手机版|
二维码|
到2050年，全球人口将达到97亿，预计作物产量翻一番才能满足全球人口的粮食需求。为了达到这一目标，作物产量需每年增长2.4%，但目前作物产量平均增长率仅为1.3%。作物生产性能的遗传改良仍然是提高作物生产力的关键因素，但当前的改善速度无法满足可持续性和粮食安全的需要。与广泛的遗传信息相比，表型分析已成为理解复杂性状遗传基础的瓶颈。为了打破这一瓶颈并提高分子育种的效率，迫切需要可靠、自动和高通量的表型技术，为育种学家提供新的见解，以选择适应资源短缺和全球气候变化的新品种。
表1 作物表型组学重要发展历程
随着高通量表型技术的迅速发展，该领域的研究正进入一个新的 表型组学 时代。作物表型组学研究集农学、生命科学、信息科学、数学和工程科学于一体，将高性能计算技术和人工智能技术相结合，探索复杂环境下作物生长的多种表型信息。作物表型组学研究的最终目标是构建有效的技术体系，能够以高通量、多维度、大数据、智能、自动测量的方式对作物进行表型分析，创造出一种多种形态、多尺度、表型+环境+基因型条件下获得大数据的工具。
G P E互作示意图
本文从表型数据收集、表型分析等方面概述了作物表型组学的研究现状，介绍了细胞、组织、器官、植株、田间群体等不同水平的作物表型分析方法，讨论了表型数据提取、分析和存储研究中的实际问题。Zhao C等认为表型组学正在进入具有多领域、多层次和多尺度特征的大数据时代，强调了建立多尺度、多维度和跨区域作物表型大数据库的必要性和重要性。最后，Zhao C等讨论了作物表型组学未来的挑战和前景，并为精确育种提出新的智能解决方案。
表2 作物微观尺度表型性状分析的常用方法和发展方向
表3 高通量植物表型平台成像技术综述
表4 可控环境下作物表型技术及平台设备一览表
表5 田间表型平台的特征和应用详表
全文阅读
Zhao C, Zhang Y, Du J, et al. Crop phenomics: current status and perspectives. Frontiers in Plant Science, 2019, 10: 714.
