河北
来源：市场资讯
（来源：小麦研究联盟）
近日，我院熊飞教授团队在New Phytologist发表了题为“Machine learning‐guided multi‐omics suggests iron‐dependent hormonal signaling drives root morphological plasticity in wheat under temperature stress”的研究论文。该研究通过整合机器学习与多组学分析，揭示了极端温度胁迫下小麦根系可塑性的“铁依赖激素权衡”新机制，为培育气候适应性作物提供了重要理论依据。
随着全球气候变暖，极端温度事件频发，严重威胁小麦等主粮作物的安全生产。根系作为植物感知土壤环境的第一道屏障，其可塑性是作物抵御温度胁迫的关键，但背后的调控网络长期未明。本研究以两种温度敏感性不同的小麦品种（耐冷型YM15和耐热型YM158）为材料，在5–35°C温度梯度下结合根系表型分析、非靶向代谢组、转录组及机器学习（随机森林、SVM‑RFE、WGCNA）等多层策略，系统解析了根系形态重塑的代谢与分子基础。
研究发现，虽然冷胁迫和热胁迫下小麦根系均表现出“维持主根伸长、抑制侧根发生、促进根毛增殖”的趋同塑性，但其上游激素信号截然不同：冷胁迫下耐冷品种通过大量积累生长素（IAA）驱动根毛伸长，以补偿低温导致的生理性铁缺乏；而热胁迫下耐热品种则特异性激活茉莉酸（JA）信号通路，通过促进铁区室化、限制铁过量积累来缓解铁毒性。研究进一步鉴定出两个关键枢纽基因——TaYUCCA9（IAA合成限速酶）和TaAOC（JA合成关键酶），通过发根农杆菌转化体系过表达这两个基因，分别在冷敏感和热敏感品种中成功重塑了根系构型，并验证了铁稳态恢复与氧化损伤减轻的因果关系。基于上述发现，团队提出了“铁依赖的激素权衡模型”：铁稳态作为代谢核心枢纽，连接环境感知、激素调控与根系构型重塑。
该研究首次将机器学习驱动的多组学整合策略应用于作物根系温度适应性研究，突破了传统差异分析在连续梯度变量中的局限性，所发现的铁‑激素调控轴为耐逆作物分子育种提供了明确的代谢靶点和基因资源。我院博士研究生沈文远、任清铭和博士后陈昕钰为论文共同第一作者，熊飞教授为通讯作者。
该研究获得国家自然科学基金（32572236）、江苏省自然科学基金青年基金（BK20240899）、中国博士后科学基金（2024M762741）及江苏省研究生科研与实践创新计划（KYCX23_3519）等项目支持。
小麦族多组学网站：http://wheatomics.sdau.edu.cn
投稿、合作等邮箱：shengweima@icloud.com
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
