综述：代谢组学筛选增强非生物胁迫抗性：表型组学进展及育种应用前景与挑战

（编辑推荐）这篇综述系统阐述了高通量表型组学（HTP）技术在作物非生物胁迫（干旱/盐碱/高温）抗性研究中的突破性应用，重点探讨了高光谱成像（HSI）与深度学习驱动的代谢组学分析如何突破传统育种"表型瓶颈"，为气候智能型作物设计提供基因-蛋白-代谢物多维调控网络见解。

　　

Abstract
作物在干旱、极端高温和盐碱等非生物胁迫下的生长受限是制约农业可持续发展的核心问题。尽管基因组辅助育种（GAB）加速了遗传增益进程，但传统表型分析方法的低效性导致标记-性状关联（MTAs）研究和基因组选择（GS）面临"表型瓶颈"。近年来，搭载多源成像传感器的高通量表型平台（HTPPs）结合深度学习算法，实现了形态-生理性状与代谢物的动态精准解析。

成像技术革新表型解析
高光谱成像（HSI）技术通过捕捉400-2500nm光谱范围内的特征吸收峰，可非破坏性监测叶片含水量（LWC）、光合效率（F_v/F_m）等胁迫响应指标。研究证实，可见-近红外（VIS-NIR）波段对叶绿素荧光参数（Φ_PSII）的预测精度达R²>0.85，而短波红外（SWIR）对渗透调节物质（脯氨酸/甜菜碱）的定量分析显著优于传统高效液相色谱（HPLC）方法。

代谢组学驱动抗性机制解码
基于质谱（MS）的代谢指纹分析揭示了胁迫响应核心代谢通路：三羧酸循环（TCA）中间体（苹果酸/α-酮戊二酸）积累与活性氧（ROS）清除能力呈正相关；类黄酮（槲皮素-3-O-葡糖苷）和芥子油苷的时空动态变化可作为耐盐性预测标志物。值得注意的是，全基因组关联分析（GWAS）结合代谢全基因组预测（mGWAS）已鉴定出调控苯丙烷代谢（PAL途径）的关键SNP位点。

智能育种系统整合
多组学数据融合框架（Pheno-DeepOmics）通过卷积神经网络（CNN）提取的叶面温度（ΔT_canopy-air）特征与代谢组数据（LC-MS/MS）的跨模态关联，成功预测了小麦耐热品系（预测准确率提升37%）。这种"数字孪生"策略显著缩短了育种周期，使代谢标记辅助选择（mMAS）效率提升至传统方法的4.2倍。

挑战与展望
当前亟需解决传感器标准化（如HSI波段选择）、代谢物注释数据库（如PlantCyc 12.0更新）和算法可解释性（如注意力机制可视化）等问题。未来整合光子计数CT（PC-CT）与单细胞代谢组学（scMet）技术，将推动从器官到细胞尺度的胁迫响应机制解析，为设计C₄水稻等革命性作物提供理论基石。