大豆双氮固定和籽粒氮含量的光谱传感高通量筛选


发布时间:

2022-08-01

来源:

本站

作者:

PhenoTrait

  谷物豆类的共生双氮固定对作物生产性能、收获产品质量和作物轮作氮素平衡有重大影响,特别是在有机管理制度下。在大豆育种中,为了提高大豆籽粒蛋白质含量和氮素平衡,应选择固氮能力提高的品种。然而,缺乏直接测定N2固定率的高通量筛选方法阻碍了实际的育种工作。在不同环境和基因型类别的收获样品中测定了广泛的大豆种子蛋白质含量(290-490 g/kg)(图1),这表明了氮代谢的差异。种子蛋白质含量(TU 2019)与SPAD测定叶绿素含量相关(r = 0.799;n = 160)和光谱指数MA1_R (r =−0.872;n = 160)均在R5-R6阶段(2019年8月15日)测定,如图2。4个不同结瘤状态基因型(1不结瘤,2,3,4:结瘤)的叶绿素b含量PSSRb指数如图3,每个基因型共400个重复。

 

  因此,本研究利用高光谱冠层反射率测量作为一种基于田间表型的方法,对一组种子蛋白质含量范围较大的早熟大豆基因型进行了研究,以间接估计土壤氮素的固氮和吸收。

 

  在开花期和灌浆早期,通过重复测量收集了反射率光谱(图4、图5)。随后,通过计算各光谱反射率指数(SRIs)来表征各基因型氮素积累特征。此外,利用偏最小二乘回归(PLSR)模型的全光谱信息建立了作为季末目标性状的种子蛋白质含量预测模型(图6、图7)。根据灌浆初期记录的光谱反射率数据计算出若干与氮相关的SRIs与种子蛋白质含量显著相关。而PLSR模型对种子蛋白质含量的预测效果最好(在3种环境下的验证R2 = 0.805)。土壤矿质氮初始含量越低的环境对预测精度越有利,因为在这种环境下,土壤氮素的固定不会被土壤氮素吸收所掩盖。高光谱反射率数据是确定作物氮素积累遗传变异的一种有价值的方法,可用于植物育种中氮素固定的高通量筛选。

 

  图1 TU 2019、TU 2020和GE 2020三种环境中5个基因型类(亚群)种子蛋白质含量的变化(g/kg)。25-75%范围的缺口框,标记四分位间1.5范围的条形图,中值线(缺口表示中值95%上下置信区间),算术平均值(点)和异常值(填充点);上面方框的字母表示环境内各基因型类间差异显著(Tukey-Kramer多重比较p = 0.05)。

 

  图2 种子蛋白质含量(TU 2019)与(a) SPAD测定叶绿素含量相关(r = 0.799;n = 160)和(b)光谱指数MA1_R (r =−0.872;n = 160)均在R5-R6阶段(2019年8月15日)测定。Overlay lines:基因型类的分布(Kernel smooth density function),线条颜色与图例中基因型类的颜色匹配。

 

  图3 4个不同结瘤状态基因型(1 =不结瘤,2,3,4:结瘤)的叶绿素b含量PSSRb指数,每个基因型共400个重复。

 

  图4 大豆种子灌浆期8个不同数据采集日期的高光谱反射与收获产品种子蛋白质含量之间的关系:描述Tulln 2019亚群1和2(结瘤和非结瘤基因型类)给定波长(1 nm增量)的反射率与种子蛋白质含量之间相关性的相关图。

 

  图5 2019年8月15日测量日的高光谱反射率与不同作物性状之间的关系:描述给定波长(1 nm增量)反射率与种子蛋白质含量、种子蔗糖含量或成熟时间之间相关性的相关图。种子蛋白质含量与种子蔗糖含量呈负相关关系,而种子成熟度的相关图呈现出不同的变化规律,近红外区750 nm以下的相关系数最高。

 

  图6 三种环境下种子蛋白质含量与PLSR校准模型的关系(a)和基于光谱数据(n = 589块)的交叉验证(b)。

 

  图7 仅基于TU 2019环境的光谱数据(n = 149块地块),种子蛋白质含量与PLSR校准模型(a)和交叉验证(b)的关系。

  

  来源:Johann Vollmann, Pablo Rischbeck, Martin Pachner, Vuk Đorđević, Ahmad M. Manschadi, High-throughput screening of soybean di-nitrogen fixation and seed nitrogen content using spectral sensing, Computers and Electronics in Agriculture, 2022, 199, 107169. https://doi.org/10.1016/j.compag.2022.107169

  

  编辑:王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。