盤點(diǎn)：植物表型研究文章TOP10

雞年接近尾聲，各行各業(yè)都已經(jīng)做了各種年度盤點(diǎn)，小編也不能免俗，以影響因子和引用次數(shù)為標(biāo)準(zhǔn)，將近五年跟植物表型研究相關(guān)的文章，做了盤點(diǎn)，列出了植物表型研究文章的TOP10 ，從微觀表型到宏觀表型，從實(shí)驗(yàn)室表型到田間表型，從基因型到表型，趕緊一睹為快吧。

 

TOP 10

● 植物表型組學(xué)數(shù)據(jù)中動(dòng)態(tài)數(shù)量性狀位點(diǎn)的分析

（Trends Plant Sci.,2015）

高通量成像技術(shù)能夠連續(xù)測量植物表型，這可能有助于生長發(fā)育相關(guān)性狀的QTL分析。功能作圖的一個(gè)主要好處是它集成了多個(gè)時(shí)間點(diǎn)上的信息，因此可以增加QTL檢測的統(tǒng)計(jì)功效。 為了處理高維基因分型和表型數(shù)據(jù)，計(jì)算效率是動(dòng)態(tài)QTL分析的新型統(tǒng)計(jì)方法的重點(diǎn)。

162個(gè)擬南芥RIL隨時(shí)間推移的表型軌跡

 

此文回顧了目前復(fù)雜數(shù)量性狀功能作圖的發(fā)展，這些方法為我們分析后基因組時(shí)代的大規(guī)模時(shí)間進(jìn)程數(shù)據(jù)提供了寶貴的工具。

 

TOP 9

● 基因組技術(shù)用于作物的遺傳改良

（Nature,2017）

保證未來的糧食供應(yīng)，同時(shí)減少對生態(tài)系統(tǒng)的影響，植物基因組和遺傳多樣性的研究對于應(yīng)對這些挑戰(zhàn)至關(guān)重要。 基因組測序和組裝方面的進(jìn)展正被用于獲取作物及其野生親緣的大型而復(fù)雜的基因組。 這些已經(jīng)幫助確定了廣泛的遺傳變異，并且可以進(jìn)行遺傳多樣性與多種農(nóng)藝表型的關(guān)聯(lián)性分析。結(jié)合改進(jìn)的自動(dòng)化表型分析和功能基因組研究，基因組學(xué)為作物育種系統(tǒng)提供了新的基礎(chǔ)。

作物野生前體種群的遺傳多樣性（上圖彩色圓圈）已被馴化，其中在最初選擇和采用的地方品種中存在有限的多樣性。隨后的育種吸引了地方品種中存在的有限范圍的變異，以用于現(xiàn)代農(nóng)業(yè)中優(yōu)秀栽培品種生產(chǎn)。作物改良基因的鑒定可以使用誘變將變異引入作物的DNA，具有所需特征的突變體可以通過篩選所需的性質(zhì)來鑒定，這些性質(zhì)稱為表型。這樣的表型鑒定需要大量的群體來進(jìn)行，費(fèi)時(shí)且不準(zhǔn)確，需要依靠高通量的表型手段來實(shí)現(xiàn)。

 

TOP 8

● 利用高通量的非侵入性表型技術(shù)揭示水稻耐鹽基因位點(diǎn)

（Nat Commun,2016）

高通量的表型分析隨著時(shí)間的推移會(huì)產(chǎn)生多種測量結(jié)果，這需要新的分析方法，這些分析方法可以靈活地對植物生長和蒸騰進(jìn)行量化，但在計(jì)算上是經(jīng)濟(jì)的。在這里，我們開發(fā)了這樣的分析，并將其應(yīng)用于用700k SNP高密度陣列上的水稻群體基因分型。相對增長率（RGR），蒸騰速率和蒸騰利用效率（TUE）使用新的關(guān)聯(lián)模型進(jìn)行分析，該模型考慮到處理（對照和鹽處理）與遺傳標(biāo)記之間的相互作用。該模型能夠鑒定出先前未檢測到的影響TUE的位于水稻第11號染色體上的基因位點(diǎn)，從而深入了解水稻對鹽度的早期反應(yīng)，特別是鹽度對植物生長和蒸騰作用。

不同處理水稻的相對生長率變化

 

TOP 7

● 動(dòng)態(tài)根系生長和結(jié)構(gòu)在養(yǎng)分限制條件下的反應(yīng)

（Biotechnol. Adv. ,2014）

通過簡單介紹現(xiàn)有和正在開發(fā)的從實(shí)驗(yàn)室到田間的根表型定量分析技術(shù)，從田間部分根剖面的量化到整個(gè)根系的三維重建。 最后，此文討論這些方法如何能夠并且應(yīng)該與建模緊密相關(guān)以探索根本的現(xiàn)象。

不同植物根系的量化分析與三維重建

 

TOP 6

● 全基因組關(guān)聯(lián)分析和高分辨率表型分析：將水稻穗性狀與多性狀特異性QTL簇聯(lián)系起來

（Nat Commun,2016）

水稻穗結(jié)構(gòu)是產(chǎn)量和品質(zhì)育種的重要選擇目標(biāo)。然而，由于與開花和亞群結(jié)構(gòu)的相關(guān)性，穗表型難以測量，并且在遺傳作圖期間容易混淆。此文利用成像平臺(tái)PANorama量化了242個(gè)熱帶水稻種質(zhì)中的49個(gè)穗型表型。這是第一個(gè)使用高分辨率表型分析平臺(tái)來評估田間種植材料的花序表型的研究。在此，作者為馴化的水稻建立了一個(gè)基因模型，提出了一個(gè)復(fù)雜的遺傳模型，以解釋穗特性，并證明穗粒大小和產(chǎn)量表現(xiàn)之間的微妙聯(lián)系。

 

PANorama表型分析平臺(tái)對水稻穗的分割

 

穗相關(guān)表型參數(shù)間的相關(guān)性分析

 

TOP 5

● 植物高通量脅迫表型的機(jī)器學(xué)習(xí)研究

（Trends Plant Sci,2016）

自動(dòng)化和高通量成像技術(shù)的進(jìn)步已經(jīng)導(dǎo)致了植物高分辨率圖像和傳感器數(shù)據(jù)的大量涌現(xiàn)。 然而，從這個(gè)龐大的數(shù)據(jù)庫中提取模式和特征，需要使用機(jī)器學(xué)習(xí)（ML）工具來進(jìn)行數(shù)據(jù)同化和特征識別以進(jìn)行脅迫表型分析。

 

植物脅迫表型和植物育種活動(dòng)的四個(gè)階段可以部署不同的ML方法即（i）識別，（ii）分類，（iii）量化和（iv）預(yù)測（ICQP），此文提供了ML工具的綜合概述和用戶友好的分類，使植物群體能夠正確、輕松地應(yīng)用適當(dāng)?shù)腗L工具，以及成為各種生物和非生物脅迫性狀的最佳實(shí)踐指南。

 

TOP 4

● 高通量表型和全基因組關(guān)聯(lián)分析：研究揭示水稻的自然遺傳變異

(Nat Commun,2014)

通過使用高通量測序技術(shù)對植物基因組學(xué)的研究迅速發(fā)展，傳統(tǒng)的植物表型測試已遠(yuǎn)遠(yuǎn)落后。此文的作者開發(fā)了一個(gè)高通量水稻表型測定設(shè)施（HRPF），用于監(jiān)測水稻生育期的13個(gè)傳統(tǒng)農(nóng)藝性狀和2個(gè)新定義的性狀。利用15個(gè)性狀的全基因組關(guān)聯(lián)研究（GWAS），他們確定了141個(gè)相關(guān)基因位點(diǎn)，其中25個(gè)包含已知基因，如‘綠色革命’半矮生基因SD1。 基于對HRPF和GWAS結(jié)果的性能評估，此文證明高通量表型分析具有取代傳統(tǒng)表型分型技術(shù)的潛力，并且可以提供有價(jià)值的基因識別信息。多功能表型分型工具HRPF和GWAS的結(jié)合，實(shí)現(xiàn)對重要性狀遺傳結(jié)構(gòu)的深入了解。

使用三種表型方法進(jìn)行鮮重，地上部干重和綠葉面積的測量后，GWAS結(jié)果之間的比較

 

TOP 3

● 細(xì)胞到整株水平的表型分析時(shí)代

（Trends Plant Sci，2013）

成像和圖像處理已成為植物表型研究的革命性技術(shù)，是表型性狀測量的主要工具。 此文作者通過檢查三個(gè)重要的特征來評估植物表型系統(tǒng)：通量，維數(shù)和分辨率。首先，整個(gè)植物表型分析系統(tǒng)與自動(dòng)化技術(shù)的進(jìn)步相結(jié)合，能夠顯著提高通量。然后討論器官和細(xì)胞水平表型及其工具（通常以較低的通量操作），作為在升高的空間和時(shí)間分辨率下獲得高維表型數(shù)據(jù)的手段。此文認(rèn)為未來需要集中注意力在空間和時(shí)間分辨率的研究上，因?yàn)檫@些成像程序在植物表型系統(tǒng)應(yīng)用中是關(guān)鍵方面。

表型分析的時(shí)空分辨率

 

多維度的表型分析示意圖

 

模式植物擬南芥葉片組織、葉肉細(xì)胞表型分析

 

TOP 2

● 田間表型：作物育種新方向

（Trends Plant Sci,2014）

田間表型分析受限因素太多，因此限制了大家研究數(shù)量性狀遺傳學(xué)的能力，特別是哪些與產(chǎn)量和脅迫耐受性相關(guān)的性狀。發(fā)展有效的基于田間高通量表型分析平臺(tái)（HTPPs）仍然是未來育種進(jìn)展的瓶頸。然而，傳感器、高性能計(jì)算技術(shù)的發(fā)展正在為此鋪平道路。此文回顧了田間HTPPs的最新進(jìn)展，類似這樣的平臺(tái)可以將低成本、高性能的數(shù)據(jù)收集/評估/處理技術(shù)、非侵入式遙感方法及自動(dòng)化的環(huán)境數(shù)據(jù)收集過程結(jié)合起來，從而提高作物遺傳改良的效率，滿足實(shí)際需求。

涉及高通量表型分析的育種過程的不同組分的總結(jié)（包括適時(shí)評估關(guān)鍵性狀，評估空間變異性，環(huán)境表征以及進(jìn)一步整合所有信息）

 

重點(diǎn)來了

 

TOP 1

● 植物表型分析的未來情景

（Annu Rev Plant Biol,2013）

此文是檢索出來近年來引用次數(shù)與影響因子綜合排名的NO1，文章通訊作者Schurr U.是表型領(lǐng)域的領(lǐng)軍人物之一。此文雖然發(fā)表時(shí)間較早，但時(shí)到今日，仍有很大的影響力。此文提供植物表型分析多學(xué)科研究的綜述，這些表型分析有助于選擇具有提高資源利用效率的基因型的性狀。他們關(guān)注于利用無創(chuàng)或微創(chuàng)技術(shù)，篩選出能有效分析可控和田間環(huán)境下的植物表型特征的方案。

根形態(tài)和生長動(dòng)力學(xué)參數(shù)分析常用軟件包列表

 

作者悉心整理了如上表格，可以利用這些軟件，對基于在各種生長介質(zhì)中生長的根的2D成像進(jìn)行高級分析。

 

小結(jié)

 

雖然表型技術(shù)發(fā)展迅速，但仍有非常大的提升空間，因?yàn)榇笠?guī)模的表型分析需要以最少信息量的實(shí)驗(yàn)方案、數(shù)據(jù)管理與建模整合，來獲取最準(zhǔn)確的表型信息，系統(tǒng)植物表型研究的旅程才剛剛開始。小編以大神Schurr Ulrich的圖作為此文結(jié)束，可以看到隨著傳感器、軟件的發(fā)展，表型分析流程與表型參數(shù)獲取這兩個(gè)領(lǐng)域，發(fā)展得越來越成熟，在結(jié)果輸出方面，特別是在基因型、環(huán)境、表型三者的研究中，研究者們對于數(shù)據(jù)的解釋、應(yīng)用要求更多，讓我們共同期待2018年表型發(fā)展得越來越好。

 

植物表型的概念方案