小麦（Triticum aestivum L.）是全球主要作物，通常在干旱和半干旱地区种植。全球气候变化加剧了这些地区的干旱状况，促使人们需要培育高产抗旱小麦品种。了解小麦干旱反应背后的复杂机制对于开发抗旱品种至关重要。为了更好地理解小麦抗旱性的遗传基础，需要对高度遗传和性状进行评价。无损的高通量植物表型技术，结合全基因组关联研究（GWAS）和QTL定位，极大地推进了对众多作物复杂数量性状遗传基础的研究。
2024年4月19日，河南大学农学院张震及其合作者发表在New Phytologist（IF=8.3）上的，题为“Integrating high-throughput phenotyping and genome-wide association studies for enhanced drought resistance and yield prediction in wheat”的文章，通过高通量表型分析技术，揭示了小麦在干旱胁迫下的新型i-traits，并探索了其与生物学特性的关联。研究发现ddT.95等i-traits是可靠的干旱响应指标，而TaPP2C6基因则是干旱胁迫下负调控小麦耐旱性和产量的关键基因。这些发现为耐旱小麦品种的选育提供了理论支持和实践指导，同时也为作物耐逆性研究提供了新的思路和方法。
一、研究方法
1. 实验材料与设计
研究选取了一个包含155个小麦品种的关联群体，在温室条件下进行了不同干旱处理实验。这些处理包括充分灌溉（WW）、中度干旱（MD）、严重干旱（SD）和干旱后复水（RW）。每个处理设置三个重复，以确保结果的可靠性。
2. 高通量表型分析（HTP）
利用高通量表型分析平台，对小麦植株进行了全面的图像采集和分析。他们使用RGB和HSI扫描仪，从多个角度捕获小麦植株的图像，生成了约3.68TB的成像数据。通过这些数据，提取了28392个基于图像的表型特征（i-traits），包括6876个RGB特征和21516个HSI特征。
图1小麦自然群体的干旱表型。(a)155份小麦种质的地理来源。(b)利用时域反射仪定量测定土壤含水量。在拔节期（JS）、孕穗期（BS）和抽穗期（HD），土壤含水量保持在25%。一旦植物达到开花日（FD），就停止灌溉，并且在开花后6 d的轻度干旱（FD 6）和开花后9 d的重度干旱（FD 9）期间记录土壤水分。在FD 9时对植物进行再浇水，并在再浇水后3天（FD 12）记录土壤水分。HA代表收获期。(c)为基于图像的数字特质（i-trait）提取而执行的图像分析。MD，轻度干旱; RW，干旱后重新浇水; SD，严重干旱; WW，灌溉良好。(d)识别的红绿蓝（RGB）和高光谱成像（HSI）i性状的数量总结。(e)主成分分析（PCA）的所有i-性状在不同的干旱条件下收集。(f)ddT.95、Side-PC 1和Top-GPA不同干旱条件下变化。
3. 全基因组关联分析（GWAS）
利用GWAS技术，分析了小麦抗旱性与单核苷酸多态性（SNP）之间的关联。发现了61503个显著的标记-性状关联（MTAs）和27个与干旱响应相关的SNP簇。通过进一步的功能分析，确定了TaPP2C6是一个重要的负调控因子，能够影响小麦的抗旱性。
4. 转录组数据分析
为了深入了解小麦抗旱性的分子机制，研究还进行了转录组数据分析。选取了两个小麦品种（一个高度敏感品种和一个较抗旱品种）进行RNA-seq测序，比较了不同干旱处理下基因表达的差异。通过差异表达分析，鉴定了一批与干旱响应相关的基因，并验证了TaPP2C6的功能。
图2小麦干旱响应单核苷酸多态性（SNPs）的遗传结构和表达分析。(a)不同干旱条件下与DR相关的基于图像的数字性状（i-traits）的热图。MD，轻度干旱; RW，干旱后重新浇水; SD，严重干旱; WW，灌溉良好。(b)一个包含所有155个小麦种质在协会群体的系统发育树。利用筛选出的小麦55 K SNP微阵列中的SNP标记，采用邻接法构建系统发育树。(c)所有小麦种质的前两个特征向量的主成分分析（PCA）图。(d)小偃107和西农889的穗和叶组织在对照和干旱处理下的1861个含SNP基因的表达水平的热图。(e)对1861个候选基因进行基因功能分析，这些候选基因含有与来自DRR处理的i-性状相关的显著SNP。
二、主要发现
1. TaPP2C6是一个重要的负调控因子
研究团队通过GWAS和转录组数据分析，发现TaPP2C6是一个重要的负调控因子，能够影响小麦的抗旱性。他们发现，在干旱条件下，TaPP2C6在叶片和穗部显著上调表达。通过病毒诱导的基因沉默（VIGS）技术，他们进一步验证了TaPP2C6的功能，发现沉默TaPP2C6能够显著提高小麦的抗旱性和存活率。这表明，TaPP2C6是一个潜在的抗旱育种目标基因。
图3小麦抗旱性综合网络及候选基因分析。(a)单核苷酸多态性（SNP）簇在小麦染色体上的分布。(b)高光谱成像（HSI）衍生的DRR图像的数字性状（i-traits）和显着相关的SNP的网络。(c)放大视图显示了重要SNP和i特征之间的网络关系。(d)在WW和DR条件之间差异表达的四种候选基因的表达水平的热图。
2. 鉴定了一批与干旱响应相关的SNP簇
通过GWAS分析，鉴定了一批与干旱响应相关的SNP簇。其中，SNP簇C2包含了四个SNP，与多个与产量相关的QTL共定位。发现，C2簇中的基因TraesCS2A02G251800是水稻中OsCIPK23的同源基因，参与了授粉和干旱胁迫响应的信号通路。这表明，C2簇可能是一个重要的抗旱遗传位点。
图4 Tapp 2c 6基因敲除的植物耐旱性提高。(a)单核苷酸多态性（SNP）簇C2的曼哈顿图和连锁不平衡（LD）区组分析。(b)利用病毒诱导的基因沉默（VIGS）沉默TaPP 2C 6可提高小麦的抗旱性(c)干旱条件下几个小麦品种TaPP 2C 6基因表达分析。(d)在充分浇水（WW）、轻度干旱（MD）、严重干旱（SD）和再浇水（RW）条件后的野生型（WT）和两个p53 2c 6敲除系（p53 2c 6 -1和p53 2c 6 -2）的图像。(e)WT和W12 c6敲除植物的失水率。数据表示为来自三个生物学重复的平均标准偏差。(f)正常生长条件下WT和tap 2c 6敲除植物的红外图像和统计分析。
图5.在干旱条件下，Y12c6基因敲除株系表现出提高的谷粒产量。(a)在对照和干旱条件下，来自B12c6敲除系和野生型（WT）植物的幼苗的代表性图像。(b)来自对照和干旱条件下的WT 2c6敲除系和WT植物的单个谷粒的图像。(c)对照和干旱条件下粒长、粒宽、单株产量和千粒重的统计比较。(d)对照和干旱条件下的株高、分蘖数、穗长和单株粒数。
3. 建立了一个机器学习模型预测小麦产量
研究团队建立了一个机器学习模型来预测小麦在干旱条件下的产量。他们利用随机森林算法，从28392个i-traits中筛选出了最重要的24个i-traits作为预测因子。通过10折交叉验证，他们发现该模型能够准确预测小麦在干旱条件下的产量，为小麦抗旱育种提供了有力的工具。
图7干旱条件下产量预测的机器学习模型。(a)前24个基于图像的数字性状（i-traits）通过使用随机森林模型进行识别。根据模型的准确性，i-traits按重要性降序排列。插入表示10倍交叉验证误差作为用于按照变量重要性顺序对小麦产量稳定进行回归的输入类的数量的函数。(b)干旱条件下24个i-性状的产量预测。(c)根据重要i-性状预测小麦植株的DR-理想型。MD，轻度干旱; RW，干旱后重新浇水; SD，严重干旱。
总结
本研究揭示的干旱响应i-traits不仅具有快速、准确的干旱监测能力，还能够反映小麦在干旱条件下的生理适应机制。这些i-traits的生物学意义在于为耐旱小麦品种的选育提供了更加精准的表型指标；TaPP2C6基因在干旱胁迫下负调控小麦的耐旱性和产量。这一发现为耐旱小麦品种的分子育种提供了新的靶点。通过基因编辑等技术手段，可以抑制TaPP2C6基因的表达，从而提高小麦的耐旱性和产量。本研究表明，高通量表型分析技术在干旱胁迫下小麦的i-traits鉴定和生物学特性研究方面具有广阔的应用前景。该技术不仅能够提高耐旱小麦品种的选育效率，还能够为作物耐逆性研究提供新的思路和方法
图8高效发掘小麦抗旱基因和种质资源的方法总结。（a、B）使用多个高通量表型（HTP）平台相机获取并分析小麦的动态干旱响应。获取的光谱包括红-绿-蓝（RGB）、高光谱、种子高光谱和野外无人机。还对根表型进行了成像。(c)使用全基因组关联研究（GWAS）结合RNA-seq进一步鉴定候选基因。利用病毒诱导的基因沉默（VIGS）和转基因技术对候选抗旱基因进行功能验证。(d)利用机器学习技术筛选抗旱新种质，为小麦抗旱理想型育种提供了新的策略
