隐藏的一半的表型化:结合无人机表型化和机器学习来预测田间大麦根特征
Samir Alahmad1, Daniel Smith2, Christina Katsikis1
1Queensland Alliance for Agriculture and Food Innovation (QAAFI), The University of Queensland (UQ), Brisbane, QLD, 4072, Australia.
Journal of experimental botany
|June 28, 2025
概括
本研究介绍了一种可扩展的现场表型化方法,使用机器学习来预测大麦根特征. 这种方法有助于通过了解根结构的遗传控制来开发适应气候的作物.
科学领域:
- 植物科学 植物科学
- 遗传学 遗传学 是一个
- 农业科学 农业科学
背景情况:
- 改善作物根系对于适应和生产力至关重要,但面临着表型和遗传理解的挑战.
- 将受控环境的发现转化为根特征的现场条件仍然很困难.
研究的目的:
- 开发和验证一种可扩展,非破坏性的现场表型方法,用于预测大麦根特征.
- 使用机器学习预测识别与根和芽特征相关的基因组区域.
主要方法:
- 在两个环境中对澳大利亚大麦线进行实地实验.
- 一个基因型的子集的基于地面的根和芽的表型化.
- 训练机器学习模型使用来自无人机的植被指数 (VI) 来预测更大的面板的根分布和生物质.
- 使用预测的特征,基于哈普洛型的映射.
主要成果:
- 通过无人机衍生VIs和机器学习成功预测了根分布和地表生物质.
- 确定了关键的基因组区域,包括新的基因位点,之前报告的QTL,以及与根和芽特征相关的EGT2基因.
- 展示了基于现场的根特征表型化的可扩展方法.
结论:
- 开发的机器学习方法可以在现场条件下进行可扩展的,非破坏性的根特征预测.
- 这种方法促进了根研究,并支持了对气候适应性大麦品种的繁殖.
- 确定的EGT2和其他基因组区域提供了改善根结构和作物表现的目标.


