《Food and Energy Security》：The Multi-Omics Opportunity to Improve Heat Adaptation in Chickpea
生殖发育期间的热胁迫是鹰嘴豆（Cicer arietinum L.）主要产区生产力的关键限制因素，高温通过导致花和荚果败育、降低花粉活力以及损害籽粒灌浆而造成产量损失。随着全球气温和急性高温事件频率预计增加，培育热适应品种日益紧迫。热耐受性育种进展受到适应性性状的多基因性、低遗传力、强烈的基因型-环境互作（GEI）以及相对于主要作物有限的研究投入的制约。高通量表型分析、测序技术和计算方法的近期进展日益使多组学方法成为可能，这些方法整合多样化和高维数据以解析性状架构并提高预测准确性。本综述将热胁迫视为鹰嘴豆生产力的主要限制因素，综合了当前组学技术在鹰嘴豆研究中的现状，并探讨了最大化整合多组学方法影响的策略。在成本、可扩展性和数据整合方面仍存在挑战。研究人员提出了一种分阶段方法，近期优先考虑稳健的基因组预测和环境协变量建模，随着数据集和分析流程的成熟，再逐步加入多组学整合。这为加速开发热适应鹰嘴豆品种和加强脆弱地区的粮食安全提供了一条实用途径。
**1 引言**
营养不良和微量营养素缺乏影响全球约20亿人，尤其在低收入国家的育龄妇女和婴儿中，而主食谷物无法满足这些多样化的营养需求。因此，豆类作物在全球粮食和营养安全中发挥关键的补充作用。鹰嘴豆（Cicer arietinum L.）是一种冷季型一年生豆类作物，提供廉价的蛋白质来源（20%–30%）、碳水化合物（60%–65%）、淀粉、脂肪、纤维、维生素和必需微量营养素。尽管在非限制环境中理论产量潜力可达约6吨/公顷，但农场鹰嘴豆产量仍显著较低，全球平均生产力约为1吨/公顷。
鹰嘴豆产量限制主要来自雨养生产体系相关的非生物胁迫，全球约90%的生产面积受水分可利用性限制生产力。鹰嘴豆通常在干燥环境中利用残留水分或季节性降雨，种植在土壤质量较差的边际土地上。过去五十年，全球总产量适度增长，主要与种植面积扩大成比例。生产力的边际增长（自1961年以来约6公斤/公顷/年）归因于改进的管理实践、扩展到更具生产力的环境，以及通过国际半干旱热带作物研究所（ICRISAT）、国际干旱地区农业研究中心（ICARDA）和国家育种计划改良种质。然而，通过土地扩张或投入集约化进一步提高产量日益受到优质农业用地竞争以及经济和环境可持续性问题的制约。因此，鹰嘴豆生产力的持续增长将取决于持续的遗传改良以及优化的作物管理实践。
当前和日益加剧的鹰嘴豆主要产区产量限制因素是生殖发育期间的热胁迫，开花前后关键期温度超过约32°C会导致严重产量损失，通过花和荚果败育、降低花粉活力和损害籽粒灌浆。预计到2100年全球平均气温将上升1.8至4.0°C，加剧主要鹰嘴豆产区（尤其是印度、巴基斯坦和埃塞俄比亚的亚热带地区）的热胁迫风险，这些地区豆类作物的关键膳食成分。更频繁和极端的天气事件将进一步破坏产量稳定并增加生产风险。
抗逆性育种的进展取决于理解从整株到细胞水平的胁迫响应所依据的生理和分子机制。赋予热耐受性的适应性性状通常呈多基因性，具有低遗传力和大的基因型-环境互作（GEI）。此外，精英鹰嘴豆基因库中狭窄的遗传多样性限制了传统育种方法开发抗逆性品种的有效性。应对这些挑战需要能够解析复杂性状架构并提高选择效率的整合性方法。
高通量表型分析、测序和计算方法的近期进展已通过多组学方法实现了这种整合。多组学指的是对多种类型生物学数据进行整合分析，以解析复杂性状表型变异的遗传和调控基础，增进对性状架构和调控网络的理解，和/或提高作物早期发育阶段植物价值的预测准确性。作物研究中常用的组学数据包括：基因组学（DNA序列变异和遗传架构）、表观基因组学（通过DNA/染色质修饰的基因调控）、转录组学（基因表达谱和调控网络）、蛋白质组学（蛋白质丰度和功能性酶活性）、代谢组学（代谢物谱和生化途径）、表型组学（高通量表型测量和成像）以及环境组学（环境特征化和GEI建模）。
尽管组学方法在鹰嘴豆研究中应用日益增多，但如何最大化这些工具（单独和联合使用）以改善鹰嘴豆热耐受性的框架尚未被探索。本综述将（i）将热胁迫作为鹰嘴豆生产力和粮食安全的主要问题呈现，并在此背景下，（ii）综述鹰嘴豆研究中组学工具的现状，以及（iii）探讨如何利用多组学分析改善热耐受性性状解析和预测建模能力。
**2 鹰嘴豆中的热胁迫**
**2.1 对产量的影响**
热胁迫是当前和未来生产力的一个限制因素，原因包括鹰嘴豆种植区从较冷的长季环境向较暖的短季环境普遍转变、由于种植强度增加而推迟播种的面积增加，以及气候变化导致平均温度和急性热事件的预计增加。此外，鹰嘴豆主要种植在边际环境中，环境胁迫和管理资源更为有限。这反映了将更具生产力的谷类作物优先安排在优质农业用地上，而鹰嘴豆的深根系使其能够在大多数其他作物不适宜的条件下生长至成熟。然而，显然仍存在可开发的产量潜力。例如，一项模拟研究表明，1996年至2015年间澳大利亚北部和南部种植区鹰嘴豆平均产量分别低于水分限制产量潜力1.60和2.38吨/公顷。此外，优化的农艺管理是实现产量潜力的先决条件。在考虑作物遗传、播种日期、植株密度或氮状况之前，低效的苗床准备、杂草、病虫害管理以及低土壤肥力或养分管理不足最多可解释90%的水分限制产量差。这强化了遗传改良必须伴随农艺适应才能实现有意义的产量增益。
典型的鹰嘴豆生产体系包括在南亚、东非、澳大利亚东北部的亚热带地区和春季播种的地中海地区的雨后季利用储存土壤水分播种，或在地中海盆地和澳大利亚南部作为冬季作物依赖季节降雨。这两种体系都使作物在生殖期间暴露于上升温度，特别是在短季环境中，以及当因缺雨、潮湿天气或为减少真菌病害Ascochyta枯病发生而推迟播种时。
精确定义热胁迫具有挑战性，因为对产量的定量影响和温度敏感性阈值在不同基因型、生理过程和物候期之间存在差异，并可能通过驯化或“胁迫记忆”进一步适应。在鹰嘴豆中，所有发育阶段的热胁迫都可能造成产量损失，但生殖阶段被认为最脆弱。导致产量损失的主要组分是每株荚果数减少。这是高温影响花芽、花朵和结荚的结果。通常，温度超过约32°C会导致花芽败育和花芽起始及发育减缓，从而降低开花数量。在严重胁迫下，热胁迫还会导致花芽和花朵脱落。花诱导后，热胁迫主要导致雄性生殖组织的结构异常，包括花药室数量变化、表皮壁增厚和花粉不育性增加。花粉异常包括原生质泄漏、Z字形管生长、假萌发和球状顶端形成，阻碍成功受精并阻止荚果形成。
热胁迫已通过作物模型和田间研究方法一致证明会导致产量损失。作物模型研究预测，印度北部四个邦季节性平均温度每升高1°C，产量损失为53至301公斤/公顷/°C，并在印度安得拉邦四个地点本世纪中叶变暖情景下产量减少4.3%至18.6%。推迟播种的田间研究通过改变生长季节使作物在生殖发育期间暴露于升高温度。这种实验方法在印度多个地点和年份报告了推迟播种5至8周导致34%至58%的产量损失。孟加拉国报告了类似损失，2年内推迟6周损失高达38%，摩洛哥一个季节推迟8周损失46%。在评估基因型变异时，热耐受品系优于热敏感品系，2年内约推迟5周分别损失33.3%和55.3%。研究间的直接比较因生殖发育期间经历的具体温度条件报告不一致而复杂化。生长室和温室实验施加日/夜温度>32/20°C（胁迫）与>25/15°C（对照）的生殖热胁迫，报告热耐受基因型损失21%至28%，热敏感基因型损失63%至67%。因此，鹰嘴豆中归因于热胁迫的产量损失既显著又可变，损失程度取决于基因型、温度严重程度以及暴露的时间和持续时间。
**2.2 改良目标**
鹰嘴豆基因型在对热胁迫的敏感性和响应方面存在显著变异，涉及物候、生理和产量组分性状。然而，短栽培历史、众多竞争性状（如抗病性、种子大小）、多样化的目标环境群体（TPE）、不同植物类型（desi和kabuli）、市场需求（如选择大种子大小有效但以籽粒产量为代价）以及缓慢的种子繁殖导致籽粒产量的历史遗传增益边际（<1%/年）。在热胁迫环境中高总籽粒产量可被视为热耐受性的最终标准。然而，TPE中热胁迫的时间、强度和持续时间变异导致强烈的GEI，需要多性状方法进行遗传改良。次级（或替代）性状是与产量相关性好但通常显示较少GEI和较高遗传力的性状，因此比直接选择产量提供更有效的选择。
草本植物已进化出对非生物胁迫的抗性，这些策略可分为逃避、避免和耐受机制。热逃避指在热胁迫发生之外完成敏感阶段。热避免包括减少热负荷或限制组织温度的策略，如改变叶片朝向、增加叶面积以增加自遮荫、较厚和蜡质的叶片角质层、更高的光反射率以及更深根系以改善土壤水分获取并支持蒸腾冷却。而热耐受性涵盖一组复杂的植物响应，包括与多种环境因子相互作用的遗传、生化、生理和农艺性状，以帮助在热胁迫期间维持功能。因此，一个热适应基因型理想地结合了与资源可利用性时机匹配且最小化环境中热胁迫发生率的发育谱，以及从细胞到冠层水平的耐受能力。
鹰嘴豆产量与关键期（图1）的作物生长速率正相关，关键期是开花后100个生长度日（~5天）为中心的800个生长度日（假设日/夜温度25/15°C和基础温度0°C的简单线性框架，约40天）的持续时间。因此，将物候与环境匹配很重要，以确保此时期与有利环境条件重合。在鹰嘴豆中，长日照和温暖温度加速开花时间，而高水分可利用性、寒冷温度、低辐射或高湿度可能延迟开花时间。通过提前播种可避免末期热胁迫；然而，这会增加早期霜冻或土壤水分不足的风险，并可能导致累积生物量未转化为籽粒产量的低收获指数。在播种日期操纵受限的情况下，短生育期基因型可通过避免末期热胁迫优于长生育期基因型。虽然这是对可预测末期热胁迫环境的有效策略，但存在局限性，因为缩短发育减少了生物量积累和籽粒灌浆的持续时间并限制根系生长。在伊朗的一项长期建模研究中，当前和未来气候下的籽粒产量通过较短的营养生长期和较长的灌浆期最大化。因此，育种努力必须平衡物候逃避与足够的发育持续时间以最大化产量潜力。
鹰嘴豆具有无限生长习性，顶端分生组织始终处于营养状态，当土壤水分、温度和其他环境变量适宜时，营养生长持续进行。这使植物能够从早期热胁迫事件中补偿和恢复，并降低作物完全失败的风险。然而，持续的营养生长可能是不必要的同化物库，且不同步的荚果发育可能导致早期形成的荚果在收获时脱落，而后期荚果仍不成熟。这使作物管理和基因型评估复杂化。选择有限或半有限生长习性可能改善热胁迫环境下的收获均匀性和表型分析可靠性。
早期活力对鹰嘴豆产量可产生积极或消极影响，取决于目标环境的降雨变异性。早期活力与初始生长的速度和均匀性直接相关，并影响植物与杂草竞争的能力。然而，快速早期生长的代价是减少用于生殖建成和籽粒灌浆的水分储备，尤其在晚花基因型中。因此，优化早期活力需要根据TPE的水分可利用性和降雨分布进行校准。
在物候和农艺操作受限的情况下，可在分子水平确定改良目标。热胁迫损害主要植物功能，如光合作用、蒸腾作用、呼吸作用和氮代谢。植物通过生理和生化响应来应对这种胁迫，旨在维持膜完整性、保护大分子和维持代谢。与热耐受鹰嘴豆理想型相关的关键特征包括：高细胞膜热稳定性，这对于在胁迫下维持光合作用和呼吸作用至关重要；增强的渗透调节物质产生，有助于胁迫信号传导、保护酶免受变性以及膜和光合色素稳定化；增加的抗氧化能力，以减轻有毒活性氧（ROS）造成的损害；维持光合能力，包括上调RuBisCO蛋白和增加蔗糖合酶表达；诱导热激蛋白（HSPs），它们结合变性蛋白并防止其错误折叠、早期降解和聚集；高气孔导度，如果土壤水分充足，可能通过维持叶片水分状态和降低冠层温度赋予优越的热耐受性。
**3 鹰嘴豆育种者的组学工具箱**
组学分析技术和方法的快速发展提高了大规模解析性状架构和表型分析次级性状的能力。这促进了上述目标的量化和实现。每个组学层提供不同信息，理解每个单独的优点是将它们有效结合的前提（表1）。
**3.1 蓝图：基因组学**
鹰嘴豆基因组学包括分析个体和群体间的DNA序列变异，包括单核苷酸多态性（SNPs）、拷贝数变异、插入缺失或染色体重排。这种遗传变异构成了基因表达模式和调控网络差异的基础，从而导致观察到的表型多样性，包括对热胁迫等环境胁迫的响应。测序技术的进步使得基于DNA多态性的基因型高通量和低成本区分成为可能，显著加速了遗传改良能力。
在鹰嘴豆中，基因组研究通常采用高密度SNP芯片（如Axiom CicerSNP Array）或基因分型测序（GBS）平台，具体取决于研究目标。这些方法通过数量性状位点（QTL）定位和全基因组关联研究（GWAS）实现遗传变异与给定性状表型方差的统计关联。标记辅助选择（MAS）使用少量单独关联的标记来指导育种决策。已鉴定出许多与热耐受性相关性状的QTL，如形态学、物候学、生理学和产量组分。然而，由于在不同环境和遗传背景下表达不一致，这些QTL在MAS中部署和随后在育种计划中采用仍有限。
基因组预测（GP）利用全基因组标记数据来预测育种值，并根据个体总遗传价值而非单个标记效应识别优良个体。基因组选择（GS）应用这些预测在表型评估之前识别和选择优良个体。在鹰嘴豆中，GP已用于预测产量、100粒重、开花天数、成熟天数、株高、生物量、收获指数和Ascochyta枯病抗性。成功实施GS的关键考虑因素是预测模型的准确性，其通常随环境和模型类型变化。种子产量通常具有较低的GS准确性（R2为0.14至0.60），而产量组分性状如100粒重（0.79–0.91）较高。方法学改进，包括多样化预测模型的集成和局部基因组估计育种值（LGEBV）方法，可能提高复杂性状的预测准确性。在鹰嘴豆中，LGEBV方法已用于鉴定对种子重量、开花时间和株高重要的单倍型。尽管有前景并在其他作物中成功使用，但GS在鹰嘴豆中尚未用于热特异性实验或试验。
来自3366个基因组的序列数据积累使得鹰嘴豆泛基因组得以开发，旨在捕获一个物种中所有个体的完整基因含量，包括每个种质中存在的核心基因组和包含特定个体或群体子集特有基因的可变基因组。这与‘CDC Frontier’kabuli型基因组对齐。最近，已发表15个澳大利亚鹰嘴豆品种的高质量基因组组装和注释。这些泛基因组资源对抗逆性研究特别有价值，因为可变基因组可能包含在单个参考组装中未代表的应激应答基因的存在/缺失变异。例如，通过开发珍珠粟泛基因组已鉴定出影响热耐受性相关基因表达的结构变异。比较基因组学从其他物种的发现中汲取见解；例如，模型和作物豆类之间的共线性可用于加速跨物种候选基因发现，而无需在每个物种中独立进行定位。
随着测序成本持续下降，全基因组重测序平台可能成为GS的可行方案，提供更高的标记密度。这种方法的挑战包括高计算需求、缺乏统计软件包（因为大多数现有GS软件设计用于低密度标记应用）以及无意中将残留方差分配给标记的过拟合问题。重要的是，位于编码和调控序列内的SNPs可解释与随机位置SNPs相当或更大的遗传方差。例如，来自外显子组的29,000个SNPs对鹰嘴豆产量的预测准确性与从基因组中随机挑选的298,000个SNPs相当。因此，功能信息标记子集，源自注释、显著标记-性状关联或外显子捕获基因分型平台，可能以较低成本和复杂性实现与全基因组重测序相当的预测性能。
**3.2 分子驱动因素**
**3.2.1 表观基因组学**
与体细胞中整个生命周期保持稳定的DNA序列不同，表观遗传学是研究不改变DNA序列而改变基因表达的因素。这些修饰可以是动态的，在发育过程中随时间变化，在不同细胞类型间空间变化，并响应环境。大多数表观遗传调控可分为三类：（i）DNA甲基化，（ii）通过甲基化、乙酰化和泛素化进行的组蛋白修饰，或（iii）改变染色质构型并影响转录输出的小RNA介导途径。这些修饰通过改变转录谱导致植物对非生物胁迫响应的变化。
在热胁迫下，表观遗传标记可以调节热激转录因子（HSFs）、热激蛋白（HSPs）和ROS保护途径的激活，通常通过启动子甲基化、组蛋白H3K4me3富集或胁迫响应位点的染色质可及性变化。植物还可以通过先前暴露于适度胁迫而获得更好耐受热胁迫的“启动”能力。尽管转录记忆的分子基础在很大程度上未知，但模式物种拟南芥的研究提供了可应用于鹰嘴豆的见解。例如，在瞬时热事件后，HSFs的异源复合物与记忆相关启动子结合并招募表观遗传机制，沉积持续的组蛋白甲基化标记如H3K4me3，使染色质保持转录准备状态。这种启动构型在后续热事件中实现了HSP和ROS保护基因的更快重新激活。缺乏HSF复合物的突变体无法建立这种H3K4me3依赖性记忆。鉴定鹰嘴豆中类似的HSF复合物或表观遗传启动的位点可能揭示增强热耐受性的策略。
DNA甲基化分析可能立即对鹰嘴豆育种有价值。DNA甲基化发生在不同的序列环境中，基因组中的非甲基化区域（UMRs）在营养发育过程中高度稳定，并且倾向于与包含功能基因和顺式调控元件的区域对齐。在鹰嘴豆这样中等大小的基因组（738 Mb）中，UMR测序（UMRseq）提供了一种方法，从容易收获的组织中浓缩基因组至功能相关基因，无需更昂贵的表达或染色质图谱。因此，UMRseq可支持改进热应答基因的注释、鉴定表观等位基因作为性状作图的分子标记，以及发现用于反向遗传学方法的调控途径。比较热胁迫和对照植物之间的UMR模式可能揭示参与热胁迫响应的新调控元件。对于GS，UMRseq过滤的SNPs可整合现有泛基因组和参考组装资源，以优先标记热胁迫耐受性。
表观基因组学在作物改良计划中的应用有限，大豆、草莓、甜瓜和番茄中有一些例子。表观遗传变化可以是体细胞性的并在代际间重置，或通过跨代表观遗传继承稳定遗传，每种变化对育种提出了不同挑战。首先，大多数表观遗传修饰一旦胁迫移除即恢复到基线水平，尚不清楚表观遗传修饰是胁迫恢复力的原因还是仅仅反映其他生理响应。其次，控制特定修饰跨代遗传的机制仍知之甚少。第三，将表观遗传变异整合到育种计划中需要开发模型来识别可遗传的表观遗传表型、改进表观基因分型以及适应非孟德尔遗传模式的育种框架。
尽管存在这些育种挑战，表观遗传分析可改善基因注释并鉴定控制热响应基因的顺式调控元件，为传统育种或基因编辑方法提供靶标。可开发种子生产或幼苗建立阶段的胁迫启动方案，以利用转录记忆机制。UMRseq提供了一种经济有效的方法，从泛基因组资源中优先选择功能相关标记用于GS模型。由于DNA甲基化模式可能特异于组织、细胞器、种质、物种或生物体年龄和环境，单细胞分析技术的发展将导致与传统批量分析相比更好的细胞间差异理解。长期来看，稳定表观等位基因和跨代表观遗传继承的利用可能依赖于靶向表观基因组编辑技术的进展。
**3.2.2 转录组学**
植物遭遇热胁迫时的动态响应可通过分析其他分子层进一步探索。转录组学是研究细胞中完整转录本集合（包括mRNA、非编码RNA和小RNA）及其丰度的学科。它可用于量化不同条件下每个转录本的表达水平变化，并预测先前未注释的单个或一组基因的功能作用。由于转录谱高度动态，转录组捕获了细胞中总转录本的瞬时快照。
转录组学包含多种方法；然而，RNA测序（RNA-seq）目前是主导平台，因其高灵敏度、通量以及能够不依赖参考基因组捕获已知和未知转录本。RNA-seq研究能够量化不同组织、发育过程或环境刺激下的表达谱，并已取代了先前技术如RNA微阵列和表达序列标签。
几项RNA-seq研究已表征了鹰嘴豆中对热胁迫的转录响应。Kudapa等人（2023）比较了三个热耐受和三个热敏感鹰嘴豆基因型在不同发育阶段，并鉴定出14,544个差异表达基因，涉及钙信号调控、转录因子、热激蛋白和胁迫激素途径。类似地，Bhogireddy等人（2023）鉴定了894个长基因间非编码RNA（lincRNA）和61,110个mRNA，编码热激转录因子、热激蛋白、淀粉和蔗糖代谢途径基因，在耐受与敏感基因型中差异表达。这些研究表明，在鹰嘴豆中，与其他作物一样，热耐受基因型激活了敏感基因型中缺失或抑制的独特分子途径，为功能验证和育种计划中的潜在靶标提供了候选基因。或者，这些途径激活的差异可能反映了耐受/敏感基因型经历胁迫的不同方式，例如由于不同的物候或形态。
公共数据库允许进行计算机表达分析以及基因组QTL区间内候选基因的鉴定和验证。综合鹰嘴豆转录组数据库（CTDB）整合了来自栽培desi和kabuli以及野生鹰嘴豆基因型的转录组序列数据。Kudapa等人（2018）发表了广泛使用的耐旱基因型ICC 4958的鹰嘴豆基因表达图谱（CaGEA），涵盖27个组织通过五个发育阶段。最近，Jain等人（2022）发表了鹰嘴豆全长参考转录组组装，同样来自ICC 4958，使用PacBio长读长和Illumina短读长测序的混合方法，来自32个不同组织和器官，覆盖营养和生殖发育阶段。这些资源很有价值，因为QTL研究通常将大的基因组区域鉴定为QTL，这些区域包含许多基因，使得鉴定因果变异困难。例如，Bhogireddy等人（2023）在已知热QTL下鉴定出三个lincRNA。因此，基因组和转录组数据的整合可提供更好的方法来鉴定参与鹰嘴豆热耐受性调控的候选基因。
**3.2.3 蛋白质组学和代谢组学**
由于DNA序列和RNA丰度因翻译后修饰（PTM）或代谢调控并不总是与其相应蛋白质高度相关，蛋白质组学和代谢组学评估功能分子的谱。蛋白质组学研究蛋白质、其丰度和PTM，而代谢组学分析并比较小分子（<1500 Da），如相容性溶质、保护性化合物和改变的能代谢物，这些直接贡献于热耐受性。两种方法还探索它们作为时间、空间和细胞类型函数的相互作用和周转。分析蛋白质和代谢物能够鉴定参与胁迫响应的途径和候选生物标志物。此外，利用功能知识，差异表达分子可用于区分耐受和敏感基因型。
蛋白质组学和代谢组学方法都涉及一系列实验步骤，需要优化的方案。由于蛋白质组和代谢组的复杂性，常常整合多种方法以提高理解、分辨率和覆盖度。研究通常根据研究问题和可用资源分为非靶向和靶向方法。非靶向方法旨在全面分析样本中所有可检测的蛋白质或代谢物，并可优化方案可重复性以最大化实际生物学变异与实验误差之比。靶向方法专注于特定蛋白质或代谢物子集，允许优化检测和增加信噪比。选择靶向还是非靶向分析取决于目标是假设驱动的特定分子研究还是发现驱动的整个分子景观表征。
非靶向蛋白质组分析用于比较蛋白质组或生成参考蛋白质组图谱。Parankusam等人（2017）在热耐受鹰嘴豆基因型‘JG14’的叶片中报告了482个热响应蛋白。约154个差异表达蛋白与细胞壁修饰、热激反应和氨基酸生物合成相关。类似地，Makonya等人（2021）在田间种植的鹰嘴豆中鉴定了413个差异表达蛋白，其中Rubisco活化酶、热激蛋白70、过氧化氢酶和蔗糖磷酸合酶在热耐受基因型中上调。研究间差异表达蛋白的有限重叠可能反映了基因型、组织、胁迫条件和实验设计的差异。这强调了在候选生物标志物可靠地转化为育种应用之前需要进行多环境验证。
非靶向（或广泛靶向）代谢组学研究发现，热耐受基因型表现出渗透保护剂、抗氧化化合物和与能量代谢相关代谢物的积累增强。这些包括增加的脯氨酸和氨基酸、具有抗氧化特性的酚类化合物和类黄酮、糖醇的积累和修饰的碳水化合物谱，以及反映能量代谢转变的TCA循环中间产物的变化。热耐受品种显示主要代谢途径的上调，包括戊糖磷酸途径、糖酵解/糖异生和乙醛酸代谢，以及增强的脂质重塑，特别是涉及膜稳定甘油磷脂。胁迫启动可进一步调节这些代谢响应；例如，干旱启动的植物在后续热胁迫下表现出减少的代谢物积累，表明减少的细胞损伤和改进的胁迫准备状态。
靶向蛋白质组学和代谢组学分析提供更高的精确度和可重复性，使其对育种应用更具相关性。这些方法可用于验证和开发高通量筛选分析，以区分耐受和敏感基因型。然而，由于缺乏生物标志物，在非模式作物中使用靶向方法的例子有限。这是一个瓶颈，因为靶向分析的有效性取决于先前跨环境鉴定和验证可靠的生物标志物。
小麦中的一个例子使用靶向蛋白质组学验证了热诱导的耐受和敏感基因型中蛋白质丰度的变化，这些变化与生理性状（叶片气体交换）、产量和产量组分（如粒数、生物量、株高）相关。这些作者还发现蛋白质丰度在发育时间线上的高相关性，显示了早期筛选的潜力，举例说明了该研究方法如何应用于筛选耐受性鹰嘴豆基因型。
蛋白质组学和代谢组学在育种计划中的采用受到非靶向研究间可变可重复性、高成本和生物信息学要求以及迄今为止标记向实际应用转化有限的限制。与干旱和盐度研究相比，使用这些方法在鹰嘴豆中进行热胁迫研究尤为稀少。尽管存在这些局限性，但蛋白质组学和代谢组学揭示了无法仅从基因组或转录组数据推断的翻译后调控和代谢响应。随着成本下降和分析流程成熟，蛋白质组学和代谢组学数据在多组学框架内的整合可能增强用于筛选和选择的生物标志物发现，并进一步理解鹰嘴豆热耐受性的机制。
**3.3 结果：表型组学**
准确表型分析是将感兴趣性状与基础生物学有效关联以进行作物改良（如通过GS）的必要条件。育种计划在生长周期的不同时间、多个环境以及重复试验中对大量种质进行多种性状的表型分析。然而，常规作物表型分析可能耗时、劳动密集、破坏性且主观，成本高且限制通量和精度。传感器技术、自动化和数据处理的最新进展使高通量表型分析（HTP）平台得以发展，这些平台以更高的准确性、时间分辨率和可扩展性测量植物性状。这些平台可以是手动、半自动或自动的，配备单个或多个传感器。它们可以设计为捕获广泛范围的性状，或针对特定关键性状进行聚焦筛选。
在HTP方法中，基于无人飞行器（UAV）的成像已广泛用于大规模田间试验，因为它们可以在大时空尺度上捕获准确、非破坏性的测量。UAV通常在低运行高度操作以获取高分辨率图像，需要多个重叠图像拼接成正射影像。多种传感器可同时安装在UAV上以捕获详细的光谱和几何数据，包括多光谱、高光谱、RGB、红外和LiDAR传感器。光谱数据通常被解码为光谱指数，即来自两个或多个波长的光谱反射率的数学计算和组合。基于近红外（NIR）和红外（IR）反射率的光谱指数，如归一化差异植被指数（NDVI），常用于非生物胁迫研究，因为健康冠层比胁迫冠层反射更多IR辐射。因此，图像特征可用于预测性状并区分耐受和敏感基因型。该方法已应用于鹰嘴豆以预测产量、叶面积指数、开花天数、生理成熟天数、生物量、株高、地上干重、气孔导度和光合速率。
平台HTP工具，如ICRISAT的LeasyScan，可通过3D扫描捕获复杂性状如冠层发育，并发现扫描与观察到的鹰嘴豆植物在反映田间条件密度下种植的叶面积数据之间具有高R2（0.80至0.96）。在受控条件下，鹰嘴豆中图像导出与手动测量性状之间存在显著相关性，包括投影芽面积与收获时地上干重（R2=0.85）、凸包面积与地上干重（R2=0.79）、卡尺长度（从土壤表面到植物顶端的两个极端点之间的距离）与株高（R2=0.79）、叶绿素荧光（Fv/Fm）与光合速率（R2=0.92）、NIR反射率与气孔导度（R2=0.65）、IR成像温度与IR温度计温度（R2=0.75）。虽然这些相关性证明了HTP方法的有效性，但将这些转化为跨环境和季节的稳健性状预测仍具挑战性。单个VIs或形态参数通常不是跨年份的稳定预测因子，这可能反映了降低VI对生物量和LAI变化敏感性的饱和效应，或影响形态性状表达的环境变异性。将多种数据类型与机器学习方法整合可提高跨环境的预测准确性和稳定性。
除传统农艺性状外，HTP平台还使得收集以前无法大规模捕获的新颖和动态性状成为可能。时间序列性状如生长速率和冠层发育动态提供了对跨发育阶段时间胁迫响应的洞察。例如，冠层温度与水分利用效率相关，尤其在水分限制环境中。这可用于结合额外次级性状信息，提供对冠层冷却机制的洞察，已证明与燕麦的热耐受性相关。在大麦中，VIs已用于预测根结构等地下性状，这些性状影响水分获取策略并影响热胁迫耐受性。在田间条件下以非破坏性方式对大量群体进行复杂性状（甚至可能地下性状）表型分析的能力为针对热耐受性的计划提供了重要机会。
**3.4 影响因素：环境组学**
近几十年来，澳大利亚的热胁迫显著增加。对当前和未来环境改进的特征化在作物改良中服务于多个目的。首先，它为解释组学数据提供了背景，因为相同基因型可根据热胁迫的性质、时间和严重程度表现出不同的分子和表型响应。此外，它可以通过量化TPE中热胁迫的频率、时间和严重程度来改进风险预测。例如，澳大利亚超过90%的鹰嘴豆生产在‘北部谷物区’，包括昆士兰南部和中部以及新南威尔士北部。这些环境从东部的亚热带到西部的半干旱，以高气候变异性为特征。当该TPE根据模拟产量的时空变异划分为八个农业生态区域时，其中六个区域的灌浆期经历温暖温度模式的组合频率超过37%，且成熟期最高温度经常超过30°C。这种分辨率既为管理策略（如播种日期、施肥）也为育种优先事项（如种质目标如加速开花时间、测试地点的战略选择）提供信息。地理信息系统（GIS）也可用于环境特征化，例如Resende等人（2025）从卫星、天气、土壤和传感器平台提取了1342个环境协变量，以预测巴西15,000个地点的玉米杂交种表现。类似方法可适用于鹰嘴豆以更好地匹配基因型与TPE。
将环境数据整合到GS模型中可提高预测准确性。已开发出先进GEI建模方法以更好地捕获基因型性能跨环境的协方差，而不是将环境视为独立。整合因子分析线性混合模型（IFA-LMM）将潜在因子和环境协变量整合在一个框架内，以改善GEI可解释性和预测能力。作物生长模型-全基因组预测方法（CGM-WGP）将机械性作物生长模型与基因组数据整合，以捕获动态生理响应和非线性GEI，提供对胁迫响应和生长动力学的洞察。环境分型方法整合环境协变量，如来自作物模型模拟的作物水分胁迫模式，以表征基因型经历的环境，减少环境类型内的GEI并改善跨试验基因型性能的可解释性。这些方法可提高一年生作物的预测准确性，尽管尚未在鹰嘴豆数据集中测试，但可能改善对热胁迫模式与训练环境不同的未观察环境的预测。
许多热胁迫田间研究采用推迟播种方法，因为它廉价、实用，并允许比较许多基因型。然而，这种方法可能混淆，因为不同日期播种的作物经历不同的辐射、降雨和时间模式，可能以不同方式影响基因型。此外，对于给定播种日期，具有不同物候的基因型可能在发育不同阶段遭遇热事件，使胁迫响应的解释复杂化。为减轻这些影响，已提出替代策略。包括在田间使用补充照明延长光周期以创建物候梯度，部署便携式帐篷或热室，以及在受控环境中进行筛选。鉴于物候在决定种质对热胁迫响应中的核心作用，最佳实践是测量所有基因型的开花时间。在不可行的情况下，可使用农业产量系统模拟器（APSIM）模拟物候。因此，包含环境协变量的细化统计方法对于提高筛选准确性以及实现更可靠的热适应基因型选择至关重要。
**4 利用多组学数据**
多组学的概念框架尚未明确界定。早期将基因组和表型组数据集关联的研究可被解释为一种多组学形式，因此多组学研究存在于一个整合谱中。真正整合，即相同基因型在相同时间和环境条件下跨多个组学层进行分析，允许在分子变异和表型结果之间进行更直接的因果推断。这种方法减少混淆因素，提高统计功效和可靠性，并提供遗传变异如何通过中间分子表型流动的机制性见解。然而，由于数据的大
