田间作物转录组模型的系统环境控制测量增强研究

为解决田间环境下光温耦合效应难以解析的问题，研究人员通过构建73种光温独立调控的生长箱条件，结合水稻昼夜转录组测序(RNA-Seq)和统计建模(FIT)，揭示了辐照度(Irradiance)是田间转录组动态的主要调控因子。该研究为作物环境响应机制解析和气候适应性预测提供了新范式。

　　

在自然环境中，作物需要应对光照和温度的复杂波动，但两者在田间的高度相关性（如白天高温伴随强光照）使得解析其独立效应成为难题。传统研究多依赖温室控制实验，但难以还原田间真实环境；而单纯田间观测又无法解耦环境因子的交互影响。这种认知缺口严重制约了作物气候适应机制的解析和产量预测模型的构建。

日本高知健康福利大学（Takasaki University of Health and Welfare）的Yoichi Hashida团队创新性地开发了低成本高通量生长箱系统(GC)，通过设计73种光温独立组合条件（5种光周期×5种昼温×5种夜温，排除同温组合），对两个水稻品种（Koshihikari和Takanari）叶片进行每3小时采样的昼夜转录组测序(RNA-Seq)。结合前期田间观测数据，研究人员采用FIT统计模型（含年龄、生物钟和环境响应子模型）进行整合分析，发现：

关键技术方法包括：

1. 系统环境控制：自主开发生长箱实现光温独立调控（PPFD 350-1300 μmol photon m^-2 s^-1，温度15-40°C）
2. 时序转录组采样：73种条件×8个时间点×2品种的1167个样本RNA-Seq
3. 数据驱动建模：通过LASSO优化环境响应参数，比较辐照度与温度预测效能
4. 网络分析：WGCNA构建共表达模块，识别温度响应枢纽基因

主要结果

光周期主导转录组振荡
通过PCA和t-SNE分析发现，连续黑暗(0L/24D)条件下转录组显著偏离其他处理（图2b）。短日照(8L/16D)和高温暗期(35°C)会放大基因表达昼夜振幅（图2c-e），而15°C暗期则抑制节律性。两个品种在极端条件下（连续光/暗）表达差异基因(DEGs)数量激增（图2f），且粳稻Koshihikari在低温下展现更强耐寒性相关基因表达。

温度响应模块的分子特征
WGCNA分析鉴定到22个共表达模块，其中模块5（含1416基因）与温度呈强正相关（r=0.69）（图3c）。该模块富集内质网蛋白加工(dosa04141)和分子伴侣结合(GO:0051087)通路，核心枢纽基因包括编码Hsp70的Os01g0840100（图3d-e）和FK506结合蛋白基因。另有60个基因（如PP2C50磷酸酶基因）表达与温度负相关，可能参与气孔调控。

辐照度是更优环境预测因子
对比不同训练数据集（GC、田间、混合）发现：仅用田间数据建模时，温度被优先选为预测因子的基因占72.5%（338/466），但存在较大不确定性（图4a）。而加入GC数据后，混合模型显著提升预测一致性，78.1%基因（360/466）改选辐照度为最佳预测因子（图4g）。这些基因主要参与光合天线蛋白(dosa00196)和囊泡运输等过程。

模型性能的实质性提升
通过平均绝对误差(MAE)评估发现，混合数据训练的模型对田间测试集的预测误差最低（图5d-e）。特别值得注意的是，192个基因在GC模型中的优异表现直接贡献了混合模型的改进，这些基因多与核糖体(GO:0005840)和肽代谢等基础过程相关。

结论与展望
该研究通过系统环境解耦实验，颠覆了传统认为温度主导田间转录组调控的认知，证实辐照度才是核心环境信号。所建立的混合模型首次实现了从非典型条件（如负昼夜温差）到田间复杂环境的有效外推，为作物气候适应性预测提供了新工具。未来研究可进一步优化实验设计，整合多组学数据，将转录组预测模型拓展至农艺性状预测领域，为应对气候变化下的精准育种提供理论支撑。论文发表于《Genome Biology》2025年第26卷。