用改進二維高通量大豆根系表型平臺鑒定調(diào)節(jié)根系結(jié)構(gòu)性狀的新遺傳變異
Plant Phenomics | 應(yīng)用改進的二維高通量大豆根系表型平臺鑒定調(diào)節(jié)根系結(jié)構(gòu)性狀的新遺傳變異
根系架構(gòu)（Root System Architecture, RSA）是根系空間分布的重要參數(shù)，關(guān)聯(lián)許多重要的農(nóng)藝性狀，包括植物土壤錨固、營養(yǎng)和水分吸收，和非生物和生物脅迫信號。因此根系架構(gòu)是影響植物產(chǎn)量的重要因素，營養(yǎng)高效根系體系結(jié)構(gòu)正成為生產(chǎn)具有提高養(yǎng)分和水分獲取效率的作物品種的重要育種目標(biāo)。大豆是全球主要的種子和油料作物之一。雖然已經(jīng)探索基因各種地上植物性狀影響大豆產(chǎn)量，只有少數(shù)的根生長研究，大多數(shù)集中在根特征應(yīng)對非生物脅迫的研究。由于根系生長在不透明和復(fù)雜的土壤環(huán)境中，田間根系性狀的表型受到限制，該領(lǐng)域的主要根系表型技術(shù)包括通過手工或通過大型改良的收獲設(shè)備挖掘根系，從根系中清洗土壤，并對其進行成像。然而傳統(tǒng)方法容易對根系損傷，并且傳統(tǒng)方法耗時耗力，有很大的局限性。
2023年9月，Plant Phenomics 在線發(fā)表了來自加拿大薩斯喀徹溫大學(xué)全球糧食安全研究所和美國密蘇里大學(xué)植物科學(xué)與技術(shù)部等人題為Application of an Improved 2-Dimensional High-Throughput Soybean Root Phenotyping Platform to Identify Novel Genetic Variants Regulating Root Architecture Traits 的研究文章。
本文提出了了一種改進的二維高通量根系表型平臺的使用，通過成像浸在水中的袋生長的根系，從而最小化背景噪聲。本文還提出了一個背景圖像清理Python管道，它可以通過計算去除小塊碎片和濾紙纖維的圖像，這些碎片可能會被錯誤地量化為根尖。利用該平臺對286個具有540萬個單核苷酸多態(tài)性基因分型的大豆品系的根系性狀進行了表型分析。與未進行背景校正的根圖像相比，當(dāng)背景去除非根物質(zhì)時，人工計算量化的根尖數(shù)量的相關(guān)性由79%顯著提高至95%。本文所提出的根系架構(gòu)表型管道的改進顯著減少了對受根尖數(shù)量影響的根性狀的過高估計，通過對根表型數(shù)據(jù)進行的全基因組關(guān)聯(lián)研究和候選基因的定量基因表達(dá)分析，最后結(jié)果鑒定出了3個假定的有關(guān)于根系深度、總根長和表面積、厚根根系體積和表面積的陽性調(diào)控因子（dof1樣鋅指轉(zhuǎn)錄因子、功能未知蛋白、乙炔鋅指蛋白）。還確定了一個假定的對側(cè)根總數(shù)的負(fù)調(diào)控因子（赤霉素20氧化酶3）。
圖1 圖像采集和分析工作流程。打開根生長袋，然后小心地從根系的塑料膜中移除。隨后，這些生長袋被放置在一個裝滿水的成像托盤中。然后，在根系的頂部放置一個透明的玻璃板。植物根成像和數(shù)據(jù)分析（PRIDA）——一種基于python的圖像采集和數(shù)據(jù)管理軟件——用于收集和存儲原始圖像，并將元數(shù)據(jù)項目到一個單一的層次數(shù)據(jù)格式（HDF5）文件中。將根圖像裁剪到感興趣的區(qū)域，并通過高通量圖像預(yù)處理管道從背景中分割RSA，提高了根圖像的精度和特征計算的效率。使用WinRhimo、GiaRoots和其他定制軟件腳本，分析清理后的圖像，以提取根的形態(tài)和建筑特征。
在本研究中，我們能夠捕獲根系結(jié)構(gòu)和生長/形態(tài)性狀表型變異背后的大量遺傳多樣性。結(jié)果表明，除總凸面積外，根系結(jié)構(gòu)性狀的大量GWAS峰一般與根系形態(tài)性狀無關(guān)。這加強了整合和定位更多的根系結(jié)構(gòu)性狀的想法，這些性狀可能有助于在資源有限的環(huán)境中提高產(chǎn)量和非生物脅迫耐受性，包括干旱和較低水平的礦質(zhì)營養(yǎng)物質(zhì)。然而，根形態(tài)特征的重要性是最關(guān)重要的早期根系研究特征如增加根長度，表面積和體積，以及發(fā)展更長的根以增加根系的吸收能力從而降低碳成本。
圖2 大豆植株生長R1期盆栽混合物植株根系COPM的表型驗證。(A)6個大豆品系，3個根系值（TRV、TRL和COPM），在8 DAT時進行RSA成像。(B)對6個大豆基因型的COPM值（3個COPM較小，3個COPM較大）進行2D囊袋結(jié)果驗證。采用Tukey誠實多重比較顯著性差異檢驗，以確定基因型間COPM差異的統(tǒng)計學(xué)意義。不共享一個共同字母的大豆基因型在COPM性狀上彼此之間的差異有統(tǒng)計學(xué)意義（P < 0.05）。3組大豆基因型的根系大小和深度差異與袋生長的幼植株和混合生長的老植株密切相關(guān)。
作者及團隊介紹
本文的主要作者為Rahul Chandnani 博士和Leon V. Kochian博士，所屬單位為加拿大薩斯喀徹溫大學(xué)全球糧食安全研究所和美國密蘇里大學(xué)植物科學(xué)與技術(shù)部。本文的主要貢獻為：Rahul Chandnani 博士和Leon V. Kochian博士以及Henry T. Nguyen構(gòu)思了整個項目以及對整個項目的設(shè)計。Rahul Chandnani 博士進行了表型分析，圖像預(yù)處理與分析以及統(tǒng)計學(xué)和生物信息學(xué)數(shù)據(jù)分析。Mutsutomo Tokizawa, Alma Armenta Medina, Javier Mora Macias協(xié)助進行了實驗室內(nèi)的實驗。本研究項目基金：這項研究是由加拿大卓越研究主席資助，并聯(lián)合大豆委員會和密蘇里農(nóng)業(yè)實驗站資助。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0097
——推薦閱讀——
Improved Field-Based Soybean Seed Counting and Localization with Feature Level Considered
https://doi.org/10.34133/ plantphenomics.0026
Plant Phenomics | 考慮特征水平的田間大豆種子計數(shù)和定位的改進
https://doi.org/10.34133/plantphenomics.0021
Plant Phenomics | 基于高光譜遙感的大豆和花菜豆生理干旱響應(yīng)的表型研究
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？l(fā)布會等高質(zhì)量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。
說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：吳庚宸
排版：蘇梓鈺（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平
