无人机多光谱高通量表型与全基因组关联分析协同揭示小麦耐低氮候选等位变异

《Plant Phenomics》：Integrating UAV-based high-throughput phenotyping and GWAS reveals candidate alleles for low-nitrogen tolerance in wheat

　　

开发耐低氮（low-nitrogen, LN）小麦品种，对于在保障全球粮食安全的同时实现农业环境可持续生产十分必要。然而，耐低氮性状的规模化遗传评估长期受到传统测量方法低通量的制约。研究人员建立了一个集成的、以无人机（Unmanned Aerial Vehicle, UAV）为平台的高通量表型框架，用于在两个连续生长季（2022—2023年）中评价210份小麦（Triticum aestivum L.）种质的耐低氮性。田间试验分别在严重缺氮（0 kg N ha^-1）和正常氮（240 kg N ha^-1）条件下进行。研究人员在多个发育阶段获取多光谱影像，并评价22个植被指数（Vegetation Indices, VIs）。结果显示，拔节期（Zadoks 43）是评估的最佳时空窗口。其中，绿色归一化植被指数（Green Normalized Difference Vegetation Index, GNDVI）和绿色叶绿素指数（Green Chlorophyll Index, GCI）对地上生物量（Above-Ground Biomass, AGB）和籽粒产量（Grain Yield, GY）具有最高的预测准确性，并表现出较高广义遗传力（broad-sense heritability, H2）。为进一步将表型与遗传解析相衔接，研究人员基于最优植被指数的最佳线性无偏预测（Best Linear Unbiased Prediction, BLUP）值构建耐低氮指数。随后开展的全基因组关联研究（Genome-Wide Association Study, GWAS）利用这些非破坏性耐低氮指数，鉴定到26个候选位点，并优先确定5个候选基因，其中涉及调控氮胁迫响应的MYB和ERF转录因子。尤为关键的是，核心候选基因TraesCS1A02G379700的基因型分析表明，与更高耐低氮性相关的CC等位基因在亚洲小麦种质中显著富集，提示其在区域育种过程中可能经历了适应性选择。研究结果表明，UAV衍生的多光谱指数可作为传统产量性状的有用替代表型，为加速小麦耐低氮性的基因组辅助育种提供了可扩展且高效的策略。

在保障粮食供给与降低环境负担的双重压力下，氮肥的减量增效成为小麦可持续生产的核心议题。氮是作物生长与产量形成的关键养分，但当前全球作物氮素利用效率仍然有限，过量施氮不仅增加生产成本，还会引发水体富营养化、温室气体排放等问题。要在减氮条件下维持产量，必须依赖耐低氮种质，并通过可靠表型进行准确鉴定。然而，传统耐低氮评价多依赖破坏性取样、苗期根系或收获期考种，流程繁琐、周期漫长、通量受限，难以满足大规模遗传群体与育种筛选需求。与此同时，无人机多光谱遥感能够非侵入式捕捉作物冠层光谱反射，植被指数可表征叶绿素、生物量与冠层结构变化，但其在低氮耐受遗传解析中的系统应用仍缺乏共识，尤其缺少对最佳生育期、最稳健指数以及能否作为GWAS替代表型的验证。基于上述背景，研究人员以210份代表性中国小麦种质为群体，于南京农业大学白马实验站开展两个生长季（2021—2022与2022—2023）裂区试验，设置缺氮0 kg N ha^-1与正常氮240 kg N ha^-1处理，以正常氮小区收获考种获得AGB与GY真值。研究目的包括：确定最优UAV观测生育期并筛选稳健植被指数以构建耐低氮指数；验证这些指数在GWAS中的效率，从而加速候选基因与有利基因型发现。主要技术方法为：研究人员利用搭载RedEdge-MX多光谱相机的EcoDrone UAV，在分蘖、拔节、抽穗、灌浆和面团发育五个Zadoks阶段高频采集蓝光、绿光、红光、红边与近红外波段影像，并以实时动态定位（Real-Time Kinematic, RTK）地面控制点和灰板辐射定标保证空间与辐射精度；随后在QGIS与ENVI中提取单波段反射率并计算22个VIs，以线性回归比较不同阶段VIs对AGB和GY的预测能力，用决定系数R2与均方根误差（Root Mean Square Error, RMSE）筛选阶段与指数，并以H2>0.70阈值进行遗传力过滤，最终保留GNDVI与GCI；接着用R语言lme4计算各氮处理下两年BLUP值，构建耐低氮指数，即低氮耐受指数LNT和耐逆性指数Stress Tolerance Index（STI），再以660K SNP芯片基因型（质控后409,976个SNP）开展FarmCPU模型的GWAS，以前五主成分和亲缘关系矩阵控制群体结构，采用-log10(P)≥4.0作为提示性阈值，并通过WheatOmics与Ensembl Plants注释候选基因。结果显示：缺氮处理下210份种质的AGB与GY较正常氮显著下降，两年平均分别降至正常氮的约三成与三成以下，且材料间变异广泛，说明氮胁迫处理有效且群体遗传多样性充足。通过两年独立筛选与验证，抽穗前拔节期（Zadoks 43）对AGB和GY的预测准确性最高，RMSE呈先降后升的U形、R2呈倒U形；GNDVI与GCI在两年、两种氮处理及AGB/GY预测中均位居前列，并满足高遗传力，被确定为最稳健替代性状；WDRVI因在氮处理间符号反转而被排除。基于BLUP构建的LNT与STI进行GWAS，共获得26个提示性SNP，分布于1A、1B、1D、4A、5D、6A、6B、6D和7D等染色体；与基于实测AGB/GY的平行GWAS比较，STI在1A上出现跨GNDVI、GCI、AGB和GY高度一致的共享提示峰，LNT则未见稳定共享峰，说明乘积型STI更利于保留生产力相关遗传变异。候选基因挖掘在6个关键SNP上下游±500 kb内获得316个基因，依据根系高表达过滤保留69个，并结合功能注释确定5个候选基因：编码MYB转录因子的TraesCS1A02G379700，三个ERF家族成员TraesCS1A02G370400、TraesCS1A02G370600和TraesCS1A02G370700，以及可能参与三羧酸循环的TraesCS7D02G011600。基于STI的基因型评价仅检测到TraesCS1A02G379700具有显著表型差异，其CC基因型与更高耐低氮性相关，并在亚洲尤其是东亚种质中高度富集，而在欧洲和美洲材料中CC与TT频率混杂，提示该位点可能在不同氮投入与耕作制度下经历了差异化选择。讨论部分强调，Zadoks 43处于氮吸收高峰末段、叶面积指数与冠层群体结构趋于稳定、抽穗前氮素转运尚未大规模启动的窗口，因此光谱信号更能反映瞬时氮状态而非后期衰老或物候噪声；GNDVI与GCI基于绿光与近红外波段，对叶绿素和生物量变化更敏感，且能在抽穗前表征支撑灌浆的碳氮储备，因而机制上适合作为缺氮条件下产量估算代理。与实测性状指数的一致性进一步支持VI派生STI可保留基因型排序，但VIs动态范围较窄，绝对值解释需谨慎，跨环境应用需专门标定。就遗传位点而言，1A共享峰与已报道的小麦氮素利用效率及产量相关性状元QTL区间部分重叠，但具体候选区尚未功能验证；TraesCS1A02G379700作为根系高表达的MYB候选，可能通过重塑根系构型与调控氮同化相关酶维持低氮生长，但其因果作用仍需精细定位、基因编辑或转基因验证；同一区间ERF成员及7D候选基因缺乏稳定基因型差异或芯片覆盖不足，宜视为位置与功能候选而非确证因果基因。研究同时承认局限：不同种质抽期物候异步可能引入背景噪声，候选关联仍需分子验证，氮效率受复杂基因型与环境互作影响，未来需跨土壤气候区多年多点试验。结论翻译为：研究人员证明，UAV多光谱成像可用于小麦耐低氮性的高通量遗传评价；在所评价的22个VIs中，抽穗期基于近红外与绿光波段的GNDVI和GCI与籽粒产量和地上生物量具有较高相关性并表现高遗传力；将这些非破坏性指数整合进GWAS，共揭示26个提示性SNP并优先确定5个与氮响应网络相关的候选基因，包括MYB与ERF家族成员；TraesCS1A02G379700的CC纯合基因型及其在亚洲种质中的明显富集，凸显其潜在农艺价值；UAV衍生的VIs可作为耗时传统测量方式的有用替代表型，为培育氮高效小麦品种提供高效的基因组辅助育种策略。