表型预测在小麦育种计划中评估小麦茎锯蝇抗性的局限性

《The Plant Phenome Journal》：Limitations of phenomic prediction for evaluating wheat stem sawfly resistance in wheat breeding programs

小麦茎叶蝇（WSS）抗性评估研究利用UAS多光谱和RGB数据，通过随机森林、岭回归和K近邻模型预测茎秆硬度和虫害侵害，发现模型在不同环境和时间点的预测准确度较低（产量r=0.469，茎秆硬度r=0.231，虫害r=0.194），跨环境泛化能力差，当前UAS技术无法有效评估WSS抗性。

　　本研究聚焦于美国大平原地区小麦种植中面临的麦茎锯蝇（Wheat Stem Sawfly, WSS）这一重要害虫问题。麦茎锯蝇是一种原生于北美地区的害虫，其对小麦作物的威胁日益加剧，特别是在冬季小麦种植区域。这种害虫通过在小麦茎部产卵并孵化后取食茎内的髓组织，最终导致茎部断裂，从而影响小麦的产量和质量。研究指出，增强茎部坚实性可以有效提升作物对麦茎锯蝇的抗性，但传统上评估茎坚实性的方法既耗时又具有破坏性，限制了育种者快速开发抗虫品种的能力。因此，探索非破坏性的高通量表型分析方法，特别是利用无人机（Uncrewed Aerial Systems, UAS）获取的光谱数据，成为提升小麦抗虫育种效率的重要途径。

研究团队在内布拉斯加州西部分别于2023年至2024年进行了两次实地试验，采集了无人机在不同生长阶段的光谱数据，并与传统的破坏性表型数据进行比较。研究发现，光谱数据与茎坚实性、麦茎锯蝇感染率以及产量之间存在一定的相关性，但这种相关性具有明显的时空依赖性。这意味着在不同的生长阶段或不同的环境条件下，光谱特征对表型的预测能力会有所变化。为了评估这些光谱数据的预测能力，研究团队构建了三种模型：岭回归（Ridge Regression）、K-最近邻（KNN）和随机森林（Random Forest），并分别用于预测产量、茎坚实性和麦茎锯蝇感染率。

结果显示，随机森林模型在预测产量方面表现最佳，相关系数达到0.469，而KNN模型在预测茎坚实性方面表现较好，相关系数为0.231。岭回归模型则在预测麦茎锯蝇感染率方面具有最高的相关性，相关系数为0.194。然而，总体来看，光谱数据在预测这些表型特征时的准确度仍然较低，尤其是在新的环境中，预测能力显著下降。例如，茎坚实性的预测相关系数仅为0.02至0.38，而麦茎锯蝇感染率的相关系数为0.01至0.22。这表明，尽管光谱数据在某些情况下能够提供有用的信息，但目前的无人机技术还不能稳定地用于麦茎锯蝇抗性的预测。

研究还发现，不同光谱指数对表型特征的贡献程度不同。例如，在某些环境下，红边波段（Red Edge）和近红外波段（NIR）在预测茎坚实性方面表现更为突出，而在其他情况下，绿叶素指数（GCI）和归一化红边差值植被指数（NDRE）则显示出更强的预测能力。这种差异可能源于植物在不同生长阶段对光谱信号的响应不同，以及环境条件如降水、温度和光照强度对植物表型表达的影响。此外，研究还指出，光谱数据在预测产量时表现较差，尤其是在某些生长阶段和环境条件下，光谱信号与产量之间的关系并不显著。这可能是由于产量受多种复杂因素影响，包括环境条件和基因型之间的交互作用，而光谱数据无法全面捕捉这些因素。

研究进一步分析了不同光谱指数在不同时间点和环境中的重要性。结果显示，尽管某些光谱指数在特定环境下对茎坚实性或麦茎锯蝇感染率具有较高的预测能力，但没有一种光谱指数能够在所有环境下都表现出一致性。例如，在 Sidney 2023 环境中，红边波段在开花期对麦茎锯蝇感染率的预测能力最强，而在 Hemingford 2024 环境中，EXG 和 GRVI 等指数在成熟期对茎坚实性的预测能力较高。这些发现表明，光谱数据的预测能力受到生长阶段和环境的双重影响，因此需要结合具体环境和生长条件来优化模型。

此外，研究还探讨了使用主成分分析（PCA）进行维度降维对预测模型的影响。结果显示，PCA 能够略微提高某些表型特征的预测准确度，但对产量的预测效果反而有所下降。这可能是因为维度降维过程中丢失了部分关键信息，尤其是在产量预测中，某些光谱指数的贡献更为显著。因此，维度降维并非在所有情况下都适用于提高预测准确度，需要根据具体研究目标进行权衡。

研究还指出，光谱数据在预测麦茎锯蝇抗性方面存在一定的局限性。尽管光谱数据在某些生长阶段和环境条件下能够提供有用的预测信息，但在大多数情况下，其预测能力仍较低。这可能是由于麦茎锯蝇的感染过程在植物生长过程中具有较强的隐性特征，且光谱数据无法完全反映这种复杂的生物过程。此外，研究团队还发现，麦茎锯蝇的感染水平与茎坚实性之间没有显著的相关性，这可能意味着茎坚实性虽然能提供一定的抗性，但并不能完全阻止感染的发生。

本研究的局限性在于其仅评估了有限数量的基因型和特定的环境条件。因此，研究结果可能无法直接推广到更广泛的育种群体或不同气候条件下。研究团队建议，未来的研究应扩展到更大规模的田间试验和更多样化的基因型群体，以进一步验证光谱数据在预测麦茎锯蝇抗性方面的潜力。此外，研究还指出，现有的无人机系统在捕捉高分辨率光谱数据方面存在一定的技术限制，尤其是在处理复杂的生物信号时，可能需要更先进的传感器技术或更精细的光谱分析方法。

总之，尽管无人机技术在农业表型分析中展现出巨大的潜力，但其在预测麦茎锯蝇抗性方面的应用仍面临诸多挑战。未来的研究需要在提升光谱数据的分辨率、优化预测模型以及扩大基因型和环境的样本范围方面进行更多探索，以期找到更有效的方法来支持小麦抗虫育种工作。