水稻干旱胁迫感知水平的模型预测：基于生物标志基因的系统研究

为解决作物干旱胁迫早期诊断难题，日本研究团队通过时间序列转录组分析，鉴定出23个干旱胁迫生物标志基因（DSBM），并开发机器学习模型精准预测水稻干旱感知水平（准确率达75%），该研究为作物抗旱育种和精准农业管理提供了新型分子工具。

　　

随着全球气候变化加剧，干旱已成为制约农作物产量的首要非生物胁迫因素。面对日益频繁的极端天气事件，如何在水稻出现可见萎蔫症状前精准诊断其受旱程度，成为农业科学领域的重大挑战。传统干旱评估方法多依赖于表型观察（如植株高度、分蘖数变化）或土壤含水量测量，但这些指标往往滞后于植株生理层面的早期响应。植物在分子层面感知干旱胁迫后，会启动一系列基因表达调控机制，这为早期诊断提供了新的突破口。

日本国立农业食品研究机构的Yoshino Kanami与Tanaka Ryokei领衔的研究团队，在《BMC Plant Biology》发表了创新性研究成果。他们通过精密设计的盆栽模拟系统（iPOTs），对干旱敏感型水稻品种IR64开展时间序列转录组分析，首次建立了基于基因表达谱的干旱胁迫感知水平预测模型。该研究不仅揭示了水稻响应干旱的分子动态轨迹，更为作物抗旱育种提供了可量化评估的分子标尺。

研究采用多组学技术联用策略：首先通过生长室可控干旱处理（设置中度/严重干旱梯度），使用iPOTs系统监测土壤体积含水量（SWC）三维变化；采集不同胁迫时段完全展开叶进行RNA测序（RNA-seq），利用DESeq2进行差异表达基因（DEGs）筛选；通过k-means聚类识别表达动态模式；结合随机森林算法（Random Forest）构建分类预测模型；最后在40个水稻种质（含12个aus亚群、14个indica、5个japonica和9个混合型）中进行跨种质验证。关键实验技术包括时间序列转录组分析、主成分分析（PCA）、基因本体富集分析（GO enrichment）和机器学习建模。

时间序列转录组揭示干旱响应动态

研究人员发现，IR64品种在干旱处理4-6天后出现转录组剧烈重组，588个差异表达基因被划分为10个表达模式集群。早期（0-2天）响应基因主要涉及光合作用强化，中期（3-5天）出现氧化应激和叶片衰老相关基因激活，晚期（6-12天）则呈现碳氮代谢基因的适应性调节。特别值得注意的是，核酮糖二磷酸羧化酶相关基因在急性缺水阶段短暂上调，随后在持续胁迫下被抑制，表明水稻通过动态调整光合作用来平衡生存与生长。

干旱胁迫生物标志基因（DSBM）筛选

从表达动态稳定的基因中筛选出23个DSBM基因，包括9个上调基因（uDSBM）和14个下调基因（dDSBM）。这些基因对干旱表现出高度特异性：LOC_Os01g47370（MYB转录因子）和OsRNS4（核糖核酸酶T2）等uDSBM基因快速响应胁迫，而OsIRO2（铁摄取调控因子）和三个Bowman-Birk型胰蛋白酶抑制剂基因则显著下调。复水实验证实，其中16个基因在重新供水2小时内表达恢复，证明其反映实时胁迫感知而非历史胁迫记忆。

跨种质保守性验证

在40个水稻种质中，DSBM基因对干旱的响应方向高度保守。但在某些种质（如WRC16、WRC32）中出现异常表达模式：这些种质具有极端根系构型（最大侧根表面积或最深根占比），说明根系结构通过改变水分获取能力间接影响胁迫感知。OsNRT2.4（硝酸盐转运蛋白）和OsMAX1d（独脚金内酯合成酶）的响应提示植物激素交叉对话在干旱响应中的重要作用。

机器学习模型精准预测

基于IR64时间序列数据训练的随机森林模型，对40个种质的胁迫状态预测准确率达75.3%。模型输出的干旱感知概率与14天后的植株生物量呈显著负相关（r=-0.44）。特别发现侧根表面积与对照条件下的胁迫感知水平正相关，表明根系发达的种质对水分变化更为敏感。

该研究首次建立了基于转录组的水稻干旱感知量化评估体系，23个DSBM基因构成的核心标记组能准确反映植株生理状态。研究证实干旱感知受到根系构型（根表面积、冠根直径、深根比）的显著调控，为"根系构型-水分获取-基因表达"三联调控机制提供了分子证据。所开发的机器学习模型突破了传统表型鉴定的滞后性局限，为实现作物干旱抗性的早期预测和精准育种提供了技术支撑。这项成果对发展智慧农业中的作物健康监测系统具有重要应用价值，其跨种质保守性特征更使其具备推广到其他禾谷类作物的潜力。