近日，中国农业科学院生物技术研究所玉米功能基因组团队与作物代谢调控与营养强化团队合作，利用3D全自动高通量表型组鉴定平台，首次对玉米自交系全生育期进行全自动高通量无损监测，深入解析了玉米株高形成的动态遗传基础和调控网络，并通过机器学习构建了株高的智能预测模型。该研究为玉米表型精准鉴定、重要基因克隆和株型改良提供了有效策略和新的基因资源。相关研究成果发表在《分子植物（MolecularPlant）》上。

玉米是我国种植面积最大、产量最高的粮食作物，对保障国家粮食安全至关重要。玉米耐密理想株型是实现丰收高产的重要方面。玉米株型、产量等复杂性状的研究离不开表型精准鉴定，但传统的表型性状分析存在测量通量低、耗时费力、精度不高、破坏性等缺点，难以做到全天候、全生育期的动态监测。“表型鉴定瓶颈”严重阻碍了玉米基因资源的挖掘和重大品种的培育，亟待开发基于新兴高通量表型组技术平台推进耐密理想株型重大基因挖掘和新品种培育。

研究人员利用228份具有广泛遗传变异的玉米自然群体，在生物所搭建的高通量3D表型组平台对玉米全生育期进行全天候动态检测，获得了约24.4万张表型图像。在此基础上研发了多光学图像批处理程序，分析并提取了77个覆盖玉米全生育期株型、生物量、生长速率等关键图像性状（i-traits）。结合全基因组关联分析（GWAS）鉴定了4945个显著的SNPs和1974个候选基因，构建了基因和图像性状的关联网络，并通过突变体分析验证了核心基因ZmVATE在调控玉米节间发育和株高上的生物功能。研究人员进一步利用早期性状构建机器学习模型来预测玉米最终的株高，发现仅需5个图像性状就可对最终株高进行预测，预示着在玉米早期发育阶段对株型育种改良中具有重要的应用价值，可作为潜在的株高发育相关生物标记。该研究深入解析了玉米株高形成的动态遗传基础和调控网络，拓展了人们对株型发育机制的理解，为玉米精准表型鉴定、基因资源挖掘、表型预测及遗传改良提供了重要的数据支撑和基因资源。

图注： 全自动高通量表型组平台监测玉米全生育期的株型

生物所副研究员王维轩、博士生郭位军、助理研究员乐亮、博士生余佳为共同第一作者，生物所谷晓峰研究员、田健研究员、王欢研究员、博士生李东维、王一凡、齐鲁师范学院路晓铎教授以及美国德克萨斯大学奥斯汀分校乔红教授等也参与了该项研究，生物所普莉研究员和张春义研究员为本论文共同通讯作者。研究工作得到了国家重点研发计划、国家自然科学基金、中国农业科学院重大科研、国际合作、创新工程等项目资助。

文章链接：https://www.sciencedirect.com/science/article/pii/S167420522200435X