无人机激光雷达（UAV-LIDAR）技术结合高通量时间序列表型分析与全基因组关联分析，揭示了花生（Arachis hypogaea L.）植株高度的遗传基础

《Plant Phenomics》：UAV-LiDAR high-throughput time-series phenotyping and genome-wide association analysis reveal the genetic basis of plant height in peanut ( Arachis hypogaea L.)

花生株高动态监测及候选基因鉴定。利用无人机LiDAR技术获取241份花生种质资源时间序列株高数据，通过高斯拟合和主成分分析（PCA）提取5个动态生长参数，结合基因组关联分析（GWAS）和转录组学验证，鉴定出Arahy.1026BX基因调控株高，其功能与苯甲酸途径相关。

　　植物高度（PH）是影响花生栽培中产量潜力、倒伏抗性以及机械化收获效率的重要因素。然而，目前对PH的遗传结构仍缺乏深入理解，这限制了在优化PH方面的育种进展。本研究利用无人机（UAV）搭载的高通量表型分析平台，对四个试验中241个花生种质资源进行了动态生长监测。通过UAV-LiDAR数据，精确测量了时间序列下的PH，并结合高斯拟合和主成分分析（PCA）提取了五个动态生长参数：参数a（最大植物高度）、参数b（达到最大高度的时间）、参数c（PH变化的幅度）、平均高度和生长速率。全基因组关联分析（GWAS）发现了与这些参数相关的1133个候选基因，而差异表达基因（DEGs）分析结合加权相关网络分析（WGCNA）进一步确定了Arahy.1026BX作为关键候选基因。该基因参与香豆素途径，并在生长素和木质素的合成中发挥重要作用。通过逆转录定量实时PCR（RT-qPCR）和病毒诱导基因沉默（VIGS）实验验证了Arahy.1026BX对PH的重要影响。综上所述，本研究整合了先进的UAV-LiDAR时间序列表型分析与全基因组关联研究，揭示了与PH相关的潜在候选基因，为培育具有理想PH的花生品种提供了有价值的育种见解，有助于提高花生生产的稳定性与产量。

花生是一种重要的油料作物，广泛种植于热带和亚热带地区。其作为植物性蛋白来源的重要性对全球粮食安全产生了深远影响。为了提高产量，育种工作一直在寻找更优的植物表型，尤其是在缩短植物高度方面。在多种作物中，如小麦、水稻、玉米和油菜，利用半矮秆基因培育的品种不仅显著降低了PH，还提高了生产潜力和抗倒伏能力。在中国，花生是居民的重要植物油来源，同时也是增加农民收入和缓解贫困的重要经济作物。由于大多数栽培花生品种为直立型，因此通常需要在生长季节中使用生长抑制剂，如聚康唑和阿利康唑，进行2至3次施用。这种做法不仅增加了生产成本，还可能造成环境污染。因此，研究调控花生PH的分子机制并培育半矮秆花生品种显得尤为重要。然而，目前花生PH的遗传基础仍不明确，尽管近年来已有研究试图鉴定花生PH的数量性状位点（QTLs），但至今尚未克隆出与PH密切相关的基因。因此，对花生PH的遗传机制进行更深入的研究，是提高产量和确保全球粮食安全的迫切需求。

近年来，基因组学的发展显著提升了植物育种的效率。尽管测序技术的进步为植物提供了几乎无限的高密度遗传标记，但传统的表型分析方法仍然是现代作物育种中的重要瓶颈。传统方法通常耗时、耗力、昂贵且效率低下。这严重制约了我们对大规模、快速和精确表型遗传基础的全面理解。随着机器人技术和图像分析的发展，高通量筛选的新途径逐渐显现，其中无人机技术在作物PH监测中发挥了关键作用。UAV搭载的LiDAR系统能够获取高分辨率的3D作物冠层信息，并精确测量PH，从而为作物生长监测提供了极高的准确性和生产力，这在农业研究中得到了广泛应用。将表型学与基因组学结合，进一步促进了作物候选基因的识别。

本研究中，使用搭载LiDAR系统的UAV采集了四个试验中241个花生种质资源的田间点云数据。点云数据采集于播种后约40天，并延续至收获前。通过数据处理生成数字高程模型（CHM）图像，从而获得花生的时间序列PH数据。随后，采用高斯拟合和PCA整合了与PH相关的五个指标（参数a、b、c、平均高度和生长速率），通过GWAS挖掘了1133个候选基因，并对这些基因进行了富集分析。此外，通过整合DEGs分析和WGCNA的公开转录组数据，以及等位基因分析，识别并验证了Arahy.1026BX基因对PH的显著影响。通过将UAV基于的时间序列表型分析与遗传分析相结合，本研究为花生育种建立了理论基础，并识别了潜在的候选基因，有助于培育具有理想PH的花生品种，从而提升花生生产的稳定性与产量。

为了验证PH的测量一致性，本研究采用线性回归模型对UAV和手动测量的PH值进行了分析。为评估UAV测量的PH精度，我们使用了三个指标：R2、RMSE和NRMSE。R2衡量了模型解释变量的方差比例，数值越接近1，说明拟合效果越好。RMSE反映了预测值与实际值之间的平均差异，数值越小，预测精度越高。NRMSE则通过标准化RMSE，使其不受相对值范围的影响，从而便于跨数据集的比较。研究结果显示，UAV测量的PH值与手动测量值之间具有高度一致性，R2值在两个试验中均超过0.9，表明UAV技术在测量精度上具有显著优势。RMSE和NRMSE值分别为3.24 cm和2.02 cm，以及0.07和0.06，这进一步证明了UAV技术在PH测量中的可靠性。

在对花生PH进行时间序列分析时，我们考虑了多种拟合函数，包括线性和对数函数，以捕捉PH变化的动态特性。最终选择高斯函数作为最佳拟合模型，因为其在R2值、RMSE和NRMSE指标上均表现出色。通过高斯拟合，我们提取了三个关键参数：a（最大高度）、b（达到最大高度的时间）和c（PH变化的幅度）。这些参数通过非线性最小二乘法进行估计，以描述PH的变化特征。PCA分析则用于降维，将时间序列PH数据分解为不同的变异成分。前两个主成分解释了四个试验中约90%的变异，并用于后续的GWAS分析。PCA结果表明，PC1反映了整体植物高度的一致性变化，而PC2则代表了植物生长速率的差异。

GWAS分析在四个试验中对五个指标（参数a、b、c、PC1和PC2）进行了检测，识别出447个显著或建议的QTNs（数量性状位点）和91个显著或建议的QEIs（数量性状等位基因）。这些QTNs和QEIs分布在所有20条染色体上，并且LOD值范围较广，从3.883到58.617，以及从4.170到71.441。这表明PH的遗传基础较为复杂，受多个基因位点的影响。此外，GO和KEGG通路富集分析显示，这些候选基因主要参与植物细胞内的物质运输、蛋白质和脂质结合以及植物生长发育的调控。KEGG通路富集分析还发现，香豆素生物合成通路在候选基因中高度富集，这提示该通路可能在调控PH中发挥重要作用。尽管香豆素通路通常与次生代谢和抗逆反应相关，但我们的研究结果表明，这些候选基因可能通过调控香豆素生物合成来影响PH。

通过整合DEGs分析和WGCNA，我们进一步识别了三个目标基因：Arahy.A37Y50、Arahy.1026BX和Arahy.G5K9LY。这些基因在多个生长阶段中均显示出显著的表达差异，特别是在高度差异显著的植株中。其中，Arahy.1026BX基因编码一种多功能酶（DHD/SHD），参与香豆素通路中的多个关键步骤，并在生长素和木质素的合成中起着重要作用。通过VIGS实验，我们进一步验证了该基因对PH的调控作用。实验结果显示，与对照组相比，Arahy.1026BX基因沉默的植株表现出显著的植物高度降低、第三对功能叶面积减少以及侧枝角度的变化。这些结果表明，Arahy.1026BX基因的表达水平对PH具有显著影响。

尽管我们通过RT-qPCR和VIGS初步验证了Arahy.1026BX基因的功能，但其精确的分子调控机制仍需进一步通过基因编辑技术如CRISPR进行确认。未来的研究需要结合多组学策略，如代谢组学和蛋白质组学，以进一步揭示调控PH的复杂网络。此外，本研究的时间序列框架也可应用于其他动态性状，从而加深对作物发育中基因-环境相互作用的理解。然而，本研究也存在一定的局限性，例如实验仅在一个地点进行，且仅限于一年的时间范围，这可能使得播种日期与季节气候效应产生混淆，限制了结论的普遍适用性。未来的研究应考虑多地点和多季节的试验设计，以进一步验证Arahy.1026BX基因的功能。同时，虽然本研究主要关注Arahy.1026BX基因，但我们也认识到其他候选基因如Arahy.A37Y50和Arahy.G5K9LY可能同样影响PH，并需要在未来研究中进行系统性评估。此外，尽管Arahy.1026BX基因的非同义SNP与PH具有显著关联，并通过表达分析和VIGS实验得到支持，但观察到的表达差异也可能受到启动子或下游非编码区的调控变异影响。这些因素对于进一步阐明PH的分子调控机制以及推动花生的分子育种至关重要。

综上所述，本研究通过UAV-LiDAR高通量表型分析平台，结合GWAS、DEGs分析和WGCNA，揭示了花生PH的遗传基础，并确定了Arahy.1026BX作为关键候选基因。该基因在香豆素通路中起重要作用，影响生长素和木质素的合成。通过RT-qPCR和VIGS实验，我们验证了其在调控PH中的关键作用。本研究强调了将先进的UAV-LiDAR表型分析与基因组学方法结合，以揭示花生PH的遗传基础，并为优化PH和提高产量的花生育种策略提供了指导。未来的研究应进一步探索该基因的分子调控机制，并结合多组学方法，以更全面地理解PH的遗传调控网络。此外，时间序列分析方法也可以应用于其他动态性状，从而为作物育种提供新的思路和工具。