近日，中国农业科学院生物技术研究所作物生物技术育种创新团队，利用无人机遥感和图像处理技术，首次对陆地棉种质资源材料田间时序株高实现高通量测量，同时结合全基因组关联分析（GWAS）和分子实验初步解析了陆地棉株高形成的分子机制。该研究为作物生长发育动态追踪、田间表型高通量鉴定以及智能育种提供了技术支撑，相关研究成果发表在《植物杂志(The Plant Journal)》上。

棉花是世界上最重要的天然纤维作物，通过群体遗传学技术解析纤维品质、产量和机械化栽培相关农艺性状的遗传机制已经成为当前棉花研究热点之一。棉花株高与株型、生物量、纤维产量和耐逆性等重要农艺性状密切相关，阐明株高的遗传机制对培育优质、高产、耐逆和适宜于机械化采收棉花新品种具有重要指导意义。然而，在田间群体材料数据调查过程中，人工调查速度慢、不同调查人员之间标准不一致等因素严重制约了田间群体材料的规模化。亟需一种高效、准确、标准化、低成本的田间表型调查技术，为高通量群体遗传分析提供技术支撑。随着遥感领域中高清图像获取以及智能化图像处理技术的快速发展，无人机搭载高清相机平台凭借其机动灵活、成本低、空间覆盖广的优势，已成为当前获取田间作物表型的主要技术手段之一，可以有效解决人工调查的瓶颈问题。

研究人员选用了320份具有代表性的陆地棉种质资源材料，进行了多年多点的规模化田间实验。通过无人机搭载低成本的RGB相机获取了田间棉花材料的时序图像，进一步建立遥感模型。同时，利用图像处理算法建立了株高快速鉴定流程，分析并提取了棉花快速生长期的株高时序数据，通过3次田间株高人工实测值证实了无人机提取株高的准确性达到R2="0.95~0.96。在此基础上，利用GWAS发现分别在A01和A11染色体上有两个显著关联位点。通过基因表达量分析、病毒介导的基因沉默实验（VIGS）鉴定获得了GhUBP15和GhCUL1两个候选基因，并初步解析了两个基因在调控棉花株高过程中的生物学功能。此外，研究人员在田间时序株高分析过程中，发现利用主成分分析（PCA）可以实现对株高的时间序列进行有效降维和量化，利用PC1便可快速关联到株高的稳定位点，降低了GWAS数据量。该研究将无人机遥感技术和GWAS进行了联合应用（图1），为跨学科表型组学研究提供了一个良好范例。研究结果不仅为深入挖掘棉花株高的遗传位点提供了理论依据和基因资源，也为棉花等作物的表型组学研究奠定了技术基础。

生物所硕士研究生叶育璐、博士研究生王裴林、硕士研究生张漫为本论文共同第一作者，张锐研究员和孟志刚副研究员为本文的通讯作者。该研究得到了国家自然科学基金国际（地区）合作与交流项目的支持（52161145104）。

文章链接：https://doi.org/10.1111/tpj.16272

图：无人机表型平台结合GWAS解析棉花株高分子机制流程图