不結球白菜生長發育過程中表型變化到2050年，全(quan)球人口將達到97億(yi)，預計作(zuo)(zuo)物(wu)(wu)產(chan)量翻一番才(cai)能滿(man)足(zu)全(quan)球人口的(de)糧食需求。為了(le)達到這一目標，作(zuo)(zuo)物(wu)(wu)產(chan)量需每年增長(chang)2.4%，但目前(qian)作(zuo)(zuo)物(wu)(wu)產(chan)量平均增長(chang)率僅為1.3%。作(zuo)(zuo)物(wu)(wu)生產(chan)性(xing)能的(de)遺傳改良(liang)仍然是提高作(zuo)(zuo)物(wu)(wu)生產(chan)力的(de)關鍵因素，但當(dang)前(qian)的(de)改善速度無(wu)法滿(man)足(zu)可持續性(xing)和(he)糧食安全(quan)的(de)需要。與(yu)廣泛(fan)的(de)(de)遺傳(chuan)信息相(xiang)比，表型分析已成為(wei)理解(jie)(jie)復(fu)雜性狀遺傳(chuan)基礎的(de)(de)瓶頸。為(wei)了打破這一瓶頸并提高分子育(yu)種(zhong)的(de)(de)效率，迫切需要可靠(kao)、自動和(he)高通量的(de)(de)表型技術，為(wei)育(yu)種(zhong)學家(jia)提供新的(de)(de)見解(jie)(jie)，以選擇適應資源短缺和(he)全球氣候變(bian)化的(de)(de)新品種(zhong)。
表1 作(zuo)物表型組(zu)學(xue)重要發展(zhan)歷程
隨著高通量表型技術的迅速發展，該領域的研究正進入一個新的“表型組學”時代。作物表型組學(xue)研究集(ji)農學(xue)、生(sheng)(sheng)命科(ke)學(xue)、信息科(ke)學(xue)、數學(xue)和工程(cheng)科(ke)學(xue)于(yu)一(yi)體，將高性(xing)能(neng)計(ji)算技術和人(ren)工智能(neng)技術相結合(he)，探(tan)索復雜環境下作物生(sheng)(sheng)長的(de)多種表型信息。作物表(biao)型(xing)組學研究(jiu)的最終目(mu)標是(shi)構建有效(xiao)的技(ji)術(shu)體系，能夠以高(gao)通(tong)量(liang)、多維度、大數(shu)據、智(zhi)能、自動測量(liang)的方式對作物進行表(biao)型(xing)分析，創(chuang)造出一種多種形態(tai)、多尺度、表(biao)型(xing)+環境+基因型(xing)條件下獲得(de)大數(shu)據的工具。
G×P×E互作示意圖
本文(wen)從表(biao)型(xing)(xing)數據(ju)收集、表(biao)型(xing)(xing)分析(xi)等(deng)(deng)方面概述了(le)作物表(biao)型(xing)(xing)組學的(de)研究現狀，介紹了(le)細胞(bao)、組織、器官(guan)、植(zhi)株(zhu)、田(tian)間群體等(deng)(deng)不同水平的(de)作物表(biao)型(xing)(xing)分析(xi)方法，討論了(le)表(biao)型(xing)(xing)數據(ju)提取、分析(xi)和存儲研究中的(de)實(shi)際問(wen)題。Zhao C等(deng)認為表型組學正在進入(ru)具有多領域、多層(ceng)次和多尺度特征的大數據時代(dai)，強調(diao)了建立多尺度、多維度和(he)跨(kua)區域作物表型大數據庫的必要性和(he)重(zhong)要性。最后(hou)，Zhao C等討論了作(zuo)物表(biao)型組(zu)學未來的挑戰和(he)前(qian)景，并為精確育種(zhong)提出新(xin)的智能解決(jue)方案(an)。
表2 作物微觀尺度表型性狀分析的常用方法和發展方向
表3 高通量植物表型平臺成像技術綜述
表4 可控環境下作物表型技術及平臺設備一覽表
表5 田間表型平臺的特征和應用詳表
Zhao C, Zhang Y, Du J, et al. Crop phenomics: current status and perspectives. Frontiers in Plant Science, 2019, 10: 714.
擴展閱讀：
?
?
?
?