不結球白菜生長發(fā)育過程中表型變化到2050年，全球人口將達到97億，預計作物產量翻一番才能滿足全球人口的糧食需求。為了達到這一目標，作物產量需每年增長2.4%，但目前作物產量平均增長率僅為1.3%。作物生產性能的遺傳改良仍然是提高作物生產力的關鍵因素，但當前的改善速度無法滿足可持續(xù)性和糧食安全的需要。與廣泛的遺傳信息相比，表型分析已成為理解復雜性狀遺傳基礎的瓶頸。為了打破這一瓶頸并提高分子育種的效率，迫切需要可靠、自動和高通量的表型技術，為育種學家提供新的見解，以選擇適應資源短缺和全球氣候變化的新品種。
表1 作物表型組學重要發(fā)展歷程
隨著高通量表型技術的迅速發(fā)展，該領域的研究正進入一個新的“表型組學”時代。作物表型組學研究集農學、生命科學、信息科學、數(shù)學和工程科學于一體，將高性能計算技術和人工智能技術相結合，探索復雜環(huán)境下作物生長的多種表型信息。作物表型組學研究的最終目標是構建有效的技術體系，能夠以高通量、多維度、大數(shù)據、智能、自動測量的方式對作物進行表型分析，創(chuàng)造出一種多種形態(tài)、多尺度、表型+環(huán)境+基因型條件下獲得大數(shù)據的工具。
G×P×E互作示意圖
本文從表型數(shù)據收集、表型分析等方面概述了作物表型組學的研究現(xiàn)狀，介紹了細胞、組織、器官、植株、田間群體等不同水平的作物表型分析方法，討論了表型數(shù)據提取、分析和存儲研究中的實際問題。Zhao C等認為表型組學正在進入具有多領域、多層次和多尺度特征的大數(shù)據時代，強調了建立多尺度、多維度和跨區(qū)域作物表型大數(shù)據庫的必要性和重要性。最后，Zhao C等討論了作物表型組學未來的挑戰(zhàn)和前景，并為精確育種提出新的智能解決方案。
表2 作物微觀尺度表型性狀分析的常用方法和發(fā)展方向
表3 高通量植物表型平臺成像技術綜述
表4 可控環(huán)境下作物表型技術及平臺設備一覽表
表5 田間表型平臺的特征和應用詳表
Zhao C, Zhang Y, Du J, et al. Crop phenomics: current status and perspectives. Frontiers in Plant Science, 2019, 10: 714.
擴展閱讀：