和花菜豆生理干旱響應的表型研究
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�？祁Ｎò睯CR2021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。
撰稿：吳庚宸
排版：蘇梓鈺（南京農業大學）
審核：孔敏、王平
