利用表型組學(xué)輔助篩選技術(shù)開(kāi)發(fā)高效植物育種表型預(yù)測(cè)因子

2019年7月，Plant Phenomics刊發(fā)了由來(lái)自美國(guó)愛(ài)荷華州立大學(xué)（Iowa State University）的Kyle Parmley等人撰寫(xiě)的題為Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean的研究論文，介紹了在大豆中利用表型組學(xué)輔助篩選技術(shù)開(kāi)發(fā)高效植物育種表型預(yù)測(cè)因子的方法。愛(ài)荷華州立大學(xué)的Asheesh K. Singh教授為本文通訊作者。

表型輔助育種技術(shù)的發(fā)展速度已經(jīng)滯后于基因組輔助育種技術(shù)，現(xiàn)在基因組輔助育種已成為培育主流品種的關(guān)鍵技術(shù)。然而，表型技術(shù)的進(jìn)步使植物學(xué)家能夠獲得可以分析的高維數(shù)據(jù)集，從而優(yōu)化育種計(jì)劃的運(yùn)作效率。本研究在6個(gè)環(huán)境中收集了292份經(jīng)不同遺傳改良的大豆種質(zhì)的表型和籽粒產(chǎn)量數(shù)據(jù)。隨機(jī)森林（Random Forest）是一種機(jī)器學(xué)習(xí)（machine learning, ML）算法，用其映射表型性狀與籽粒產(chǎn)量之間的復(fù)雜關(guān)系，同時(shí)使用與育種挑戰(zhàn)相一致的兩種交叉驗(yàn)證（cross-validation, CV）場(chǎng)景評(píng)估預(yù)測(cè)性能。為了開(kāi)發(fā)能滿(mǎn)足育種目標(biāo)的未來(lái)高通量表型部署的規(guī)范性傳感器包，將遺傳算法（GA）技術(shù)與特征重要度相結(jié)合以選擇表型性狀的子集，尤其是最優(yōu)波段。結(jié)果闡明了融合機(jī)器學(xué)習(xí)（ML）和最優(yōu)化技術(shù)識(shí)別一系列當(dāng)季表型性狀的能力，這將使育種計(jì)劃減少對(duì)資源密集型的季末表型（如，收獲的籽粒產(chǎn)量）的依賴(lài)。本研究以大豆為例建立一個(gè)配置多性狀表型預(yù)測(cè)的模板，該模板易于修正且適用于任何作物品種和育種目標(biāo)。

Cross-validation scenarios (CV1 and CV2) and preprocessing methods (Methods 1 and 2) used to assess phenomic prediction model performance. 

Spearman rank correlation and classification metrics (specificity=SPE, balanced accuracy=BAC, F score=FS) of random forest model test prediction using only optimized wavebands (blue line) and selected canopy traits (red line).

育種家和遺傳學(xué)家的目標(biāo)是在育種過(guò)程中利用從未使用過(guò)的遺傳資源，而表型輔助育種技術(shù)有潛力在大多數(shù)主流項(xiàng)目中整合遺傳多樣性。表型組學(xué)輔助方法可以讓育種家操縱遺傳增益方程，特別是遺傳變異和選擇強(qiáng)度。為了改善不同種質(zhì)的籽粒產(chǎn)量，第一步是使用高通量表型分析技術(shù)和包括機(jī)器學(xué)習(xí)在內(nèi)的高級(jí)數(shù)據(jù)分析建立與籽粒產(chǎn)量相關(guān)的表型性狀之間的關(guān)聯(lián)。這些方法需要與預(yù)測(cè)當(dāng)季籽粒產(chǎn)量結(jié)合使用，但更重要的是生產(chǎn)性能排序，這是植物育種計(jì)劃中性狀選擇的關(guān)鍵。

本研究鑒定了一組高產(chǎn)的大豆品種，對(duì)大豆育種家來(lái)說(shuō)，這進(jìn)一步證明了在種質(zhì)資源收集過(guò)程中可獲得豐富的遺傳多樣性。這些結(jié)果與更廣泛的研究結(jié)果一致，這些研究表明，種質(zhì)收集在現(xiàn)代育種工作中對(duì)生物和非生物抗性及生產(chǎn)性能的研究具有實(shí)用價(jià)值。籽粒產(chǎn)量遺傳變異的存在使這個(gè)擁有292份種質(zhì)的小組與研究目標(biāo)相關(guān)，因?yàn)樗�涵蓋了更廣泛的表型和背景。

How to Cite this Article

Kyle Parmley, Koushik Nagasubramanian, Soumik Sarkar, Baskar Ganapathysubramanian, and Asheesh K. Singh, “Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean,” Plant Phenomics, vol. 2019, Article ID 5809404, 15 pages, 2019. https://doi.org/10.34133/2019/5809404.

 About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線(xiàn)發(fā)行，是Science合作出版的第二本期刊。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。

翻譯：孫港 

編輯：孔敏 

審核：尹歡、陳文珠