植物表型组学研究平台建设及技术应用

在生物学和遗传育种领域,表型是指构成生物体的全部特征，包括外观、基本维度、形态和颜色,是基因型和环境因素互相作用的结果。表型采集分析是指以定性和定量的方式测量这些特征。表型组(phenome)则是指某一生物的全部性状特征，不仅局限于农艺性状，还包括植株所表现出来的生理状态及生化组分。

随着许多重要作物及植物全基因组测序的完成,科研人员对高通量、精准、无损伤获取植物表型信息的需求日益增加，功能完善的研究设施将成为推动表型组学发展的加速器。国际上已经在运行的大型表型设施有100多套，最具有代表性的包括澳大利亚国家植物表型设施“植物加速器”、英国国家植物表型中心、德国Julich表型研究中心及德国IPK温室自动传送表型平台等。相对来说，我国的表型组学设施建设起步较晚,可采集分析的表型信息还比较有限。在此背景下，中国科学院遗传与发育生物学研究所植物细胞与染色体工程国家重点实验室于2017年初建设了植物表型组学研究平台(Plant Phenomics Analysis Platform, PPAP)。目前，该平台已建设成为国内采集分析植物表型信息相对较全面的研究设施之一，集成可见光成像、红外成像、近红外成像、根系近红外成像、荧光成像、叶绿素荧光成像、高光谱成像及激光雷达成像8个数据采集单元。在此基础上，该平台同时建立了根系表型采集分析技术、穗部性状采集分析及抗逆性状采集分析技术体系等。植物表型组学研究平台是公共服务平台，致力于为国内外从事植物研究的科研人员提供各类表型采集分析服务，包括但不限于地上部表型分析、根系表型可视化及分析等。

表1 国内大型植物表型研究设施比较

平台建设单位	成像单元	承载通量	应用方向
中国科学院遗传与发育生物学研究所	可见光、近红外、荧光、根系近红外、红外、叶绿素荧光、激光雷达和高光谱	300盆	小麦、水稻、大豆和玉米等作物的表型分析和相关研究
中国农业科学院生物技术研究所	可见光和近红外	456盆	玉米和小麦等作物的表型分析和相关研究
垦丰种业	可见光、近红外、荧光和根系近红外	680盆	玉米和水稻等作物的表型分析和相关研究
上海乾菲诺农业科技有限公司（AgriPheno平台）	可见光和近红外	252盆	全开放平台，承接各种作物和植物表型分析
中国科学院上海植物逆境研究中心	可见光	20盆	大豆等植物的表型分析
广西农业科学院甘蔗研究所	可见光和近红外	15盆	甘蔗等热带植物的表型分析
华中农业大学/华中科技大学	可见光、高光谱和电子计算机X射线断层扫描(简称CT)	2000盆以上	水稻和玉米等作物的表型分析和相关研究

本文结合国内外植物表型组学研究平台建设与应用方面的进展，以PPAP为基础，从硬件基础建设、各类表型技术开发及服务等方面介绍表型组学研究设施的技术应用。

>> 平台设施建设 <<

PPAP位于中国科学院遗传与发育生物学研究所西区温室，建设面积为260 m2,由培养区和成像区组成（图1）。其中，培养区包括植物的传送区域、自动称重灌溉设备、环境监测传感器等，用于植物材料的自动化培养和环境信息记录；成像区主要有大型机械臂带动的高光谱和激光雷达成像和基于成像暗室的可见光成像、红外成像、近红外成像、根系近红外成像、荧光成像、叶绿素荧光成像单元。整个设施可供300盆样品进行自动传送测定表型信息，可收集多个光谱谱段的图像信息和光谱信息，同时收集样品的三维点阵信息。

图1 植物表型组学研究平台鸟瞰图

>> 技术应用与服务 <<

PPAP在硬件设施建设的基础上，积极构建各种作物的表型采集分析体系，为科研人员提供及时有效的技术支撑。目前该平台已经成功建立了根系可视化及表型分析技术、穗部性状表型分析技术以及抗逆性状表型分析技术等，已为多个研究机构提供各项表型分析服务。

• 根系表型分析技术与服务

PPAP建立了一种用于高通量植物根系可视化分析的培养及测量技术体系(图2)，能够通过根窗技术无损伤、可持续跟踪观测、原位采集土壤根系信息。利用该技术可以对作物根系进行无损伤、高通量和全自动根系表型分析，可测量分析参数如根冠结构(包括跟深和冠幅等)、根冠面积和根长等。

图2 小麦在低磷和高磷不同处理下根系参数的采集分析

A：种植体系；B：图像采集；C：图像处理；D：根系参数提取分析。HP为高磷处理，LP为低磷处理。

• 穗部性状表型分析技术与服务

PPAP利用可见光的颜色信息和红外成像的温度信息，拟合分析两类图像获得小麦、水稻的单株穗数。通过穗部的扫描图像可以获得穗部组成性状，包括穗型、穗长、每穗粒数、着粒紧密度和枝梗数目等(图3)。

图3 水稻穗部表型性状采集分析示意图

• 非生物胁迫表型鉴定分析技术与服务

PPAP通过采集植物在多个光谱下的光谱反射值，建立特定的图像分析算法流程，可以动态、定量分析植株在干旱、盐胁迫及缺氮条件下表现出的生物量变化、叶片黄化面积、枯萎面积、叶片含水量的动态变化、叶表温度的变化等。通过对这些表型指标的综合分析，建立模型对应到某个逆境胁迫过程植物的表型响应过程。目前，该平台已经开展了小麦和水稻(图4)等作物在干旱、盐胁迫、高温等胁迫过程中的动态表型分析服务。

图4 不同基因型水稻在营养胁迫条件下的生长发育表型检测分析

b2为一个水稻的基因型,Normal表示正常对照处理,Stress表示低氮处理。

表型组学是突破未来作物学研究和应用的关键研究领域，通过表型采集分析可以为育种、栽培和农业实践提供基于大数据的决策支持。植物表型组学研究平台是当今植物科学研究发展所需要的重要基础设施，对于推动植物表型组学的发展具有重大意义。通过与基因组及可控环境数据的关联分析，预期可以绘制各项生命活动过程中的调控网络，最终揭示生命本身的奥秘，揭示农作物的生长发育规律，切实服务于农业生产。

全文阅读

胡伟娟, 凌宏清, 傅向东. 植物表型组学研究平台建设及技术应用. 遗传, 2019, 41(11): 1060-1066.

扩展阅读：

•中科院遗传发育研究所-泽泉表型技术中心在京正式挂牌成立

•泽泉科技AgriPheno平台新推出花粉活力检测分析服务

•Agripheno™高通量基因分型检测平台及其应用案例

•基于表型的温室网纹甜瓜基质水状态预测方法

•大豆地上部和地下部的表型研究

•作物表型组学：现状与展望

更多信息，请长按关注这个公众号

猜你喜欢

10000+：菌群分析宝宝与猫狗梅毒狂想曲提DNA发Nature Cell专刊肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组宏基因组

专业技能：学术图表高分文章生信宝典不可或缺的人

一文读懂：宏基因组寄生虫益处进化树

必备技能：提问搜索 Endnote

文献阅读热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读分析流程统计绘图

16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun

在线工具：16S预测培养基生信绘图

科研经验：云笔记云协作公众号

编程模板: Shell R Perl

生物科普: 肠道细菌人体上的生命生命大跃进细胞暗战人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。