高粱是一种C4模式植物，可以通过广泛的基因组和遗传资源进行实验处理。机理模型表明，降低气孔导度(gs)可以提高高粱固有水分利用效率(iWUE)和生物量的产量。但是基因型与表型的关联分析仍然是解析gs和iWUE自然变异机制的瓶颈。本研究解决了多种方法上的局限性，将共聚焦显微技术和机器学习工具组合来测量气孔密度(SD)，还与叶片光合气体交换和比叶面积(SLA)的快速测量相结合。胞间与环境CO2的比例与SD，SLA，gs和生物量产量遗传相关。SD和SLA相互关联，并且与干湿生长季节的生产力相互关联。共有 394 个支持 WUE 相关性状变异的独特基因被以更高的可信度描述出来，而且它们是在多个独立测试中被识别出来的。这项研究表明，将GWAS/TWAS和有害变异预测的新型高通量表型分析工具的结合应用，揭示了SLA可能作为异速生长性状的核心作用，这与SD、叶片光合气体交换和植物生产力的广泛遗传和环境变异有关。这些研究方法和结论的将有助于提高C4作物的水分利用效率。

　　图1 气孔计数算法的演示。A、共焦显微镜测量的高粱叶片背面表皮的反射强度层。B、图A中的自动检测到的气孔用红色表示，自动检测到的近距离气孔以绿色显示。C、手动和自动计数气孔样本的中位数SD之间的相关性。

　　图2 所有测量参数的表型(Pearson相关;对角线上方)和遗传(双变量模型;对角线下方)的相关性。每个正方形的颜色描述了每个成对交互的相关系数。显着相关性表示为0.001(***)，0.01(**)和0.05(*)的水平。

　　图3 各种性状调整平均值的变化直方图。(A)SD，(B)SLA，(C)株高，(D)地上生物量(AN)，(E)净光合速率(AN)，(F)gs，(G)iWUE和(H)Ci/Ca。垂直虚线表示种群平均数。

　　来源：Ferguson J.N., Fernandes S.B., Monier B., et al. Machine learning-enabled phenotyping for GWAS and TWAS of WUE traits in 869 field-grown sorghum accessions. Plant Physiol, 2021, 187: 1481 - 1500

　　编辑：张玉