PBJ | 华中农大谢为博团队联合美国加州大学贾震宇团队及中种集团王凯博士开发水稻抽穗期跨环境精准预测新方法
学术
科学
2024-11-02 09:14
湖北
![]()
抽穗期（开花期）是决定水稻种植季节和品种区域适应性的关键农艺性状，不仅受遗传因素调控，还受环境因素如光周期和温度的显著影响。准确预测不同环境条件下的水稻抽穗期对栽培管理决策和培育适合特定环境的新品种至关重要，但目前仍然是一项极具挑战性的任务。近日，植物学知名期刊《Plant Biotechnology Journal》在线发表了华中农业大学谢为博教授团队、美国加州大学河滨分校贾震宇教授团队和中国种子集团有限公司生命科学技术中心王凯博士等人的合作研究"Redefining the accumulated temperature index for accurate prediction of rice flowering time in diverse environments"。该研究基于178次杂交籼稻品比和区试试验的数据，创新性地重新定义了积温指数的计算方法，建立了基于积温指数的单参数水稻抽穗期预测模型，实现了水稻抽穗期的跨环境精准预测。![]()
传统上，积温指数（Accumulated Temperature Index, ATI）被定义为从播种到抽穗期间日平均温度超过基准温度的累积和，被育种家和生产者认为是一个在不同环境中较稳定的品种参数，可用来根据不同种植条件下的温度估计品种的开花时间。然而，这种ATI计算窗口的准确性和稳定性尚未被系统评估。其它的跨环境表型预测方法，如反应范数指数（Reaction Norm Index, RNI）模型，虽然有不俗的表现，但在数据有限或实验设计不平衡时性能下降，且模型参数的生物学意义不明确，实际应用中计算较为繁琐。因此，亟需一种意义明确、计算简便，且表现稳定、能够在多样化环境中准确预测水稻抽穗期的方法，以满足现代农业生产和育种的需求。研究团队首先获取了422份杂交籼稻在长江中下游稻区品比和区试试验中的抽穗期数据。试验地点覆盖长江中下游47个试点，共178次田间试验，每次实验包含12-95个品种，每个品种平均有17次种植记录。研究团队通过气象网站收集了所有试验种植期间每日的日长和平均温度等环境信息。通过分析不同环境因子对抽穗期的影响，发现在该研究中温度是影响抽穗期的主要环境因素。进一步研究发现，相比抽穗期，传统定义的ATI在不同环境下表现出较小的变异，提示ATI可能是实现跨环境预测的重要基础。而通过优化ATI计算窗口的起点和终点，可能可以得到一个更加稳健的ATI定义，从而提高基于ATI的抽穗期预测模型的准确性。为此，作者通过枚举所有1730个候选时间窗口，系统评估了不同ATI计算窗口的预测效果。通过1000次抽样分析，最终确定播种后1天至开花前26天为最佳计算窗口（图2）。有趣的是，这一时间窗口恰好对应水稻的营养生长阶段，其终点（开花前26天）大致对应成花转换的关键时期，揭示了温度累积与水稻发育转变的生物学联系。![]()
图2水稻积温指数计算窗口的优化及预测模型效果评估
基于这一发现，ATI的实际应用非常直观：对于已有记录的品种，只需最少一次田间试验即可计算其ATI值；对于仅知道基因型的新品种，则可以利用基因组预测方法，根据其基因型预测ATI值。获得ATI后，在新环境中从播种后第1天开始累加日均温度，当积温达到ATI值时，预测26天后该品种将抽穗。研究人员还可以利用历史气象数据，预测品种在不同地区不同播期的抽穗期，从而评估品种的适种范围。应用ATI的整个过程不需要复杂的计算。研究团队开发了基于ATI的单参数水稻跨环境抽穗期预测模型，并验证了其在杂交籼稻中的应用效果。在训练用品种×新环境、新品种×训练用环境和新品种×新环境三种应用场景下，预测获得的抽穗期与实际抽穗期之间的平均皮尔逊相关系数分别为0.895、0.847和0.847，分别有83.4%、69.5%和66.1%的测试样本预测误差在5天以内（图2c）。与反应范数指数（RNI）模型相比，该方法不仅预测准确率更高，而且在训练数据有限的情况下仍能保持稳定的预测效果。这些结果表明，该方法在长江中下游杂交籼稻育种和生产中具有良好的应用潜力。研究团队进一步揭示了杂交籼稻中ATI的遗传基础。通过对422份材料进行全基因组关联分析（GWAS），鉴定到10个与ATI变异显著关联的基因组位点（图3a）。其中，两个位点分别位于已知的抽穗期基因OsSOC1/Ef-cd和Ghd8附近，一个位点位于DEP1附近，揭示其附近可能有未知的影响积温的基因。特别有趣的是，研究发现4个位点与水稻生态型分化密切相关。利用这4个位点的基因型信息，就能以93.8%的准确率将杂交籼稻分为中籼和晚籼两个生态型，这一发现对杂交稻亲本的选配具有重要的指导意义（图3b-e）。![]()
图3积温指数的GWAS分析
最后，为了便于ATI模型的推广使用，作者筛选出28个功能性标记构建了简化的ATI预测模型，并搭建了在线预测平台 (http://xielab.hzau.edu.cn/ATI)（图4）。用户通过输入28个标记的基因型信息，及任意地点历史日平均温度数据，可以预测不同播种日期下的抽穗期。![]()
图4 ATI-RiceFTPredictor在线Web网站服务
综上，该研究通过优化积温指数ATI的计算方法，开发了一种简单实用的水稻抽穗期预测模型。该模型只需要一个参数（ATI），预测过程简单直观，且同时具备预测准确性高和应用门槛低的优点，将为水稻的育种和生产提供有力支持。华中农业大学谢为博教授、美国加州大学河滨分校贾震宇教授和中国种子集团有限公司生命科学技术中心王凯博士为该论文的共同通讯作者。华中农业大学徐兴兵博士、美国加州大学河滨分校贾琼博士和华中农业大学已毕业硕士李思嘉为该论文的共同第一作者。研究还得到了美国韦恩州立大学医学院的魏巨龙博士的帮助。该研究获得国家重点研发计划、生物育种重大项目、国家自然科学基金、湖北省自然科学基金、湖北省洪山实验室基金等项目的资助。
![]()
为了能更有效地帮助广大的科研工作者获取相关信息，植物生物技术Pbj特建立微信群，Plant Biotechnology Journal投稿以及文献相关问题、公众号发布内容及公众号投稿问题都会集中在群内进行解答，同时鼓励在群内交流学术、碰撞思维。为了保证群内良好的讨论环境，请先添加小编微信，扫描二维码添加，之后我们会及时邀请您进群。小提示：添加小编微信时及进群后请务必备注学校或单位+姓名，PI在结尾注明，我们会邀请您进入PI群。
![]()
![]()
