利用数字表型技术进行水稻蛋白含量的无损预测


发布时间:

2021-06-16

来源:

本站

作者:

PhenoTrait

数字水稻表型可以快速评估水稻籽粒蛋白质含量,支持高通量作物表型试验。快速、无损的鉴定方法可以让加速决策育种和选择相关的水稻品种。因此,本研究比较了近红外光谱(NIR)对谷粒(含颖片)、全粒糙米和粉状糙米三种物理形态的预测潜力,目的是确定适合未来用于水稻样品中高通量蛋白质含量预测的最佳物理形态。

 

使用偏最小二乘 (PLS) 回归和变量选择技术进行蛋白质预测的总结。

 

首先,通过选择与水稻蛋白质含量最相关的关键波长,对模型进行了优化。对于变量选择,共使用了8种最新发展的化学计量学变量选择技术。然后,使用偏最小二乘(PLS)回归分析,作为变量选择技术的基线比较。结果表明,与PLS回归模型相比,变量选择提高了所有类型水稻样本的预测性能。糙米样品的预测精度最好,预测误差为0.349%。此外,与原始数据集中可用的304个波长相比,只有12个波长实现了这一点。研究结果表明,近红外光谱法无需将大米样品研磨成粉末。因此,NIR光谱可以直接用于糙米样品,并且可以支持大米中蛋白质含量的快速评估,支持数字表型。

 

不同水稻形态蛋白质预测的选定波长总结

 

来源:

Mishra P, Angileri M and Woltering E, et al. Identifying the best rice physical form for non-destructive prediction of protein content utilising near-infrared spectroscopy to support digital phenotyping. Infrared Physics & Technology Volume 116, August 2021, 103757. https://doi.org/10.1016/j.infrared.2021.103757.

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。