高通量表型使揭示小麦倒伏的遗传因素成为可能

高通量表型使揭示小麦倒伏的遗传因素成为可能

本文展示了无人机表型系统作为对倒伏复杂物候特征进行视觉评估的巨大潜力,植物表型资讯介绍如下:

为了促进对基因型-表型的理解,加速作物育种,科学家们正在尝试开发新的高通量表型分析方法。第一代HTP研究了图像和传感器的简单光谱反射特性,但在对推进作物发育和结构的理解方面存在局限。倒伏是一种复杂的性状,对包括小麦在内的许多作物的产量和品质都有显著影响。在育种和遗传学研究中,传统的倒伏视觉评估方法费时、通量较低、具有主观误差,且表型分类的准确性和种群大小都受到限制。

微信图片_20190419113501

图1.用于评估小麦作物倒伏的数字视觉表型分析方法的工作流程

本文展示了无人机表型系统作为对倒伏复杂物候特征进行视觉评估的巨大潜力。研究人员利用UAS的差分数字高程模型(DEM),在2年的时间内对2,640个小麦育种地块的倒伏量进行测试和验证。结果显示,数字倒伏测量值与视觉估计值和等效广义遗传力之间高度相关,由此表明该方法适用于大型育种苗圃中可重复性倒伏评估。

微信图片_20190419113504

图2.对倒伏前后的数字高程模型(DEM)进行处理,得到倒伏的差分DEM

研究人员利用高通量方法来评估小麦倒伏的潜在遗传结构,并利用全基因组关联分析在2A染色体上确定了一个关键的基因组区域,这跟倒伏的数字和视觉评估保持一致。然而,这些关联只占全部表型变异的一小部分。因此,研究人员研究了全基因组预测模型,发现了跨种群和环境的预测准确度较高。这充分解释了许多小效应位点的高度多基因遗传结构,与前面描述的小麦倒伏复杂遗传结构相一致。

微信图片_20190419113509

图3.曼哈顿全基因组关联图

本研究提供了一种基于UAS的物候组学概念验证方法,可广泛应用到育种和遗传研究领域,以揭示作物育种中的遗传因素并提高复杂性状的获得率。

微信图片_20190419113512

图4.2NS易位对倒伏的影响

来源:

Singh D, Wang X, Kumar U, et al.High-Throughput Phenotyping Enabled Genetic Dissection of Crop Lodging in Wheat. Front. Plant Sci., 03 April 2019 | https://doi.org/10.3389/fpls.2019.00394

微信图片_20190423133619

 

扩展阅读:

粽香情浓,植物表型资讯一周年目录汇总

植物表型资讯2018年1-12月目录汇总

植物表型资讯2019年1-3月目录汇总

 

微信图片_20190408151928