机器学习辅助表型分析揭示冬小麦耐旱性遗传机制与穗部性状数字化精准评估

本刊推荐：本研究通过传统农艺性状测量与机器学习辅助表型分析相结合，系统性评估了77份冬小麦种质在早期活力（DRL/DLA）和成熟期15个性状对干旱胁迫的响应。研究发现1RS、2RL和cfAD99基因型在产量稳定性方面表现突出，并首次利用可训练Weka分割（TWS）技术实现穗面积（SAPP）的自动化精准测量（R2=0.70*），证实干旱导致的减产主要源于穗粒数减少而非穗型变化。该研究为小麦耐旱基因挖掘和智能育种提供了创新方法学支撑。

　　

引言

小麦作为全球三大主粮作物之一，是人类日常饮食中蛋白质和热量的主要来源。随着气候变化加剧，干旱发生的频率和强度持续增加，已成为制约小麦生产力的关键非生物胁迫因子。冬小麦因其较高的产量潜力和抗逆性，在北半球农业生产中占据重要地位。在瑞典，冬小麦的种植面积和总产量分别达到春小麦的7倍和12倍，凸显其经济与战略重要性。

干旱胁迫通过不同机制影响小麦生长发育：营养生长期的干旱会形态学和生理学上抑制器官发育，而生殖生长期的干旱则从生物化学和生理学层面严重降低最终产量。已有研究表明，旗叶面积（FLA）和根系生物量（RB）等性状与冬小麦耐旱性密切相关。尽管现代基因型通常表现出更好的产量性能，但古老品种、地方品种和原始小麦中仍存在具有气候适应潜力的遗传资源。特别是小麦-黑麦渗入系中携带的1RS染色体被证实可通过增加根系生物量提升耐旱性，但多染色体组合渗入的研究仍较为有限。

材料与方法

研究材料涵盖77份冬小麦基因型，包括现代育种系、古老瑞典品种、NordGen种质资源、携带不同黑麦染色体（1R、2RL、5RS等）的渗入系、小麦-滨麦草（Leymus mollis）AD99衍生系以及黑麦和小麦亲本对照。通过水培实验评估早期根活力（数字化根长DRL）和早期叶活力（数字化叶面积DLA），采用RootNav和Easy Leaf Area软件进行图像分析。

Biotron实验设置三种处理：对照（C）、早期干旱（EDS，春化后12天开始28天控水）和晚期干旱（LDS，春化后65天开始14天控水）。测定性状包括物候期（DTH、DTA）、生理指标（NDVI）、形态性状（FLA、PDL、RB、TPP、SPP、PSPP、SPL）和产量性状（GPP、GPS、GWPP、GWPS、TGW）。创新性地采用基于Trainable Weka Segmentation（TWS）的机器学习模型对穗面积（SAPP）进行自动化量化，并通过ImageJ宏脚本实现批量处理。

结果

早期活力变异

基因型间早期根长（DRL）和叶面积（DLA）存在极显著变异（p<0.001），范围分别为1.79-20.5 cm和11.0-83.5 cm²。NGB基因型和黑麦亲本系表现出最长的根长（16.9-17.0 cm），而古老品种根长最短（4.92 cm）。叶面积在TPL基因型中最高（69.5 cm²），显著高于1R+6R（44.4 cm²）和5RS+4R+6R（42.4 cm²）基因型。

基因型组对干旱的响应

不同基因型组对干旱胁迫呈现差异化响应。NGB基因型在对照条件下旗叶面积最大（56.2 cm²），且在早期干旱下保持最高值（58.3 cm²）。古老品种、1R和1RS+2RL基因型在成熟期根系生物量最高（4.6-6.22 g），显著高于现代基因型（2.43 g）。晚期干旱对产量性状的影响更为严重，籽粒数（GPP）和单株粒重（GWPP）降低幅度分别达4.1-63.9%和18.4-68.7%。1RS基因型在千粒重（TGW）方面表现突出（54.4 g），且在干旱下保持稳定。

性状关联与稳定性分析

主成分分析（PCA）显示干旱处理沿第一主成分（31.73%）分离，表明干旱对RB、NDVI、PDL、TGW、SPL、GPS、GWPS、GWPP和GPP的显著影响。相关性分析发现NDVI与PSPP、SPL、GWPS和GWPP呈正相关，但与GPS和GPP负相关。根系生物量与产量性状在对照条件下呈负相关，但在早期干旱下与GPS（r=0.45）和GPP（r=0.51）转为正相关。

基于BLUP的稳定性分析将NGB、2RL和cfAD99基因型鉴定为最具适应性的群体。AMMI模型进一步筛选出14个高产稳产基因型，包括Kr 08-101（2RL）、Kr 08-108（cfAD99）和NGB9057.3等。PCA解析表明：2RL基因型的产量稳定性由穗部性状（SPL、GPS、GPP）贡献，而早期干旱下的耐性则由形态性状（PDL、RB、NDVI）维持；1RS基因型的晚期干旱耐性与RB和TGW密切相关。

机器学习辅助穗部表型

机器学习模型测量的穗面积（SAPP）与产量性状呈显著正相关，其中与穗粒数（GPP）的相关性最强（R²=0.70*）。相关性强度呈现对照＞早期干旱＞晚期干旱的模式。早期干旱下SAPP增加9.5%而GPP基本不变，晚期干旱下GPP（32.4%）和GWPP（43.2%）的降幅远大于SAPP（13.4%），证实干旱导致的减产主要源于穗粒数减少（空穗率增加）而非穗型变化。

讨论

冬小麦与春小麦在早期根系发育策略上存在显著差异：春小麦需要强健的早期根系应对春季干旱，而冬小麦在冬季春化期间对水需求较低，这解释了古老品种早期根长较弱但成熟期根系生物量较高的现象。黑麦1RS染色体渗入已知能增加根系生物量和改善病害抗性，但可能因醇溶蛋白基因导入导致品质缺陷。

2RL染色体在先前研究中主要与抗病性相关，本研究首次发现其可能携带干旱适应相关基因。AD99渗入系的表现证实滨麦草基因组中存在耐旱遗传成分。机器学习辅助的穗部表型技术展现了高通量、高精度和一致性的优势，为作物表型组学研究提供了新范式。

结论

气候变化背景下，冬小麦耐旱性改良对保障粮食安全至关重要。早期根系活力在冬小麦中的育种价值有限，而2RL、1RS染色体和滨麦草AD99基因组的利用前景广阔。机器学习辅助的穗部表型分析表明干旱主要通过降低穗粒数而非改变穗型导致减产，因此育种中应优先选择花粉育性强的材料。该研究整合传统测量、现代表型组学和计算图像分析，为加速植物耐旱性状评估提供了多维技术框架。