表型組學(xué)在水稻研究中的應(yīng)用

彭永彬 謝先芝

(山東省水稻研究所, 濟(jì)南 250100; *通信聯(lián)系人, E-mail: xzhxie2010@163.com)

水稻是世界主要糧食作物。面對(duì)全球環(huán)境多變和人口快速增長(zhǎng)所帶來(lái)的一系列挑戰(zhàn)，如何在減少投入的前提下有效挖掘水稻高產(chǎn)優(yōu)質(zhì)的潛力，是亟待解決的問(wèn)題[1]。因此，培育具有病蟲害抗性、養(yǎng)分利用率高、耐旱等特性的水稻成為解決問(wèn)題的關(guān)鍵[2]。此外，水稻的基因組小，與其他禾本科作物的基因組具有共線性，因此水稻作為理想的單子葉模式作物，其重要農(nóng)藝性狀的功能基因組研究是植物生物學(xué)研究的熱點(diǎn)。表型數(shù)據(jù)的獲取依靠人工篩選勞動(dòng)量大、效率低，受人工主觀因素影響大。而且隨著勞動(dòng)力成本逐年增高，表型檢測(cè)的成本逐年升高[3]。此外，某些表型數(shù)據(jù)的獲取只能以破壞水稻植株的完整性為代價(jià)，無(wú)法獲取植株生長(zhǎng)發(fā)育的動(dòng)態(tài)性變量。

表型組學(xué)是指在基因組水平上系統(tǒng)地研究某一生物或細(xì)胞在各種不同環(huán)境條件下所有表型的學(xué)科[4-5]。近十年來(lái)，隨著植物高通量表型無(wú)損獲取方法及數(shù)據(jù)獲取設(shè)備的發(fā)展，表型組學(xué)研究手段開始應(yīng)用于植物基礎(chǔ)研究和作物育種中[6-8]。高通量表型分析平臺(tái)可用于篩選大型植物種群、鑒定種質(zhì)資源、繪制遺傳圖譜、提高表型數(shù)據(jù)獲取的精準(zhǔn)度且無(wú)損傷性，同時(shí)通過(guò)自動(dòng)化、遠(yuǎn)程操控及圖像數(shù)據(jù)分析，實(shí)現(xiàn)勞動(dòng)力低投入[9]。當(dāng)前，表型組學(xué)在水稻研究應(yīng)用中，對(duì)單一或少數(shù)表型研究相對(duì)較多，從組學(xué)角度出發(fā)對(duì)水稻表型進(jìn)行的研究較少[4]。

隨著測(cè)序技術(shù)的快速發(fā)展，水稻全基因組水平上的功能分析進(jìn)入高通量時(shí)代[10]，如已深入解析了S5、GS5、SNAC1、RID1等調(diào)控重要農(nóng)藝性狀的關(guān)鍵基因功能[9,11-14]。但由于表型分析工具的落后，限制了解析數(shù)量性狀遺傳學(xué)的能力。顯然高通量表型組學(xué)成為功能基因組學(xué)及作物育種研究的新瓶頸之一[4]。為此，植物表型組學(xué)研究，結(jié)合高通量表型分析平臺(tái)和基因組分析技術(shù)，必將成為植物基礎(chǔ)研究學(xué)者快速解碼大量未知基因功能的重要科學(xué)工具，對(duì)發(fā)現(xiàn)并揭示作物重要基因功能，加強(qiáng)和提升我國(guó)在作物功能基因組及作物遺傳改良領(lǐng)域的地位有非常重要的意義。本文從常用公共文獻(xiàn)數(shù)據(jù)庫(kù)中檢索已發(fā)表的關(guān)于水稻領(lǐng)域表型組學(xué)研究的文獻(xiàn)，對(duì)目前的研究現(xiàn)狀進(jìn)行列舉綜述，旨在概括目前表型組學(xué)在水稻研究中的應(yīng)用方向，為以后的相關(guān)研究提供理論基礎(chǔ)。

1 基于植被指數(shù)評(píng)估水稻產(chǎn)量

水稻育種方案中通常以株高、葉長(zhǎng)、葉寬、葉角、穗型、分蘗數(shù)等冠層結(jié)構(gòu)參數(shù)為主要選擇指標(biāo)。冠層光合作用的改善對(duì)提高水稻生物量和產(chǎn)量具有重要意義[15,16]。如何快捷高效地獲取冠層結(jié)構(gòu)參數(shù)是目前水稻冠層光合作用研究需要解決的問(wèn)題之一。到目前為止，還沒有一種穩(wěn)健的方法判定冠層輻射利用效率（radiation use efficiency, RUE）的最佳參數(shù)組合。3D冠層光合作用模型(threedimensional canopy photosynthesis model, 3dCAP)有效地結(jié)合了3D冠層結(jié)構(gòu)、冠層垂直氮分布、光線追蹤算法和葉片光合作用[17,18]。Chang等[19]研發(fā)了一個(gè)高效的 3dCAP參數(shù)化工作流程，可以預(yù)測(cè)不同氣候條件下水稻不同氮肥處理的日冠層RUE。并且利用3dCAP，研究了分蘗數(shù)、分蘗角和葉角三種冠層結(jié)構(gòu)參數(shù)對(duì)冠層 RUE的影響。該研究結(jié)果表明通過(guò)多種參數(shù)組合可以得到相似的冠層RUE。該新模型的研發(fā)為應(yīng)用于改進(jìn)型冠層 RUE的水稻模型設(shè)計(jì)工作奠定基礎(chǔ)。此外，Chang等[19]研究報(bào)道了一個(gè)整合了冠層三維結(jié)構(gòu)、冠層垂直氮分布、光線追蹤算法和 C3葉片光合模型的三維株型與冠層光合模型 3dCAP模型，該模型具有一套參數(shù)化算法，從水稻植株、分蘗、穗及籽粒等方面高效采集模型輸入?yún)?shù)。同時(shí)，他們還設(shè)計(jì)了用戶操作系統(tǒng)，可實(shí)現(xiàn)冠層結(jié)構(gòu)模擬、冠層光合模擬、植株株型優(yōu)化、栽培密度優(yōu)化等多種研究目的。

時(shí)間序列植被指數(shù)（time-series vegetation indices, VIs）通常用于糧食產(chǎn)量估算，該指數(shù)受到品種背景、光照及大氣條件等多種內(nèi)外因素的影響，這影響了作物產(chǎn)量的評(píng)估準(zhǔn)確性。利用遙感手段估測(cè)水稻產(chǎn)量，極大提高了工作效率，但其精度也受水稻生育期的影響。為此，Wang等[20]利用無(wú)人機(jī)搭載Rikola高光譜成像儀，獲得了分蘗期、拔節(jié)期、孕穗期、抽穗期、灌漿期、成熟期等關(guān)鍵生育期的高光譜圖像和水稻產(chǎn)量，提出了基于地塊層次的相對(duì)植被指數(shù)（relative vegetation index）和相對(duì)產(chǎn)量，在水稻產(chǎn)量估算中，確定了不同生育階段的最佳植被指數(shù)型及其波段組合。該方法進(jìn)一步豐富了基于遙感數(shù)據(jù)的水稻產(chǎn)量估算技術(shù)系統(tǒng)。為解決水稻不同生育期需要使用不同估測(cè)模型的問(wèn)題，Jiang等[21]在水稻不同生育期分別獲取高光譜分辨率的多光譜影響和高地表分辨率的RGB（red-green-blue）圖像。利用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)（structure from motion, SfM）算法，從 RGB影像中獲取水稻冠層的點(diǎn)云結(jié)構(gòu)，然后構(gòu)建不規(guī)則三角網(wǎng)（triangulated irregular network, TIN），利用TIN提取水稻冠層的幾何結(jié)構(gòu)信息，將水稻田的積溫（growing degree days,GDD）作為氣候信息。之后分別對(duì)比光譜、幾何結(jié)構(gòu)、光譜+幾何結(jié)構(gòu)、光譜+幾何結(jié)構(gòu)+氣候信息四種方法的估測(cè)精度。最后確定光譜+幾何結(jié)構(gòu)+氣候信息的方法對(duì)生物量的估測(cè)精度最高。該研究提出了一種將光譜信息和水稻冠層幾何結(jié)構(gòu)信息以及種植區(qū)域的氣候信息結(jié)合的生物量估測(cè)方法，提高了全生育期生物量估測(cè)精度。為了解決水稻生育后期稻穗的出現(xiàn)對(duì)遙感預(yù)測(cè)形成干擾而導(dǎo)致估測(cè)精度下降的問(wèn)題，Duan等[22]提出了一種植被指數(shù)和混合像元分析相結(jié)合的方法，在水稻的孕穗期和抽穗期，分別獲取多光譜無(wú)人機(jī)影像以及地面實(shí)測(cè)數(shù)據(jù)。將得到的植被指數(shù)和水稻葉片、穗及種植土壤等豐度信息相結(jié)合，在兩個(gè)時(shí)期內(nèi)分別建立基于無(wú)人機(jī)影像的植被指數(shù)與水稻產(chǎn)量之間的關(guān)系，研究表明該分析方法可明顯提高水稻抽穗期的估產(chǎn)精度。

2 基于水稻生長(zhǎng)動(dòng)態(tài)評(píng)估施氮量

水稻植被生長(zhǎng)動(dòng)態(tài)變化與施氮量密切相關(guān)。有效評(píng)估水稻不同生長(zhǎng)時(shí)期的植被指數(shù)，對(duì)于種植早期診斷和施肥的定量調(diào)控具有重要意義。新興的高通量植物表型分析技術(shù)，使得人們對(duì)于水稻植被動(dòng)態(tài)指數(shù)的掌握提升到新的層面。Zhu等[23]提出了一種利用水稻植株點(diǎn)云的端到端重建體系，根據(jù)水稻植株特性精確地分割不同類型的點(diǎn)云，采取表面和邊緣擬合以確保生成精準(zhǔn)的平滑度，最后通過(guò)后處理得到真實(shí)的可視化效果。該研究所獲取的水稻點(diǎn)云有助于精準(zhǔn)掌握水稻生長(zhǎng)動(dòng)態(tài)。為了快速準(zhǔn)確判斷水稻種植密度與施氮量的相關(guān)性，Liu等[24]開發(fā)了一種基于數(shù)字圖像的水稻產(chǎn)量預(yù)測(cè)與評(píng)估的簡(jiǎn)單模型。研究結(jié)果表明施氮量和種植密度對(duì)水稻產(chǎn)量有顯著影響。水稻產(chǎn)量隨著施氮量的增加先增后減，而隨種植密度的增加而增加。水稻冠層的歸一化紅光（normalized redness intensity, NRI）、綠光（normalized greenness intensity, NGI）及藍(lán)光（normalized blueness intensity, NBI）強(qiáng)度值主要受施氮量的影響，而與種植密度不存在顯著相關(guān)性。有效評(píng)估水稻種植指數(shù)對(duì)種植早期診斷和追肥的定量調(diào)控具有重要意義。Zhang等[25]選用三個(gè)典型的粳稻品種并施用不同量的氮肥設(shè)置不同組別，利用傳感器在水稻早期至中期多次收集光譜反射率數(shù)據(jù)，隨后根據(jù)數(shù)據(jù)計(jì)算最佳植被指數(shù)并建立動(dòng)態(tài)模型和季節(jié)性糧食產(chǎn)量預(yù)測(cè)模型。最終分析表明歸一化差異紅邊指數(shù)（normalized difference red edge,NDRE）適用于水稻氮素營(yíng)養(yǎng)分析，基于NDRE模型的特征平臺(tái)值準(zhǔn)確預(yù)測(cè)了水稻種植條件與產(chǎn)量水平間的差異。該研究所構(gòu)建的新動(dòng)態(tài)模型有效地預(yù)測(cè)了水稻莖稈伸長(zhǎng)和孕穗期籽粒產(chǎn)量，為水稻生產(chǎn)氮肥追肥管理提供了實(shí)時(shí)氮素營(yíng)養(yǎng)數(shù)據(jù)。此外，對(duì)水稻冠層變量進(jìn)行無(wú)損快速估算是精準(zhǔn)施氮的有效措施。高光譜遙感可用于及時(shí)準(zhǔn)確地分析冠層的理化性質(zhì)。然而種植背景中的土壤和水等成分差異使得冠層光譜反射（canopy spectral reflectance,CSR）預(yù)測(cè)作物氮利用變得復(fù)雜。Din[26]等建立了動(dòng)態(tài)冠層氮狀態(tài)指標(biāo)、葉片干重、葉片氮濃度、葉片氮積累與冠層光譜反射衍生的新高光譜植被指數(shù)（hyperspectral vegetation indices）之間的定量關(guān)系，并分析了利用這些定量關(guān)系在不同水稻生長(zhǎng)時(shí)期對(duì)碳氮變量進(jìn)行評(píng)估的合理性。該研究為水稻生長(zhǎng)期氮素施用的精確管理提供了一種快速、準(zhǔn)確的冠層氮指數(shù)估算方法。

3 基于高通量表型組學(xué)和基因組學(xué)平臺(tái)鑒定QTL位點(diǎn)

基于光學(xué)成像和圖像分析技術(shù)，可自動(dòng)化連續(xù)無(wú)損持續(xù)測(cè)量水稻表型，通過(guò)結(jié)合基因組學(xué)，可定位到引起水稻植株表型差異的基因位點(diǎn)。稻縱卷葉螟（Cnaphalocrocis medinalis）是水稻產(chǎn)區(qū)的主要害蟲之一，導(dǎo)致嚴(yán)重的水稻產(chǎn)量損失，且由此帶來(lái)農(nóng)藥污染等一系列環(huán)境問(wèn)題。確定新的穩(wěn)定抗源對(duì)于有效治理稻縱卷葉螟具有重要意義。利用高通量表型和基因組學(xué)分析平臺(tái)進(jìn)行稻縱卷葉螟抗性的表型×基因型×環(huán)境互作分析，發(fā)現(xiàn)在不同環(huán)境條件下，受損葉面積、損傷程度及葉片長(zhǎng)度等均具有非常高的廣義遺傳力，主要?dú)w因于基因型效應(yīng)，相對(duì)來(lái)說(shuō)葉片寬度遺傳力則較低，受環(huán)境影響較大。最后通過(guò)聯(lián)合分析篩選出適用于培育具有抗稻縱卷葉螟品種的兩種穩(wěn)定基因型[27]。

由于缺乏適當(dāng)?shù)墓w，以及缺乏高通量表型和基因型×環(huán)境相互作用的分析平臺(tái)，限制了水稻籽粒蛋白質(zhì)含量（GPC）的主效 QTL的鑒定。Chattopadhyay等[28]使用籽粒蛋白供體 ARC10075和高產(chǎn)栽培品種Naveen開發(fā)了BC3F4定位群體，并采用40K Affimetrix自定義SNP陣列對(duì)190個(gè)品系進(jìn)行基因分析，以鑒定影響蛋白質(zhì)含量的穩(wěn)定QTL。在三個(gè)已鑒定的QTL中，一個(gè)是關(guān)于水稻籽粒蛋白質(zhì)含量（qGPC1.1）的，另兩個(gè)與在環(huán)境中穩(wěn)定遺傳的單粒蛋白質(zhì)含量(qSGPC2.1,qSGPC7.1)有關(guān)。作者在這些已鑒定的 QTL中，假設(shè)存在一些控制種子貯藏蛋白的功能基因，并在基于NIR光譜的BC3F5群體中利用qGPC1.1進(jìn)行高通量表型驗(yàn)證。隨著qGPC1.1在第1染色體短臂端粒區(qū)的滲入，高蛋白系中谷蛋白含量升高。這一點(diǎn)得到了編碼谷蛋白家族蛋白 QTL區(qū)域內(nèi)候選基因的支持。冠層溫度可作為氣孔導(dǎo)度的良好指標(biāo)。為了解普通和高產(chǎn)水稻品種間氣孔導(dǎo)度表型差異的遺傳基礎(chǔ)，F(xiàn)ukuda等[29]對(duì)冠層溫度進(jìn)行了數(shù)量性狀基因位點(diǎn)分析，利用可見光圖像和熱圖像采集冠層溫差數(shù)據(jù)，定位到第11染色體短臂上穩(wěn)定的QTL位點(diǎn)qCTd11。該研究結(jié)果表明qCTd11不僅參與調(diào)節(jié)冠層溫度，還影響氣孔導(dǎo)度和光合速率。

4 基于表型組學(xué)平臺(tái)分析水稻脅迫響應(yīng)

水稻種植過(guò)程中易受洪澇、干旱、溫度、氣候、土壤鹽漬化等不同脅迫的諸多挑戰(zhàn)。利用表型組學(xué)手段深度剖析水稻脅迫響應(yīng)表型差異，為培育優(yōu)質(zhì)高產(chǎn)且耐受性強(qiáng)的水稻品種提供技術(shù)支撐。

水稻的根系結(jié)構(gòu)指其根系的空間構(gòu)型，決定了其對(duì)營(yíng)養(yǎng)吸收和水分利用的效率。由于不同品種水稻的根系結(jié)構(gòu)具有豐富的多樣性，影響植物的生理功能并且與它們?cè)诃h(huán)境中的適應(yīng)性息息相關(guān)，因此當(dāng)前研究迫切需要高精度量化根系結(jié)構(gòu)以了解其與根功能之間的關(guān)系[30,31]。Han等[32]開發(fā)出一種用于水稻RSA 3D定量的成像系統(tǒng)，利用該系統(tǒng)對(duì)育成的 20個(gè)水稻品種幼苗的二維側(cè)視圖像捕獲，隨后從圖像中分離出根，最后構(gòu)建水稻根系的3D圖像，并利用3D圖像量化表型性狀。該研究結(jié)果表明，20個(gè)品種的根形態(tài)和根的功能之間的確具有高度多樣性；隨著氣候日益惡化，可用淡水資源日益減少和高溫頻發(fā)，這些均嚴(yán)重影響水稻產(chǎn)量。CaineR等[33]研究發(fā)現(xiàn)，通過(guò)過(guò)表達(dá)水稻表皮形成因子OsEPF1，高產(chǎn)水稻品種IR64在產(chǎn)生較少氣孔的同時(shí)仍能保持較高的產(chǎn)量，這種低氣孔密度的水稻植株具有耐高溫和耐旱性；Dasa等[34]利用可見光、近紅外（VNIR）和短波紅外（SWIR）光譜對(duì)缺水脅迫下，水稻葉片的蔗糖、還原糖和總糖含量變化進(jìn)行了模擬，通過(guò)高光譜數(shù)據(jù)分析不同脅迫水平下的蔗糖、還原糖和總糖含量，篩選出最佳植被指數(shù)和糖分檢測(cè)的最佳多元模型，快速無(wú)創(chuàng)監(jiān)測(cè)水稻蔗糖、還原糖及總糖動(dòng)態(tài)。傳統(tǒng)的耐旱性評(píng)估通常誤差較大且量化不足。為此，Duan等[35]利用表型組學(xué)手段在受控田間環(huán)境下動(dòng)態(tài)量化作物干旱響應(yīng)。首先對(duì)不同生長(zhǎng)點(diǎn)的水稻單株的 RGB圖像進(jìn)行分析，得出干旱響應(yīng)特征，利用這些特征區(qū)分耐旱和干旱敏感材料，并在不同時(shí)間控制條件下量化動(dòng)態(tài)干旱反應(yīng)。該分析平臺(tái)可提供一個(gè)不依賴于人工的量化干旱反應(yīng)工具，對(duì)未來(lái)育種和功能基因組學(xué)研究具有普遍的意義。有研究表明，在較高的CO2環(huán)境生長(zhǎng)會(huì)導(dǎo)致水稻中的蛋白質(zhì)、鐵和鋅含量都顯著下降。為了驗(yàn)證該結(jié)論的準(zhǔn)確性，Zhu等[36]通過(guò)表型組學(xué)技術(shù)手段在不同地區(qū)構(gòu)建特定種植區(qū)，模擬未來(lái)50年的大氣CO2濃度，結(jié)果表明蛋白質(zhì)、鋅和鐵的水平分別下降 10%、8%、5%，各類維生素含量也有所下降。盡管不同品種對(duì)高濃度CO2的響應(yīng)區(qū)別很大，但整體而言，高濃度CO2對(duì)水稻品質(zhì)帶來(lái)不利影響；Moura等[37]以表型和生理學(xué)手段鑒定具有優(yōu)異耐冷性的水稻種質(zhì)。用秈稻、粳稻及秈粳稻雜交材料探究水稻品種的遺傳多樣性和生態(tài)多樣性。通過(guò)生長(zhǎng)溫度調(diào)節(jié)進(jìn)行主成分分析，發(fā)現(xiàn)耐寒性較好的一些試驗(yàn)品種。該研究有助于為水稻耐寒性品種的育種工作奠定基礎(chǔ)。本實(shí)驗(yàn)室目前正利用表型組學(xué)技術(shù)研究水稻耐鹽性鑒定技術(shù)指標(biāo)，探索了耐鹽性不同的水稻品種在鹽脅迫處理下苗期不同光合熒光參數(shù)變化，初步獲得了與水稻耐鹽性密切相關(guān)的熒光參數(shù)。在今后工作中，我們將利用該參數(shù)加快耐鹽水稻種質(zhì)資源的篩選和耐鹽育種單株的選擇。

5 其他表型組學(xué)應(yīng)用

葉氮含量（leaf nitrogen content）已被確定為決定光合能力的關(guān)鍵植物性狀。準(zhǔn)確、快速、無(wú)損測(cè)量水稻劍葉氮含量對(duì)遺傳學(xué)家和育種工作者具有重要意義。Wang等[38]開發(fā)出一款具有三波段差比光譜指數(shù)的傳感器（R755、R513、R508），能夠?qū)崿F(xiàn)無(wú)損實(shí)時(shí)測(cè)量水稻花期的葉氮含量，為表型組學(xué)在不同水稻品種的不同生長(zhǎng)階段實(shí)現(xiàn)葉氮含量無(wú)損測(cè)量應(yīng)用奠定了基礎(chǔ)。Qu等[39]研究了水稻葉片光合和生物量累積之間的關(guān)系，調(diào)查了來(lái)自中國(guó)和美國(guó)的大量水稻品系的4個(gè)表型性狀和14個(gè)光合作用參數(shù)，結(jié)果發(fā)現(xiàn)弱光下的光合作用速率與生物量累積顯著相關(guān)，且具有很高的遺傳效應(yīng)。不同水稻品種間弱光下的光合作用速率差異顯著，該參數(shù)的挖掘有利于豐富現(xiàn)代水稻育種流程的測(cè)量指標(biāo)體系。為提高水稻種子耐低氧的萌發(fā)能力，有效緩解由于播種后降雨量導(dǎo)致直播稻產(chǎn)量降低的狀況，Ghosal等[40]通過(guò)構(gòu)建具有耐低氧萌發(fā)潛力的兩個(gè)遺傳圖譜，在不同環(huán)境條件下對(duì)水稻種子萌發(fā)情況進(jìn)行表型分析，利用競(jìng)爭(zhēng)性等位基因特異性PCR(kompetitive allele specific PCR, KASP)高通量SNP檢測(cè)技術(shù)進(jìn)行基因分析，最終鑒定了水稻品系QTL的不同組合，后續(xù)用于進(jìn)一步精細(xì)定位和調(diào)控機(jī)理研究。

6 展望

水稻基因組學(xué)研究為揭示水稻農(nóng)藝性狀的生長(zhǎng)規(guī)律提供了重要的理論基礎(chǔ)，但其中傳統(tǒng)高通量表型數(shù)據(jù)的獲取存在勞動(dòng)量大，統(tǒng)計(jì)效率主觀偏差大等問(wèn)題。高速發(fā)展的水稻基因組學(xué)研究同剛剛起步的水稻表型組學(xué)研究之間的矛盾，已成為制約水稻優(yōu)質(zhì)高產(chǎn)育種理論實(shí)現(xiàn)的瓶頸之一[41]。針對(duì)水稻的全表型數(shù)據(jù)分析會(huì)產(chǎn)生海量數(shù)據(jù)，目前的數(shù)據(jù)分析方法很難從這類數(shù)據(jù)集中提取出有意義的生物學(xué)信息。這需要開發(fā)更加精確、高效、處理性強(qiáng)的算法獲取更加可靠的數(shù)據(jù)；另一方面，需要表型組學(xué)與基因組學(xué)、轉(zhuǎn)錄組學(xué)等多組學(xué)相結(jié)合，將具體的表型性狀與相對(duì)應(yīng)的遺傳信息聯(lián)系起來(lái)，量化分析水稻特定表型的遺傳規(guī)律，從不同角度多方位解析水稻重要發(fā)育過(guò)程。

從表型組學(xué)概念提出至今，外文文獻(xiàn)中以作物表型組學(xué)為主題的文獻(xiàn)有 288篇，中文文獻(xiàn)約 20篇[4]，隨著高通量作物表型獲取手段的不斷開發(fā)和完善，關(guān)于作物表型組學(xué)的研究越來(lái)越多，其中以水稻表型組學(xué)為主題的報(bào)道有 37篇，分別是關(guān)于逆境脅迫[27, 34, 35, 37, 42-46]、光合作用[33, 36, 39, 47]、農(nóng)藝性狀[19, 20, 24, 29, 48-54]、氮肥管理[25, 26, 38]和種子活力[40]等的研究。

此外，在檢索到的288篇有關(guān)作物表型組學(xué)的研究中，關(guān)于表型組數(shù)據(jù)庫(kù)的研究?jī)H 20余篇。目前植物表型組學(xué)數(shù)據(jù)庫(kù)有9個(gè)，但是針對(duì)水稻表型組學(xué)的完善數(shù)據(jù)庫(kù)尚未建立[4]。水稻表型組學(xué)作為一個(gè)快速發(fā)展的領(lǐng)域，新的表型獲取手段和研究方法不斷出現(xiàn)，只會(huì)催生越來(lái)越龐大復(fù)雜的水稻表型組數(shù)據(jù)。因此，構(gòu)建特定水稻表型組標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，將成為日后的工作研究重點(diǎn)。