河南大学宋纯鹏团队利用高通量根系表型平台解析小麦根系构型的遗传基础

作物根系构型（Root system architecture, RSA）在锚定地上部分、土壤水肥利用、环境适应和收获指数等方面具有重要作用。然而，由于根系生长于地下，被土壤掩盖，利用传统手段很难对根系构型进行无损、直观精准扫描，严重制约了植物根系构型遗传基础的研究。小麦（ Triticum aestivum L.） 是全球最重要粮食作物之一，作为小麦生长发育的重要器官，根系直接决定小麦地上部分生物量和产量、抗逆性等诸多性状。以往育种家在选育品种过程中多以地上部 分 综合性状作为选育高产、抗性品种的主要依据，对根系的关注 相对 较少。小麦 的 最终产量依赖于地下和地上部分协同调控，因此，深入解析调控小麦根系性状的遗传机制，构建小麦高产、抗逆的根系理想构型，是当前我国小麦通过根系遗传改良，实现产量进一步提升迫切需要解决的问题。

针对上述生物学问题，河南大学宋纯鹏教授团队创建了基于成像技术的小麦高通量根系表型平台，实现了小麦全生育期土壤中根系构型性状的高通量、自动化、原位捕获和分析，并通过GWAS解析了小麦根系发育的遗传基础，研究成果 以An automated root phenotype platform enables nondestructive high-throughput root system architecture dissection in wheat为题 于近日 发表在 Plant Physiology 上。

作为课题组 “ 小麦D基因组重建工程 ” 渐渗系表型精准测量的系列方法学奠基工作，本研究由以下几个部分组成。首先，创建了土壤原位的小麦高通量根系表型平台（ Root-HTP ）。利用光照、温度、水肥等小麦正常发育环境参数可精准控制的人工气候室，以及搭载根系图像捕获高精度相机的全自动导引车（AGV）系统，实现了小麦全生育期根系构型（RSA）原位、无损、动态观测和图像采集。其次，通过人工手绘根图构建了小麦根系表型海量数据集，用于机器学习的数据训练，并结合深度学习D-LinkNet模型与RootNav分析软件，成功研发了基于 计算机视觉技术 的 小麦根系表型全流程分析平台 和技术体系。该研究总计获得47个 小麦 RSA性状。这些根系性状共分为8类，包括根系角度、长度、数量、曲率、宽度、深度、宽深比以及凸包面积等，全面反映了RSA的多维度特征（图1）。除了根系长度、数量等传统性状外，本研究还开发了包括曲率、凸包面积相关性状在内的33个适用小麦研究的新的根系构型性状，并且其中23个根系土壤原位性状从未在其他作物中报道。此外，该研究建成的Root-HTP系统不仅能够对根系结构特征进行分析，还能同时捕捉地上部分植物的生长情况。未来，该系统可被应用于小麦正常生长发育，以及干旱、耐贫瘠等各种胁迫条件下根系和地上部分的相互作用以及根系与土壤微生物互作等方面的研究。

图1 高通量根系表型平台（Root-HTP）整体架构

为了探究小麦根系发育遗传基础，该研究基于Root-HTP平台采集的155份小麦自然群体在小麦关键发育节点—拔节期的根系性状，通过全基因组关联分析（GWAS），共鉴定到2650个根系发育相关的SNPs，其中有203个SNPs直接定位于216个基因上，这些基因主要和皮层微管发育、光周期调节等相关。进一步分析发现，以上2650个根系发育相关的SNPs共定义了233个QTL，通过对其中一个根系曲率相关的QTL进行分析，并结合转录组数据推测 TaMYB93 可能是调控小麦根系曲率性状的重要候选基因。利用VIGS技术对该 基因进行瞬时沉默，发现无论是在根盒生长系统，还是在水培条件下，相对于野生型， TaMYB93 沉默植株的主根根系的平均曲率呈现显著减小的趋势，并且其根系的最大凸包面积也显著减小。此外，对课题组前期筛选得到的3个小麦AK58背景的 Tamyb93 - ems 突变体的根系表型进行分析发现，与对照相比，突变体的平均主根根系曲率和最大凸包面积等显著减小，表明 TaMYB93 在调控小麦的根系构型上发挥了重要作用。

最后，为了探究小麦根系构型与大田产量之间的相关性，本研究利用小麦自然群体根系构型性状和大田产量相关性状的GWAS结果，对产量和根系相关性状的QTL进行联合分析，发现有20个调控根系发育的QTL位点同时与产量位点共定位，表明这些共定位的QTLs同时调控着根系构型和田间产量，可能是未来通过改良根系构型提升小麦田间产量的重要基因资源。基于上述结果，本研究构建了根系性状与产量的多元线性回归模型，并基于18个RSA性状提出了小麦高产的理想根系构型模型及优化策略（图2）。

总之，通过创建的Root-HTP平台，该研究初步解析了小麦根系构型的遗传基础，为未来加速根系表型组学与基因组、转录组等多组学的深度融合，推动小麦育种迈入精准化、高效化新时代，以及全球粮食安全提供了技术和理论支撑。

图2 小麦高产的遗传基础和根系模型

河南大学小麦逆境适应及遗传改良团队张震副教授、博士生仇霄龙、郭光辉副教授、博士生朱晓静为共同第一作者，河南大学宋纯鹏教授、周云教授和华中农业大学杨万能教授为共同通讯作者。河南大学 黄锦岭 教授、河南省农科院许为钢院士对本研究提供了重要指导和帮助。研究得到了国家自然科学基金、国家重点研发项目、河南省自然科学基金、河南省重点研发计划和河南省神农实验室重点研发计划等项目的资助。

自2019年起，河南大学宋纯鹏课题组与华中农业大学杨万能团队，以及武汉谷丰光电公司合作致力于打造小麦等作物“地上-地下-空域”三维立体表型分析体系 。相继建成了 作物室内地上部分（RGB、HSI）、地下部分根系，以及田间机器人和无人机等系统全面的作物表型系统， 可快速获取小麦、玉米、棉花等多维度表型参数 ，平台已 授权相关专利4项 ，入选“2023中国农业农村重大科技新成果-新装备类”，成为“中国植物表型组学联盟”的成员单位，被纳入IPPN 国际表型设施数据库。基于建成的表型平台体系，团队完成了粗山羊草代表性种质及其衍生的渐渗系表型组数据采集（Nature Plants, 2021；Nature Protocols, 2024），开展了小麦群体响应干旱的表型组和遗传基础研究（New Phytologist, 2024）， 为小麦多维度表型组研究提供了系统方法和技术体系，对作物遗传资源挖掘与分子育种具有重要意义。

文章链接：

https://doi.org/10.1093/plphys/kiaf154