基于無人機的時間光譜指數解析小麥灌漿期滯綠性狀的變化
一、研究背景：
二、研究結果：
1. 小麥種群的遺傳多樣性
圖2 小麥種群的遺傳結構示意圖。(A)小麥的種群結構。紅色、橙色、黃色、淺綠色、深綠色和藍色分別代表亞群（Sp）1到6，其中Sp1表示中國地方品種（CL）組（紅色突出顯示），Sp2表示引進的現代栽培品種（IMC）組（藍色突出顯示），Sp3到Sp6表示中國現代栽培品種（MCC）組（綠色突出顯示）。(B)小麥種群的主成分分析（PCA）。(C)連鎖不平衡（LD）隨物理距離變長而衰減。它描述了成對的單核苷酸多態性LD（r2）值作為3個亞基因組內標記間圖譜距離（以megabase為單位）的函數。(D)2022年基于SGGNDVI的CL、IMC、MCC的SG評分顯示差異有統計學意義（P < 0.05，LSD檢驗）。(E)小麥品種平原50（CL）、St1472/506（IMC）和Kenong9204（MCC）在衰老時間序列中的SG表型。
2. 對小麥表型的評價
圖3 （A）2021-2022年期間4個階段（S1~S4）的GNDVI、NDVI、NDRE和OSAVI與SPAD測量的旗葉葉綠素含量（ChI）的皮爾遜相關系數（PCCs）。實線表示由回歸模型得到的擬合關系，陰影區域表示95%的置信區間。（B）2020-2021年和2021-2022年期間SG性狀的PCCs和表型分布結果。
圖4 2020-2021年(A)和2021-2022年(B)期4個階段（S1-S4）的SG性狀與產量（kg/acre）的皮爾遜相關系數（PCCs）。綠色、藍色、黃色和紫色分別代表SGGNDVI、SGNDVI、SGNDRE和SGOSAVI。實線表示由回歸模型得到的擬合關系，陰影區域表示95%的置信區間。
3. SG性狀的GWAS
4. SG相關性狀的候選基因篩選
研究者對QTL內的1085個高可信度候選基因進行了GO富集分析，發現其中一些基因間接或直接參與了植物的衰老過程。圖5C展示了其中前35個GO富集的類型。結果表明篩選到的這些基因與細胞成分，如衰老相關的液泡和包括葉片衰老、乙烯反應和程序性細胞死亡等生物過程的顯著關聯。基于對候選基因的三原則分析，研究者篩選到了一個優越的候選基因TraesCS2A03G1081100 (D2HGDH)。該基因在蛋白水平上與擬南芥AT4G36400（D2HGDH）的同源性為72.43%，且在2020和2021年檢測SG的4個性狀時被鑒定到。
5. 在育種中選擇有利的SG單倍型
研究者對篩選到的基因TraesCS2A03G1081100進行了育種驗證。在圖6A的紫色方框中，找到了強信號區，并找到了兩個值得注意的SNP位點s2A709642415和s2A709643989（圖6B），分別導致編碼序列中135 bp（G/C、Gly/Arg）和252 bp（T/C、Phe/ Ser）位置發生錯義突變。可以觀察到，在Hap1、Hap2這兩個錯義突變的種系中，SG的動力學系數、千粒重和產量存在著顯著差異，但粗蛋白含量上并無顯著差異。根據上述實驗結果，Hap1被確定為更有利的單倍體型，且該基因的頻率從1950年的7.5%上升到2010年的47%，表明人們對該基因有更偏好性的選擇。
圖6 TraesCS2A03G1081100的變異。（A）2A 染色體上的 Fst、XP-CLR 及其相關重要信號。紫色矩形為2A染色體上的相關信號位置。（B）圍繞TraesCS2A03G1081100的局部曼哈頓圖（上）和LD熱圖（下）。紫色線表示顯著性閾值（-log10[P 值] =3.0）。紅色三角形代表TraesCS6B03G0356400中的2個變異。紅色突出了具有顯著變異的強LD。（C—F）2021至2022年期間2個單倍型的產量、千粒重、粗蛋白和RSGS。P值采用雙尾t檢驗計算（*P < 0.05；**P < 0.01；***P < 0.001；NS，不顯著）。（G）不同小麥群體（綠線左側）和育種時期（綠線右側）中兩種單倍型的百分比。Hap1用藍色表示，Hap2用橙色表示。（H）兩種單倍型在不同小麥區的百分比。每個圓圈的大小對應于種群的數量。Hap1用藍色表示，Hap2用橙色表示。
三、相關技術：
大尺度的田間數據采集及作物表型分析可參考m-CTP
小麥的SG（Stay-green）滯綠指數表征著不同品種的衰老動態，高SG的作物在開花后保持冠層活力的能力，能延緩灌漿過程的衰老，延長光合時間，該指數為提高產量和篩選抗脅迫耐受的有益性狀提供了有力參考，然而傳統的表型技術限制了其在遺傳基礎上的應用。光譜指數Sls（Spectral indices）則是一種評價作物衰老時間的無損性替代策略。雖然前期科學家們通過QTL定位探索到了一些衰老促進因子如NAM-B1、TaARF15-A1、TaMYC2，但對SG等復雜性狀的遺傳學研究需要依靠更高質量的基因組和表型組學數據，而高通量植物表型組學技術的發展和應用在本研究中更高效地定義了小麥的SG程度。
二、研究結果：
圖1 實驗設計描述。實驗地點在曹新莊試驗田（A上）及試驗田（A下）。(B) M200和Inspire 2無人機，GPS和DLS傳感器，微型Altum相機，校準反射面板，和無人機路線規劃。基于Pix4D映射器的。(C)圖像剪切和基于QGIS的小麥小區圖像裁剪示意圖。(D)小麥衰老過程的5個階段示意圖（開花，S1：乳成熟階段，S2：從乳成熟到粉成熟階段的過渡階段，S3：中粉成熟階段，S4：晚粉成熟階段）。
1. 小麥種群的遺傳多樣性
基于貝葉斯聚類的種群結構和主成分分析，科學家們確定了 6 個亞種群（Sp）（圖2A、B）。通過對361293個SNPs進行配對比較分析，LD（r2）衰減到臨界值（0.1），預估全基因組的LD約為3.8 Mb（圖2C）。數據表明：D基因組的LD衰減較快，衰減了1.8 Mb，其次是A和B基因組，分別衰減了3.1 Mb和6.1 Mb（圖2C），這與它并入普通小麥后人工選擇相對較少有關。地理起源、歷史時間和溫度/光照特征是決定該小麥多樣性組別的主要因素。在衰老過程中，CL，IMC及MCC在S1、S2和S3時期的SG表型上表現出顯著差異（圖2D、E）。
圖2 小麥種群的遺傳結構示意圖。(A)小麥的種群結構。紅色、橙色、黃色、淺綠色、深綠色和藍色分別代表亞群（Sp）1到6，其中Sp1表示中國地方品種（CL）組（紅色突出顯示），Sp2表示引進的現代栽培品種（IMC）組（藍色突出顯示），Sp3到Sp6表示中國現代栽培品種（MCC）組（綠色突出顯示）。(B)小麥種群的主成分分析（PCA）。(C)連鎖不平衡（LD）隨物理距離變長而衰減。它描述了成對的單核苷酸多態性LD（r2）值作為3個亞基因組內標記間圖譜距離（以megabase為單位）的函數。(D)2022年基于SGGNDVI的CL、IMC、MCC的SG評分顯示差異有統計學意義（P < 0.05，LSD檢驗）。(E)小麥品種平原50（CL）、St1472/506（IMC）和Kenong9204（MCC）在衰老時間序列中的SG表型。
2. 對小麥表型的評價
研究揭示了2021-2022年季節時間序列與葉綠素含量相對參考指數之間的皮爾遜相關系數。其中光譜指數Sl與旗葉葉綠素含量之間的PCC (r)最高，為0.71（圖3A），回歸結果r2最高，為0.5。這表明SIs在一定程度上可以有效檢測小麥群體的不同SG階段，并在田間條件下穩定追蹤小麥冠層的衰老過程。表2記錄了2020-2021和2021-2022年小麥在不同生長期的SG性狀。圖3B的常見小麥表型分布圖說明了SG性狀均值伴隨開花期后保暖時間的延長而減少。且針對使用不同指數計算的RSGS，SGindex1和SGindex2之間存在的很強的線性相關性（r＞0.82），且SGindex3和SGindex4之間的線性關系也很強。同時，圖4A、B表明SGNDVI和SGOSAVI和產量有著更高的相關性。在這4個SG性狀中，遺傳力隨著小麥的衰老而增加。結果表明，2020-2022年間采集到的這兩組數據SG性狀分布差異小，相關性高，遺傳力高，適合作后續的GWAS。
圖3 （A）2021-2022年期間4個階段（S1~S4）的GNDVI、NDVI、NDRE和OSAVI與SPAD測量的旗葉葉綠素含量（ChI）的皮爾遜相關系數（PCCs）。實線表示由回歸模型得到的擬合關系，陰影區域表示95%的置信區間。（B）2020-2021年和2021-2022年期間SG性狀的PCCs和表型分布結果。
圖4 2020-2021年(A)和2021-2022年(B)期4個階段（S1-S4）的SG性狀與產量（kg/acre）的皮爾遜相關系數（PCCs）。綠色、藍色、黃色和紫色分別代表SGGNDVI、SGNDVI、SGNDRE和SGOSAVI。實線表示由回歸模型得到的擬合關系，陰影區域表示95%的置信區間。
3. SG性狀的GWAS
GWAS被用來在不同小麥品種中探討SG相關QTL的遺傳基礎。本研究在2年內確定了47個高可信度的QTL，其中包含3079個與SG性狀相關的顯著SNP。圖5A展示了QTL在染色體上的具體分布情況。2020-2021年間，SGGNDVI的QTL數量最多，其次是SGNDVI、SGOSAVI和SGNDRE（圖 5B）、SGOSAVI和SGNDRE（圖 5B）。而在2021-2022年間，SGNDRE顯示的QTL數量最多。在這4個SG性狀中，SGOSAVI在4個衰老過程中在已發現的QTL中出現了最多次數，共出現97次（圖5B）。
圖5 (A)本研究發現的SG相關QTL和已知的SG相關QTL在小麥染色體上的分布。藍色條帶代表已知的SG相關QTL；紅色條帶代表通過GWAS檢測到的SG相關的QTL。條帶的寬度表示各自的置信區間。(B)不同衰老階段多個SG性狀的QTL定位頻率。(C) SG相關QTL區域內候選基因的GO富集分析。
4. SG相關性狀的候選基因篩選
研究者對QTL內的1085個高可信度候選基因進行了GO富集分析，發現其中一些基因間接或直接參與了植物的衰老過程。圖5C展示了其中前35個GO富集的類型。結果表明篩選到的這些基因與細胞成分，如衰老相關的液泡和包括葉片衰老、乙烯反應和程序性細胞死亡等生物過程的顯著關聯。基于對候選基因的三原則分析，研究者篩選到了一個優越的候選基因TraesCS2A03G1081100 (D2HGDH)。該基因在蛋白水平上與擬南芥AT4G36400（D2HGDH）的同源性為72.43%，且在2020和2021年檢測SG的4個性狀時被鑒定到。
5. 在育種中選擇有利的SG單倍型
研究者對篩選到的基因TraesCS2A03G1081100進行了育種驗證。在圖6A的紫色方框中，找到了強信號區，并找到了兩個值得注意的SNP位點s2A709642415和s2A709643989（圖6B），分別導致編碼序列中135 bp（G/C、Gly/Arg）和252 bp（T/C、Phe/ Ser）位置發生錯義突變。可以觀察到，在Hap1、Hap2這兩個錯義突變的種系中，SG的動力學系數、千粒重和產量存在著顯著差異，但粗蛋白含量上并無顯著差異。根據上述實驗結果，Hap1被確定為更有利的單倍體型，且該基因的頻率從1950年的7.5%上升到2010年的47%，表明人們對該基因有更偏好性的選擇。
圖6 TraesCS2A03G1081100的變異。（A）2A 染色體上的 Fst、XP-CLR 及其相關重要信號。紫色矩形為2A染色體上的相關信號位置。（B）圍繞TraesCS2A03G1081100的局部曼哈頓圖（上）和LD熱圖（下）。紫色線表示顯著性閾值（-log10[P 值] =3.0）。紅色三角形代表TraesCS6B03G0356400中的2個變異。紅色突出了具有顯著變異的強LD。（C—F）2021至2022年期間2個單倍型的產量、千粒重、粗蛋白和RSGS。P值采用雙尾t檢驗計算（*P < 0.05；**P < 0.01；***P < 0.001；NS，不顯著）。（G）不同小麥群體（綠線左側）和育種時期（綠線右側）中兩種單倍型的百分比。Hap1用藍色表示，Hap2用橙色表示。（H）兩種單倍型在不同小麥區的百分比。每個圓圈的大小對應于種群的數量。Hap1用藍色表示，Hap2用橙色表示。
三、相關技術：
大尺度的田間數據采集及作物表型分析可參考m-CTP
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com