植物表型組學(xué)研究平臺建設(shè)及技術(shù)應(yīng)用

胡偉娟，凌宏清，傅向東

植物表型組學(xué)研究平臺建設(shè)及技術(shù)應(yīng)用

胡偉娟1,2，凌宏清1,2，傅向東1,2

1. 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所，植物細(xì)胞與染色體工程國家重點(diǎn)實(shí)驗(yàn)室，種子創(chuàng)新研究院，北京 100101 2. 作物表型組學(xué)聯(lián)合研究中心，武漢 430074

隨著許多重要作物及植物全基因組測序的完成，科研人員對高通量、精準(zhǔn)、無損傷獲取植物表型信息的需求日益增加，功能完善的研究設(shè)施將成為推動(dòng)表型組學(xué)發(fā)展的加速器。在此背景下，中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所植物細(xì)胞與染色體工程國家重點(diǎn)實(shí)驗(yàn)室于2017年初建設(shè)了植物表型組學(xué)研究平臺(Plant Phenomics Analysis Platform, PPAP)。目前，該平臺已建設(shè)成為國內(nèi)采集分析植物表型信息相對較全面的研究設(shè)施之一，集成可見光成像、紅外成像、近紅外成像、根系近紅外成像、熒光成像、葉綠素?zé)晒獬上瘛⒏吖庾V成像及激光雷達(dá)成像8個(gè)數(shù)據(jù)采集單元。在此基礎(chǔ)上，該平臺同時(shí)建立了根系表型采集分析技術(shù)、穗部性狀采集分析及抗逆性狀采集分析技術(shù)體系等。植物表型組學(xué)研究平臺是公共服務(wù)平臺，致力于為國內(nèi)外從事植物研究的科研人員提供各類表型采集分析服務(wù)，包括但不限于地上部表型分析、根系表型可視化及分析等。

植物；表型；技術(shù)；應(yīng)用

在生物學(xué)和遺傳育種領(lǐng)域，表型是指構(gòu)成生物體的全部特征，包括外觀、基本維度、形態(tài)和顏色，是基因型和環(huán)境因素互相作用的結(jié)果[1]。表型采集分析是指以定性和定量的方式測量這些特征。表型組(phenome)則是指某一生物的全部性狀特征，不僅局限于農(nóng)藝性狀，還包括植株所表現(xiàn)出來的生理狀態(tài)及生化組分[2~4]。

早在1866年，“遺傳學(xué)之父”孟德爾就開始描述和分析表型，在其發(fā)表的題為《植物雜交實(shí)驗(yàn)》的著名論文中，論述了豌豆的7對相對特征，包括種子的圓形與皺縮、高莖對矮莖、綠色豆莢與黃色豆莢等。隨著遺傳學(xué)的發(fā)展，植物學(xué)家對植物特征的分析越來越深入。鑒于手工測量的局限性，一些特定的植物特征測量工具逐步興起，開始進(jìn)入表型分析的數(shù)字化測量階段。種子、葉片、根系、果實(shí)、細(xì)胞、植物冠層等不同尺度，都有相應(yīng)的分析系統(tǒng)或?qū)I(yè)軟件[5~7]。植物某些類型特征的觀測深度、測量效率有了實(shí)質(zhì)性的提升。在植物內(nèi)在特征測定方面，葉綠素?zé)晒饧夹g(shù)是研究植物生理過程中應(yīng)用最廣泛的技術(shù)之一[8,9]。目前已有許多針對光合作用機(jī)理及葉綠素?zé)晒獾牟煌匦远邪l(fā)的檢測設(shè)備[8]。這一階段的特點(diǎn)在于可以彌補(bǔ)手工測量中一些外在特征參數(shù)的誤差，可無損獲取植物內(nèi)在的特征，獲得更多數(shù)字化的結(jié)果，使得表型分析的研究進(jìn)程加快。但這些工具只針對單一類型特征進(jìn)行收集與分析，對于整株所有特征的分析，需要配備不同類型的測量工具，后期操作難度大，數(shù)據(jù)分析進(jìn)程緩慢，不適合大規(guī)模的遺傳群體特征參數(shù)的篩選。

直到20世紀(jì)末，對于植物表型的采集分析才進(jìn)入真正意義上的表型組學(xué)研究階段，其核心是獲取高質(zhì)量、可重復(fù)的性狀數(shù)據(jù)進(jìn)而量化分析基因型和環(huán)境互作效應(yīng)(G×E)及其對產(chǎn)量、質(zhì)量、抗逆等相關(guān)的主要性狀的影響[10,11]。相對于單一性狀分析，植物表型組能為植物研究提供全面的科學(xué)證據(jù)[12]，當(dāng)與相應(yīng)的基因組和環(huán)境數(shù)據(jù)相結(jié)合時(shí)，有望在植物育種領(lǐng)域引發(fā)巨大的飛躍[13]。因此，植物科學(xué)研究的難點(diǎn)正逐漸從基因分析轉(zhuǎn)向表型分析[14]。表型組學(xué)是突破未來作物學(xué)研究和應(yīng)用的關(guān)鍵研究領(lǐng)域，通過表型分析來描述關(guān)鍵性狀，可以為育種、栽培和農(nóng)業(yè)實(shí)踐提供基于大數(shù)據(jù)的決策支持。另外，表型組學(xué)的應(yīng)用潛力還體現(xiàn)在與其他組學(xué)研究的聯(lián)合分析，如基因組學(xué)、表觀組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)和降解組學(xué)等可針對作物的細(xì)胞、組織、器官、群體等不同層面以及作物的不同生長發(fā)育時(shí)期進(jìn)行綜合分析，以繪制各項(xiàng)生命活動(dòng)過程中的調(diào)控網(wǎng)絡(luò)，最終揭示生命本身的奧秘，揭示農(nóng)作物的生物學(xué)規(guī)律，切實(shí)服務(wù)于農(nóng)業(yè)生產(chǎn)[15]。

推動(dòng)表型組學(xué)研究發(fā)展的關(guān)鍵因素之一在于提高表型采集技術(shù)及建設(shè)表型采集分析設(shè)施。Araus等[16]通過比較作物基因組選擇和高通量表型組技術(shù)后指出，表型獲取技術(shù)是整個(gè)作物育種中比較薄弱的環(huán)節(jié)，需重點(diǎn)提高該技術(shù)的精度及通量。高通量表型組學(xué)研究設(shè)施的雛形最早是Crop Design公司在1998年研制成功，被定名為Trait Mill平臺，已應(yīng)用于水稻基因及其功能的評價(jià)和篩選，并實(shí)際應(yīng)用于作物育種。2008年成立的澳大利亞植物表型組學(xué)實(shí)驗(yàn)室(Australian Plant Phenomics Facility)，總投資超過50 000 000美金，已經(jīng)成功應(yīng)用于谷物鹽脅迫研究、植物抗旱性研究、抗(硼)毒性研究、高通量谷物生物量精準(zhǔn)建模和預(yù)測、鹽脅迫和根系發(fā)育研究等。此后，國際上大的科研機(jī)構(gòu)及跨國種業(yè)公司相繼建立了高通量的表型分析平臺，用于精準(zhǔn)采集分析植物表型信息。相對來說，我國的表型組學(xué)設(shè)施建設(shè)起步較晚，可采集分析的表型信息還比較有限。植物表型組學(xué)研究平臺(Plant Phe-nomics Analysis Platform, PPAP)于2017年由中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所初步建成，是一套包含可見光成像、紅外成像、近紅外成像、根系近紅外成像、熒光 成像、葉綠素?zé)晒獬上瘛⒏吖庾V成像和激光雷達(dá) 成像8個(gè)集成單元的表型研究設(shè)施。本文結(jié)合國內(nèi)外植物表型組學(xué)研究平臺建設(shè)與應(yīng)用方面的進(jìn)展，以PPAP為基礎(chǔ)，從硬件基礎(chǔ)建設(shè)、各類表型技術(shù)開發(fā)及服務(wù)等方面介紹表型組學(xué)研究設(shè)施的技術(shù)應(yīng)用。

1 平臺設(shè)施建設(shè)

由于高通量表型組學(xué)技術(shù)的興起，國際上已經(jīng)在運(yùn)行的大型表型設(shè)施有100多套，最具有代表性的包括澳大利亞國家植物表型設(shè)施“植物加速器”、英國國家植物表型中心、德國Julich表型研究中心及德國IPK溫室自動(dòng)傳送表型平臺等。但我國大型表型分析設(shè)施建設(shè)仍處于起步階段，多限于實(shí)驗(yàn)室性質(zhì)的建設(shè)工作，用于基因轉(zhuǎn)化、基因分析和鑒定。我國首個(gè)大型表型分析平臺是華中農(nóng)業(yè)大學(xué)與華中科技大學(xué)合作研制的一套水稻表型平臺，并于2014年開始啟用。此后，國內(nèi)各家單位開始進(jìn)行表型平臺的購置及搭建工作(表1)，但總體來說采集通量較小，尤其是用于表型采集的技術(shù)單元少，可獲取的表型信息有限，很難達(dá)到組學(xué)分析的高分辨率。相對來說，PPAP基于可控環(huán)境下收集主要作物及植物的全方位、多尺度、多維度表型信息，通過與基因型的關(guān)聯(lián)分析，從組學(xué)高度系統(tǒng)深入地挖掘基因型-表型-環(huán)境三者的內(nèi)在關(guān)系，全面揭示特定生物性狀的形成機(jī)制。

PPAP位于中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所西區(qū)溫室，建設(shè)面積為260 m2，由培養(yǎng)區(qū)和成像區(qū)組成（圖1）。其中，培養(yǎng)區(qū)包括植物的傳送區(qū)域、自動(dòng)稱重灌溉設(shè)備、環(huán)境監(jiān)測傳感器等，用于植物材料的自動(dòng)化培養(yǎng)和環(huán)境信息記錄；成像區(qū)主要有大型機(jī)械臂帶動(dòng)的高光譜和激光雷達(dá)成像和基于成像暗室的可見光成像、紅外成像、近紅外成像、根系近紅外成像、熒光成像、葉綠素?zé)晒獬上駟卧Ｕ麄€(gè)設(shè)施可供300盆樣品進(jìn)行自動(dòng)傳送測定表型信息，可收集多個(gè)光譜譜段的圖像信息和光譜信息，同時(shí)收集樣品的三維點(diǎn)陣信息。

2 技術(shù)應(yīng)用與服務(wù)

PPAP在硬件設(shè)施建設(shè)的基礎(chǔ)上，積極構(gòu)建各種作物的表型采集分析體系，為科研人員提供及時(shí)有效的技術(shù)支撐。目前該平臺已經(jīng)成功建立了根系可視化及表型分析技術(shù)、穗部性狀表型分析技術(shù)以及抗逆性狀表型分析技術(shù)等，已為多個(gè)研究機(jī)構(gòu)提供各項(xiàng)表型分析服務(wù)。

2.1 根系表型分析技術(shù)與服務(wù)

植物根系是植物的重要組成部分，具有非常重要的功能，如水分和養(yǎng)分的吸收與轉(zhuǎn)運(yùn)、有機(jī)物貯藏、植株錨定及與土壤互作等。同時(shí)，由于根系生長在地下，根系表型采集的核心在于如何將自然條件生長的根系進(jìn)行可視化。因此，根系表型性狀的采集和分析已成為生物學(xué)及表型組學(xué)研究的重點(diǎn)和難點(diǎn)。PPAP建立了一種用于高通量植物根系可視化分析的培養(yǎng)及測量技術(shù)體系(圖2)，能夠通過根窗技術(shù)無損傷、可持續(xù)跟蹤觀測、原位采集土壤根系信息。利用該技術(shù)可以對作物根系進(jìn)行無損傷、高通量和全自動(dòng)根系表型分析，可測量分析參數(shù)如根冠結(jié)構(gòu)(包括跟深和冠幅等)、根冠面積和根長等。

表1 國內(nèi)大型植物表型研究設(shè)施比較

圖1 植物表型組學(xué)研究平臺鳥瞰圖

2.2 穗部性狀表型分析技術(shù)與服務(wù)

穗部性狀是禾谷類作物表型研究的重要部分之一，穗型與作物產(chǎn)量水平和群體結(jié)構(gòu)狀況均有著密切關(guān)系，因而穗部性狀一直是作物育種及栽培研究的焦點(diǎn)，主要包括穗的多少、大小和形態(tài)等。PPAP利用可見光的顏色信息和紅外成像的溫度信息，擬合分析兩類圖像獲得小麥、水稻的單株穗數(shù)。通過穗部的掃描圖像可以獲得穗部組成性狀，包括穗型、穗長、每穗粒數(shù)、著粒緊密度和枝梗數(shù)目等(圖3)。

圖2 小麥在低磷和高磷不同處理下根系參數(shù)的采集分析

A：種植體系；B：圖像采集；C：圖像處理；D：根系參數(shù)提取分析。HP為高磷處理，LP為低磷處理。

2.3 非生物脅迫表型鑒定分析技術(shù)與服務(wù)

植物對其生存和生長不利的各種環(huán)境因素的響應(yīng)是一個(gè)復(fù)雜的過程，所有逆境因素包括干旱、高溫、低溫、鹽脅迫和重金屬脅迫等逆境造成的植物表型都是復(fù)雜性狀。對于復(fù)雜性狀的解析需要獲取多維度的表型信息，通過對高分辨率的表型信息的統(tǒng)計(jì)分析建模，才有望將非生物脅迫造成的復(fù)雜性狀解析成可識別的簡單指標(biāo)。PPAP通過采集植物在多個(gè)光譜下的光譜反射值，建立特定的圖像分析算法流程，可以動(dòng)態(tài)、定量分析植株在干旱、鹽脅迫及缺氮條件下表現(xiàn)出的生物量變化、葉片黃化面積、枯萎面積、葉片含水量的動(dòng)態(tài)變化、葉表溫度的變化等。通過對這些表型指標(biāo)的綜合分析，建立模型對應(yīng)到某個(gè)逆境脅迫過程植物的表型響應(yīng)過程。目前，該平臺已經(jīng)開展了小麥和水稻(圖4)等作物在干旱、鹽脅迫、高溫等脅迫過程中的動(dòng)態(tài)表型分析服務(wù)。

3 結(jié)語與展望

表型組學(xué)是突破未來作物學(xué)研究和應(yīng)用的關(guān)鍵研究領(lǐng)域，通過表型采集分析可以為育種、栽培和農(nóng)業(yè)實(shí)踐提供基于大數(shù)據(jù)的決策支持。對于表型組學(xué)來說，多元數(shù)據(jù)的組合可以解釋新的生物學(xué)知識，所以這就要求在表型設(shè)施平臺建設(shè)及數(shù)據(jù)采集方面應(yīng)盡量多地考慮多模態(tài)數(shù)據(jù)采集的結(jié)合，因?yàn)閱蝹€(gè)傳感器獲取數(shù)據(jù)特征是有限的，而且仍然存在一些技術(shù)局限性，通過結(jié)合多種成像傳感器或成像技術(shù)可以獲得更多的表型特征和更全面的數(shù)據(jù)集，且不同的成像技術(shù)相結(jié)合也可以突破單個(gè)成像技術(shù)的局限性。例如關(guān)于葉片生長發(fā)育的生物學(xué)問題，可以利用可見光成像得到葉片的大小和顏色等信息，再結(jié)合多光譜、高光譜和熱成像等技術(shù)可同時(shí)推導(dǎo)出葉片的生化含量，解釋葉片的光學(xué)特性。目前，植物表型組學(xué)研究平臺是以光學(xué)及光譜成像為主的表型采集手段，主要基于二維圖像進(jìn)行表型的獲取和分析。未來會建設(shè)規(guī)劃為整合CT成像技術(shù)，可以獲得樣品的三維及內(nèi)部結(jié)構(gòu)信息，有效避免光學(xué)成像中由于葉片相互遮擋產(chǎn)生的問題，獲取更多肉眼不可見的表型信息。該平臺預(yù)計(jì)到2020年底完成CT成像技術(shù)與光學(xué)成像的結(jié)合。

通過多模態(tài)成像技術(shù)的整合，在技術(shù)服務(wù)上平臺擬通過高光譜成像單元獲取的光譜數(shù)據(jù)及圖像數(shù)據(jù)，建立起植物內(nèi)在生理表型無損檢測分析的技術(shù)體系，為科研工作者提供相關(guān)技術(shù)服務(wù)。通過CT成像技術(shù)獲取的3位信息，建立高通量分析算法，全自動(dòng)高通量進(jìn)行表型參數(shù)的提供和分析。

表型組大數(shù)據(jù)的發(fā)展，要求表型設(shè)施要高通量、多尺度地采集樣本的時(shí)空表型信息，樣品的種養(yǎng)及采集工作也是費(fèi)時(shí)費(fèi)力的。為推動(dòng)表型組學(xué)的發(fā)展，必須促進(jìn)數(shù)據(jù)信息的共享使用，其中最重要的就是建立數(shù)據(jù)標(biāo)準(zhǔn)，通過標(biāo)準(zhǔn)化采集過程、標(biāo)準(zhǔn)化定義描述及標(biāo)準(zhǔn)化數(shù)據(jù)分析，才能推動(dòng)表型組大數(shù)據(jù)的可持續(xù)共享。

圖3 水稻穗部表型性狀采集分析示意圖

圖4 不同基因型水稻在營養(yǎng)脅迫條件下的生長發(fā)育表型檢測分析

b2為一個(gè)水稻的基因型，Normal表示正常對照處理，Stress表示低氮處理。

植物表型組學(xué)研究平臺是當(dāng)今植物科學(xué)研究發(fā)展所需要的重要基礎(chǔ)設(shè)施，對于推動(dòng)植物表型組學(xué)的發(fā)展具有重大意義，例如可以實(shí)現(xiàn)量化分析植物個(gè)體的全部表現(xiàn)信息，對植物不同空間尺度，如冠層、個(gè)體、組織器官甚至細(xì)胞及它們在整個(gè)生長發(fā)育各個(gè)階段進(jìn)行動(dòng)態(tài)性狀的獲取和分析。通過與基因組及可控環(huán)境數(shù)據(jù)的關(guān)聯(lián)分析，預(yù)期可以繪制各項(xiàng)生命活動(dòng)過程中的調(diào)控網(wǎng)絡(luò)，最終揭示生命本身的奧秘，揭示農(nóng)作物的生長發(fā)育規(guī)律，切實(shí)服務(wù)于農(nóng)業(yè)生產(chǎn)。

[1] Johannsen W. The genotype conception of heredity., 2014, 43(4): 129–159.

[2] Davis BD. The isolation of biochemically deficient mutants of bacteria by means of penicillin.,1949, 35(1): 1–10.

[3] Mahner M, Kary M. What exactly are genomes, genotypes and phenotypes? And what about phenomes?, 1997, 186(1): 55–63.

[4] Freimer N, Sabatti C. The human phenome project., 2003, 34(1): 15–21.

[5] El-Hendawy S, Al-Suhaibani N, Dewir YH, Elsayed S, Alotaibi M, Hassan W, Refay Y, Tahir MU. Ability of modified spectral reflectance indices for estimating growth and photosynthetic efficiency of wheat under saline field conditions., 2019, 9(1): 35.

[6] Xu T, Su CL, Hu D, Li FF, Lu QQ, Zhang TT, Xu QS. Molecular distribution and toxicity assessment of praseo-dymium by., 2016, 312: 132–140.

[7] Subedi P, Walsh K, Purdy P. Determination of optimum maturity stages of mangoes using fruit spectral signatures. In: Ⅸ International Mango Symposium, 2013, 992: 521– 527.

[8] Zhou W, Sui ZH, Wang JG, Hu YY, Kang KH, Hong HR, Niaz Z, Wei HH, Du QW, Peng C, Mi P, Que Z. Effects of sodium bicarbonate concentration on growth, photosyn-thesis, and carbonic anhydrase activity of macroalgae,, and(Gracilariales, Rhodophyta)., 2016, 128(3): 259–270.

[9] Schreiber U. Pulse-Amplitude-Modulation (PAM) fluoro-metry and saturation pulse method: an overview. In: Christos Papageorgiou G, Govindjee, eds. Chlorophyll a Fluorescence: A Signature of Photosynthesis. Kluwer Academic Publishers, Dordrecht, the Netherlands, 2004, 279–319.

[10] Ribaut JM, de Vicente MC, Delannay X. Molecular bree-ding in developing countries: challenges and perspectives., 2010, 13(2): 213–218.

[11] Tester M, Langridge P. Breeding technologies to increase crop production in a changing world., 2010, 327 (5967): 818–822.

[12] Finkel E. With 'phenomics,' plant scientists hope to shift breeding into overdrive., 2009, 325(5939): 380– 381.

[13] Awada L, Phillips PWB, Smyth SJ. The adoption of automated phenotyping by plant breeders., 2018, 214(8): 148.

[14] Mir RR, Reynolds M, Pinto F, Khan MA, Bhat MA. High-throughput phenotyping for crop improvement in the genomics era., 2019, 282: 60–72.

[15] Zhou J, Francois T, Tony P, John D, Daniel R, Neil H, Simon G, Cheng T, Zhu Y, Wang XE, Jiang D, Ding YF. Plant phenomics: history, present status and challenges.,2018, 41(4): 580–588.周濟(jì), Francois Tardieu, Tony Pridmore, John Doonan, Daniel Reynolds, Neil Hall, Simon Griffiths, 程濤, 朱艷, 王秀娥, 姜東, 丁艷鋒. 植物表型組學(xué): 發(fā)展?現(xiàn)狀與挑戰(zhàn). 南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 2018, 41(4): 580–588.

[16] Araus JL, Kefauver SC, Zaman-Allah M, Olsen MS, Cairns JE. Translating high-throughput phenotyping into genetic gain., 2018, 23(5): 451–466.

Development and application of the plant phenomics analysis platform

Weijuan Hu1,2, Hong-Qing Ling1,2, Xiangdong Fu1,2

With the completion of the whole genome sequencing of major important crops, researchers have an increasing demand for high-throughput, accurate and nondestructive phenotyping technologies. The Plant Phenomics Analysis Platform (PPAP) was established in 2017 at the Institute of Genetics and Developmental Biology, Chinese Academy of Sciences. The platform has the most up-to-date comprehensive phenotyping analysis facility in China with a full spectrum of imaging systems consisting of eight units including visible light, infrared, near-infrared, root near-infrared, fluorescence, chlorophyll fluorescence, high spectral and lidar imaging. The platform has also specifically established phenotyping technologies for complex traits, such as root phenotype collection and analysis, spike and spikelet feature collection and analysis and responses under stress conditions. PPAP is dedicated to providing all-possible services for domestic and international academic communities and industrial partners engaged in plant sciences.

plants; phenotype; high-throughput and non-destructive technology; application and services

2019-09-10;

2019-10-15

胡偉娟，博士，研究方向：植物表型組學(xué)應(yīng)用研究。E-mail: wjhu@genetics.ac.cn

10.16288/j.yczz.19-277

2019/10/29 15:06:30

URI: http://kns.cnki.net/kcms/detail/11.1913.R.20191029.1042.002.html

(責(zé)任編委: 張紅生)