一个自动化的根系表型平台能够在小麦中进行非破坏性的高通量根系架构剖析
Zhen Zhang1, Xiaolong Qiu1, Guanghui Guo1
1State Key Laboratory of Crop Stress Adaptation and Improvement, College of Agriculture, School of Life Sciences, Henan University, Kaifeng 475004, China.
Plant physiology
|April 30, 2025
概括
研究人员开发了一个自动化平台,用于在小麦中进行高通量根系表型化,从而能够发现新的根系特征和基因. 该系统有助于理解根系架构 (RSA),以提高作物产量和育种策略.
科学领域:
- 植物科学 植物科学
- 遗传学 遗传学 是一个
- 农业工程 农业工程
背景情况:
- 根系架构 (RSA) 对植物生长和产量至关重要,但其地下性质使分析复杂化.
- 需要有效的,非破坏性的方法来进行大规模的RSA表征.
研究的目的:
- 为小麦RSA开发一个自动化,高吞吐量表型化平台.
- 识别控制根性特征的遗传位置和候选基因.
- 为了探索RSA和育种应用的产量之间的关系.
主要方法:
- 开发一个自动化的,非破坏性的,高通量根系表型化平台 (Root-HTP) 和数据处理管道.
- 在现场表型化以提取所有小麦发育阶段的47个RSA特征.
- 全基因组关联研究 (GWAS) 使用来自155个小麦加入的根和产量数据.
主要成果:
- 根-HTP系统成功地描述了小麦RSA,提取了47个特征,包括新的特征.
- GWAS确定了2650个与RSA相关的SNP和233个QTL,包括候选基因TaMYB93.
- 20个根相关的QTL与产量特征相关,并开发了基于RSA的小麦产量的预测模型.
结论:
- 开发的Root-HTP平台可以进行高效的大规模小麦RSA分析.
- 获得了对小麦RSA的遗传洞察力,确定了关键基因和QTLs.
- 基于RSA观念型的育种和产量预测得到了这些发现的支持.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.1K
08:25Using Flatbed Scanners to Collect High-resolution Time-lapsed Images of the Arabidopsis Root Gravitropic Response
Published on: January 25, 2014
12.3K
