基于高通量表型组平台解析生菜表型差异与动态关联的遗传学研究

为解决传统生菜表型分析效率低、动态监测缺失等问题，研究人员利用高通量表型平台(HTPP)对8种生菜开展时序图像分析，系统解析形态、结构、颜色等5类24项表型特征，构建生菜表型指纹图谱，为种质资源精准鉴定和遗传研究提供新技术支撑。

　　

生菜作为全球重要经济作物，其表型特征受遗传-环境-管理(GEM)多因素影响，但传统表型分析方法存在效率低下、主观性强等瓶颈。尤其现有研究多局限于单一生长阶段或少数品种，缺乏时序动态数据支撑。针对这一科学问题，北京市农林科学院的研究团队创新性地采用高通量表型平台(HTPP)，对来自多国的8种生菜开展系统性研究。

研究团队开发了基于YOMASK模型的图像分析技术，通过机器学习算法从时序图像中自动提取形态、结构、颜色、纹理和尺寸5大类24项表型参数。实验在北京农林科学院试验田(39.95°N, 116.29°E)进行，共种植3612株生菜，间距40cm，覆盖1380m²。

【关键方法】

1. 采用轨道式HTPP(高通量表型平台)连续采集生菜时序图像
2. 基于YOMASK模型实现实例分割和特征提取
3. 运用皮尔逊相关、ANOVA(方差分析)和PCA(主成分分析)等多变量统计方法
4. 构建表型指纹图谱整合多维特征

【主要发现】
数据采集
通过标准化种植方案获取8个品种生菜的全生长周期图像数据，覆盖发芽期到抽薹期7个关键阶段。

YOMASK模型性能
模型训练显示损失值稳定下降，检测精度mAP 0.5:0.95达到最优，为表型参数自动化提取提供可靠技术保障。

表型分析促进种质鉴定与遗传研究
• 发现不同生菜品种在整个生长周期存在显著表型差异
• 首次提出生菜表型指纹概念，实现个体化标识
• 揭示基因型指导表型形成、表型直接影响生长动态的规律

结论与意义
该研究通过HTPP平台首次系统描绘了生菜表型动态变化图谱，建立的表型分类体系和分析方法为：1) 种质资源精准鉴定提供新工具；2) 解析GEM(遗传-环境-管理)互作机制奠定数据基础；3) 开发配套分析软件推动农业智能化发展。尤其表型指纹技术的创新应用，使得快速鉴别优良品种成为可能，对促进生菜遗传育种和栽培优化具有重要实践价值。研究形成的技术框架可扩展至其他作物表型组学研究，为智慧农业发展提供新范式。