在生物學和遺傳育種領域,表型是指構成生物體的全部特征，包括外觀、基本維度、形態(tài)和顏色,是基因型和環(huán)境因素互相作用的結果。表型采集分析是指以定性和定量的方式測量這些特征。表型組(phenome)則是指某一生物的全部性狀特征，不僅局限于農藝性狀，還包括植株所表現出來的生理狀態(tài)及生化組分。
隨著許多重要作物及植物全基因組測序的完成,科研人員對高通量、精準、無損傷獲取植物表型信息的需求日益增加，功能完善的研究設施將成為推動表型組學發(fā)展的加速器。國際上已經在運行的大型表型設施有100多套，最具有代表性的包括澳大利亞國家植物表型設施“植物加速器”、英國國家植物表型中心、德國Julich表型研究中心及德國IPK溫室自動傳送表型平臺等。相對來說，我國的表型組學設施建設起步較晚,可采集分析的表型信息還比較有限。在此背景下，中國科學院遺傳與發(fā)育生物學研究所植物細胞與染色體工程國家重點實驗室于2017年初建設了植物表型組學研究平臺(Plant Phenomics Analysis Platform, PPAP)。目前，該平臺已建設成為國內采集分析植物表型信息相對較全面的研究設施之一，集成可見光成像、紅外成像、近紅外成像、根系近紅外成像、熒光成像、葉綠素熒光成像、高光譜成像及激光雷達成像8個數據采集單元。在此基礎上，該平臺同時建立了根系表型采集分析技術、穗部性狀采集分析及抗逆性狀采集分析技術體系等。植物表型組學研究平臺是公共服務平臺，致力于為國內外從事植物研究的科研人員提供各類表型采集分析服務，包括但不限于地上部表型分析、根系表型可視化及分析等。
本文結合國內外植物表型組學研究平臺建設與應用方面的進展，以PPAP為基礎，從硬件基礎建設、各類表型技術開發(fā)及服務等方面介紹表型組學研究設施的技術應用。
>> 平臺設施建設 <<
PPAP位于中國科學院遺傳與發(fā)育生物學研究所西區(qū)溫室，建設面積為260 m2,由培養(yǎng)區(qū)和成像區(qū)組成（圖1）。其中，培養(yǎng)區(qū)包括植物的傳送區(qū)域、自動稱重灌溉設備、環(huán)境監(jiān)測傳感器等，用于植物材料的自動化培養(yǎng)和環(huán)境信息記錄；成像區(qū)主要有大型機械臂帶動的高光譜和激光雷達成像和基于成像暗室的可見光成像、紅外成像、近紅外成像、根系近紅外成像、熒光成像、葉綠素熒光成像單元。整個設施可供300盆樣品進行自動傳送測定表型信息，可收集多個光譜譜段的圖像信息和光譜信息，同時收集樣品的三維點陣信息。
圖1 植物表型組學研究平臺鳥瞰圖
>> 技術應用與服務 <<
PPAP在硬件設施建設的基礎上，積極構建各種作物的表型采集分析體系，為科研人員提供及時有效的技術支撐。目前該平臺已經成功建立了根系可視化及表型分析技術、穗部性狀表型分析技術以及抗逆性狀表型分析技術等，已為多個研究機構提供各項表型分析服務。
? 根系表型分析技術與服務
PPAP建立了一種用于高通量植物根系可視化分析的培養(yǎng)及測量技術體系(圖2)，能夠通過根窗技術無損傷、可持續(xù)跟蹤觀測、原位采集土壤根系信息。利用該技術可以對作物根系進行無損傷、高通量和全自動根系表型分析，可測量分析參數如根冠結構(包括跟深和冠幅等)、根冠面積和根長等。
圖2 小麥在低磷和高磷不同處理下根系參數的采集分析
A：種植體系；B：圖像采集；C：圖像處理；D：根系參數提取分析。HP為高磷處理，LP為低磷處理。
? 穗部性狀表型分析技術與服務
PPAP利用可見光的顏色信息和紅外成像的溫度信息，擬合分析兩類圖像獲得小麥、水稻的單株穗數。通過穗部的掃描圖像可以獲得穗部組成性狀，包括穗型、穗長、每穗粒數、著粒緊密度和枝梗數目等(圖3)。
圖3 水稻穗部表型性狀采集分析示意圖
? 非生物脅迫表型鑒定分析技術與服務
PPAP通過采集植物在多個光譜下的光譜反射值，建立特定的圖像分析算法流程，可以動態(tài)、定量分析植株在干旱、鹽脅迫及缺氮條件下表現出的生物量變化、葉片黃化面積、枯萎面積、葉片含水量的動態(tài)變化、葉表溫度的變化等。通過對這些表型指標的綜合分析，建立模型對應到某個逆境脅迫過程植物的表型響應過程。目前，該平臺已經開展了小麥和水稻(圖4)等作物在干旱、鹽脅迫、高溫等脅迫過程中的動態(tài)表型分析服務。
圖4 不同基因型水稻在營養(yǎng)脅迫條件下的生長發(fā)育表型檢測分析
b2為一個水稻的基因型,Normal表示正常對照處理,Stress表示低氮處理。
表型組學是突破未來作物學研究和應用的關鍵研究領域，通過表型采集分析可以為育種、栽培和農業(yè)實踐提供基于大數據的決策支持。植物表型組學研究平臺是當今植物科學研究發(fā)展所需要的重要基礎設施，對于推動植物表型組學的發(fā)展具有重大意義。通過與基因組及可控環(huán)境數據的關聯分析，預期可以繪制各項生命活動過程中的調控網絡，最終揭示生命本身的奧秘，揭示農作物的生長發(fā)育規(guī)律，切實服務于農業(yè)生產。
胡偉娟, 凌宏清, 傅向東. 植物表型組學研究平臺建設及技術應用. 遺傳, 2019, 41(11): 1060-1066.