基于无人机的时间光谱指数解析小麦灌浆期滞绿性状的变化
一、研究背景：
二、研究结果：
1. 小麦种群的遗传多样性
图2 小麦种群的遗传结构示意图。(A)小麦的种群结构。红色、橙色、黄色、浅绿色、深绿色和蓝色分别代表亚群（Sp）1到6，其中Sp1表示中国地方品种（CL）组（红色突出显示），Sp2表示引进的现代栽培品种（IMC）组（蓝色突出显示），Sp3到Sp6表示中国现代栽培品种（MCC）组（绿色突出显示）。(B)小麦种群的主成分分析（PCA）。(C)连锁不平衡（LD）随物理距离变长而衰减。它描述了成对的单核苷酸多态性LD（r2）值作为3个亚基因组内标记间图谱距离（以megabase为单位）的函数。(D)2022年基于SGGNDVI的CL、IMC、MCC的SG评分显示差异有统计学意义（P < 0.05，LSD检验）。(E)小麦品种平原50（CL）、St1472/506（IMC）和Kenong9204（MCC）在衰老时间序列中的SG表型。
2. 对小麦表型的评价
图3 （A）2021-2022年期间4个阶段（S1~S4）的GNDVI、NDVI、NDRE和OSAVI与SPAD测量的旗叶叶绿素含量（ChI）的皮尔逊相关系数（PCCs）。实线表示由回归模型得到的拟合关系，阴影区域表示95%的置信区间。（B）2020-2021年和2021-2022年期间SG性状的PCCs和表型分布结果。
图4 2020-2021年(A)和2021-2022年(B)期4个阶段（S1-S4）的SG性状与产量（kg/acre）的皮尔逊相关系数（PCCs）。绿色、蓝色、黄色和紫色分别代表SGGNDVI、SGNDVI、SGNDRE和SGOSAVI。实线表示由回归模型得到的拟合关系，阴影区域表示95%的置信区间。
3. SG性状的GWAS
4. SG相关性状的候选基因筛选
研究者对QTL内的1085个高可信度候选基因进行了GO富集分析，发现其中一些基因间接或直接参与了植物的衰老过程。图5C展示了其中前35个GO富集的类型。结果表明筛选到的这些基因与细胞成分，如衰老相关的液泡和包括叶片衰老、乙烯反应和程序性细胞死亡等生物过程的显著关联。基于对候选基因的三原则分析，研究者筛选到了一个优越的候选基因TraesCS2A03G1081100 (D2HGDH)。该基因在蛋白水平上与拟南芥AT4G36400（D2HGDH）的同源性为72.43%，且在2020和2021年检测SG的4个性状时被鉴定到。
5. 在育种中选择有利的SG单倍型
研究者对筛选到的基因TraesCS2A03G1081100进行了育种验证。在图6A的紫色方框中，找到了强信号区，并找到了两个值得注意的SNP位点s2A709642415和s2A709643989（图6B），分别导致编码序列中135 bp（G/C、Gly/Arg）和252 bp（T/C、Phe/ Ser）位置发生错义突变。可以观察到，在Hap1、Hap2这两个错义突变的种系中，SG的动力学系数、千粒重和产量存在着显著差异，但粗蛋白含量上并无显著差异。根据上述实验结果，Hap1被确定为更有利的单倍体型，且该基因的频率从1950年的7.5%上升到2010年的47%，表明人们对该基因有更偏好性的选择。
图6 TraesCS2A03G1081100的变异。（A）2A 染色体上的 Fst、XP-CLR 及其相关重要信号。紫色矩形为2A染色体上的相关信号位置。（B）围绕TraesCS2A03G1081100的局部曼哈顿图（上）和LD热图（下）。紫色线表示显著性阈值（-log10[P 值] =3.0）。红色三角形代表TraesCS6B03G0356400中的2个变异。红色突出了具有显著变异的强LD。（C—F）2021至2022年期间2个单倍型的产量、千粒重、粗蛋白和RSGS。P值采用双尾t检验计算（*P < 0.05；**P < 0.01；***P < 0.001；NS，不显著）。（G）不同小麦群体（绿线左侧）和育种时期（绿线右侧）中两种单倍型的百分比。Hap1用蓝色表示，Hap2用橙色表示。（H）两种单倍型在不同小麦区的百分比。每个圆圈的大小对应于种群的数量。Hap1用蓝色表示，Hap2用橙色表示。
三、相关技术：
大尺度的田间数据采集及作物表型分析可参考m-CTP
小麦的SG（Stay-green）滞绿指数表征着不同品种的衰老动态，高SG的作物在开花后保持冠层活力的能力，能延缓灌浆过程的衰老，延长光合时间，该指数为提高产量和筛选抗胁迫耐受的有益性状提供了有力参考，然而传统的表型技术限制了其在遗传基础上的应用。光谱指数Sls（Spectral indices）则是一种评价作物衰老时间的无损性替代策略。虽然前期科学家们通过QTL定位探索到了一些衰老促进因子如NAM-B1、TaARF15-A1、TaMYC2，但对SG等复杂性状的遗传学研究需要依靠更高质量的基因组和表型组学数据，而高通量植物表型组学技术的发展和应用在本研究中更高效地定义了小麦的SG程度。
二、研究结果：
图1 实验设计描述。实验地点在曹新庄试验田（A上）及试验田（A下）。(B) M200和Inspire 2无人机，GPS和DLS传感器，微型Altum相机，校准反射面板，和无人机路线规划。基于Pix4D映射器的。(C)图像剪切和基于QGIS的小麦小区图像裁剪示意图。(D)小麦衰老过程的5个阶段示意图（开花，S1：乳成熟阶段，S2：从乳成熟到粉成熟阶段的过渡阶段，S3：中粉成熟阶段，S4：晚粉成熟阶段）。
1. 小麦种群的遗传多样性
基于贝叶斯聚类的种群结构和主成分分析，科学家们确定了 6 个亚种群（Sp）（图2A、B）。通过对361293个SNPs进行配对比较分析，LD（r2）衰减到临界值（0.1），预估全基因组的LD约为3.8 Mb（图2C）。数据表明：D基因组的LD衰减较快，衰减了1.8 Mb，其次是A和B基因组，分别衰减了3.1 Mb和6.1 Mb（图2C），这与它并入普通小麦后人工选择相对较少有关。地理起源、历史时间和温度/光照特征是决定该小麦多样性组别的主要因素。在衰老过程中，CL，IMC及MCC在S1、S2和S3时期的SG表型上表现出显著差异（图2D、E）。
图2 小麦种群的遗传结构示意图。(A)小麦的种群结构。红色、橙色、黄色、浅绿色、深绿色和蓝色分别代表亚群（Sp）1到6，其中Sp1表示中国地方品种（CL）组（红色突出显示），Sp2表示引进的现代栽培品种（IMC）组（蓝色突出显示），Sp3到Sp6表示中国现代栽培品种（MCC）组（绿色突出显示）。(B)小麦种群的主成分分析（PCA）。(C)连锁不平衡（LD）随物理距离变长而衰减。它描述了成对的单核苷酸多态性LD（r2）值作为3个亚基因组内标记间图谱距离（以megabase为单位）的函数。(D)2022年基于SGGNDVI的CL、IMC、MCC的SG评分显示差异有统计学意义（P < 0.05，LSD检验）。(E)小麦品种平原50（CL）、St1472/506（IMC）和Kenong9204（MCC）在衰老时间序列中的SG表型。
2. 对小麦表型的评价
研究揭示了2021-2022年季节时间序列与叶绿素含量相对参考指数之间的皮尔逊相关系数。其中光谱指数Sl与旗叶叶绿素含量之间的PCC (r)最高，为0.71（图3A），回归结果r2最高，为0.5。这表明SIs在一定程度上可以有效检测小麦群体的不同SG阶段，并在田间条件下稳定追踪小麦冠层的衰老过程。表2记录了2020-2021和2021-2022年小麦在不同生长期的SG性状。图3B的常见小麦表型分布图说明了SG性状均值伴随开花期后保暖时间的延长而减少。且针对使用不同指数计算的RSGS，SGindex1和SGindex2之间存在的很强的线性相关性（r＞0.82），且SGindex3和SGindex4之间的线性关系也很强。同时，图4A、B表明SGNDVI和SGOSAVI和产量有着更高的相关性。在这4个SG性状中，遗传力随着小麦的衰老而增加。结果表明，2020-2022年间采集到的这两组数据SG性状分布差异小，相关性高，遗传力高，适合作后续的GWAS。
图3 （A）2021-2022年期间4个阶段（S1~S4）的GNDVI、NDVI、NDRE和OSAVI与SPAD测量的旗叶叶绿素含量（ChI）的皮尔逊相关系数（PCCs）。实线表示由回归模型得到的拟合关系，阴影区域表示95%的置信区间。（B）2020-2021年和2021-2022年期间SG性状的PCCs和表型分布结果。
图4 2020-2021年(A)和2021-2022年(B)期4个阶段（S1-S4）的SG性状与产量（kg/acre）的皮尔逊相关系数（PCCs）。绿色、蓝色、黄色和紫色分别代表SGGNDVI、SGNDVI、SGNDRE和SGOSAVI。实线表示由回归模型得到的拟合关系，阴影区域表示95%的置信区间。
3. SG性状的GWAS
GWAS被用来在不同小麦品种中探讨SG相关QTL的遗传基础。本研究在2年内确定了47个高可信度的QTL，其中包含3079个与SG性状相关的显著SNP。图5A展示了QTL在染色体上的具体分布情况。2020-2021年间，SGGNDVI的QTL数量最多，其次是SGNDVI、SGOSAVI和SGNDRE（图 5B）、SGOSAVI和SGNDRE（图 5B）。而在2021-2022年间，SGNDRE显示的QTL数量最多。在这4个SG性状中，SGOSAVI在4个衰老过程中在已发现的QTL中出现了最多次数，共出现97次（图5B）。
图5 (A)本研究发现的SG相关QTL和已知的SG相关QTL在小麦染色体上的分布。蓝色条带代表已知的SG相关QTL；红色条带代表通过GWAS检测到的SG相关的QTL。条带的宽度表示各自的置信区间。(B)不同衰老阶段多个SG性状的QTL定位频率。(C) SG相关QTL区域内候选基因的GO富集分析。
4. SG相关性状的候选基因筛选
研究者对QTL内的1085个高可信度候选基因进行了GO富集分析，发现其中一些基因间接或直接参与了植物的衰老过程。图5C展示了其中前35个GO富集的类型。结果表明筛选到的这些基因与细胞成分，如衰老相关的液泡和包括叶片衰老、乙烯反应和程序性细胞死亡等生物过程的显著关联。基于对候选基因的三原则分析，研究者筛选到了一个优越的候选基因TraesCS2A03G1081100 (D2HGDH)。该基因在蛋白水平上与拟南芥AT4G36400（D2HGDH）的同源性为72.43%，且在2020和2021年检测SG的4个性状时被鉴定到。
5. 在育种中选择有利的SG单倍型
研究者对筛选到的基因TraesCS2A03G1081100进行了育种验证。在图6A的紫色方框中，找到了强信号区，并找到了两个值得注意的SNP位点s2A709642415和s2A709643989（图6B），分别导致编码序列中135 bp（G/C、Gly/Arg）和252 bp（T/C、Phe/ Ser）位置发生错义突变。可以观察到，在Hap1、Hap2这两个错义突变的种系中，SG的动力学系数、千粒重和产量存在着显著差异，但粗蛋白含量上并无显著差异。根据上述实验结果，Hap1被确定为更有利的单倍体型，且该基因的频率从1950年的7.5%上升到2010年的47%，表明人们对该基因有更偏好性的选择。
图6 TraesCS2A03G1081100的变异。（A）2A 染色体上的 Fst、XP-CLR 及其相关重要信号。紫色矩形为2A染色体上的相关信号位置。（B）围绕TraesCS2A03G1081100的局部曼哈顿图（上）和LD热图（下）。紫色线表示显著性阈值（-log10[P 值] =3.0）。红色三角形代表TraesCS6B03G0356400中的2个变异。红色突出了具有显著变异的强LD。（C—F）2021至2022年期间2个单倍型的产量、千粒重、粗蛋白和RSGS。P值采用双尾t检验计算（*P < 0.05；**P < 0.01；***P < 0.001；NS，不显著）。（G）不同小麦群体（绿线左侧）和育种时期（绿线右侧）中两种单倍型的百分比。Hap1用蓝色表示，Hap2用橙色表示。（H）两种单倍型在不同小麦区的百分比。每个圆圈的大小对应于种群的数量。Hap1用蓝色表示，Hap2用橙色表示。
三、相关技术：
大尺度的田间数据采集及作物表型分析可参考m-CTP
