《Industrial Crops and Products》：Phenotypic fingerprint: A novel approach for high-throughput phenotypic identification in maize seedling association population
编辑推荐：
玉米是全球最重要的 cereal crops 之一，在全球粮食安全、畜牧饲料和工业应用中发挥着至关重要的作用。幼苗期（即三叶期）代表了一个关键的发育过渡阶段，在此期间植株从依赖种子储藏物质的异养生长转变为由光合作用驱动的自养生长。尽管该阶段具有重要意义，但以往
玉米是全球最重要的 cereal crops 之一，在全球粮食安全、畜牧饲料和工业应用中发挥着至关重要的作用。幼苗期（即三叶期）代表了一个关键的发育过渡阶段，在此期间植株从依赖种子储藏物质的异养生长转变为由光合作用驱动的自养生长。尽管该阶段具有重要意义，但以往大多数研究集中在后期发育阶段，幼苗期仍相对较少被探索。近年来，高通量表型技术快速发展，实现了形态、生理和 spectral traits 的大规模高效获取。然而，尽管数据采集能力有了显著提高，对复杂多维数据集的标准化整合和生物学解释仍面临挑战。传统方法在标准化、降维和跨性状整合方面存在局限性，目前的方法在将多性状数据集统一为具有生物学意义的表征方面仍存在不足。为应对这一挑战，研究人员开发了一个包含标准化、离散化和编码的工作流程，将复杂的多维表型信息压缩为可比且可可视化的数字指纹，实现了跨性状和个体的统一表征。基于这种指纹方法，研究人员不仅能在单个性状水平上，还能通过综合多性状评估，高效识别出表现优异和低劣的个体。基于叶面积、生物量、chlorophyll content 和光合潜力等性状，成功筛选出包括 Zhong69、975–12 和 CIMBL1 在内的几种优异材料。该框架为 phenomic 数据分析提供了新视角，显著提高了 superior genotype 鉴定的效率，并具有在精确 genetic resource 评估和早期育种材料 high-throughput screening 中广泛应用的潜力。
玉米是全球最重要的粮食作物之一，在全球粮食安全、畜牧饲料和工业应用中发挥着至关重要的作用。幼苗期（即三叶期）是玉米发育的关键时期，植株在此阶段从依赖种子储藏营养的异养生长转变为由光合作用驱动的自养生长。在此期间，功能叶片逐渐扩展并成为光合作用的主要部位，决定了早期生物量积累和冠层建立，并最终影响后期器官发育和产量形成。由于早期生长性状与幼苗活力、抗逆性和最终产量表现密切相关，对幼苗期表型变异进行系统分析对于阐明遗传机制和实现早期产量预测具有重大意义。近年来，随着多视角成像系统、三维点云平台和自动性状提取算法等高通量表型技术的快速发展，植物表型数据的获取规模和精度达到了前所未有的水平。然而，在数据采集能力大幅提升的同时，如何对复杂多维数据集进行标准化整合与生物学解释仍然是当前表型组学面临的主要瓶颈。传统统计方法在标准化、降维和跨性状整合方面存在局限性，现有方法难以将多性状数据集统一转化为具有生物学意义的表征，这阻碍了早期表型信息的高效利用。为了解决上述问题，研究人员开展了一项新研究，旨在开发一种将复杂数据压缩为可视化数字指纹的新框架，以提高优异基因型筛选的效率。研究构建了表型图谱和表型指纹，成功筛选出多个优异材料，并证实该框架能显著提升遗传资源评估的效率。该研究成果发表在《Industrial Crops and Products》期刊上，为植物表型数据分析提供了全新视角，在精准遗传资源评价和育种材料早期高通量筛选中具有广阔的应用前景。
研究人员主要采用了以下关键技术方法开展研究：以306份来源于华中农业大学严建兵教授团队构建的玉米关联分析群体的自交系为实验材料，分为TST、NSS、Mixed和SS四个遗传亚群及中国、美国、CIMMYT和泰国四个地理来源。在三叶期利用Planteye F500三维激光传感器结合人工测量获取33个苗期性状数据。应用描述性统计、对数转换和标准化处理数据；通过标准化多元回归分析评估各性状对干重的相对贡献；利用图像处理技术构建群体表型图谱；基于K-means聚类将自交系划分为四类；通过变异系数(CV)、相关性分析和主成分分析(PCA)筛选出9个核心性状，结合Z-score标准化和分级编码策略构建18位表型指纹；最后采用多性状综合选择指数(MSI)、随机森林(RF)和支持向量机(SVM)等监督机器学习方法评估表型指纹在筛选优异材料中的表现。
NP群体在幼苗期的表型变异与主要性状筛选
通过对306份玉米自交系的33个苗期地上部性状进行分析，发现表型变异范围广泛，变异系数在3.2%到59.4%之间，表明群体内表型多样性丰富。约三分之一的性状表现出高变异性，主要集中在叶片发育动态、色素指数、生物量和光截获相关性状上。相关性分析表明，生物量积累主要由叶面积扩展驱动，上部叶片贡献最为显著；光捕获性状之间也存在强相关性。主成分分析结果揭示，前六个主成分合计解释了74.2%的总方差，其中生物量性状、叶面积、叶绿素相关指数、热积温参数和空间结构性状是表型变异的主要贡献者。为识别群体内的主要效应性状，研究人员整合了CV、PCA载荷和Pearson相关性分析，最终筛选出代表生物量(DW, SFP, TSP, FLA, TLA, SLA, DB, NPCI, PSRI)的9个代表性、高变异且独立的性状，为后续指纹构建奠定了基础。
表型图谱揭示NP群体的个体变异与性状分布
通过对306份自交系进行可视化分析，群体表型图谱显示大多数性状呈现围绕中位数的集中分布，约70%的性状有超过80%的个体集中在0.25–0.75的标准化值范围内。这表明群体内生物量和结构性状总体适中，极端表现者相对较少。叶片面积的分布随叶位不同而有所差异，第三叶片展现出更强的发育能力。在遗传亚群层面，不同亚群表现出显著的表型分化。SS亚群展现出显著的生物量积累优势，而TST亚群以快速的发育节律为特征，但叶片扩展受限。在地理分化层面，CIMMYT来源的材料依赖快速发育但生物量有限，中国材料依赖上部叶片扩展，而美国材料表现出受色素相关的限制。
NP群体幼苗期地上部性状的表型互作网络
为明确性状之间的多维联系，研究人员构建了表型互作网络。标准化多元回归分析显示，SFP、TLA和TSP被确定为干物质积累的主要正向驱动因子，DB、SLA和FLA也表现出适度的正向效应，而NPCI则表现出负向影响。结果验证了叶片发育速率和上部叶片扩展在驱动玉米幼苗期早期生物量形成过程中的核心作用。值得注意的是，回归结果与群体分布模式高度一致。
基于多维表型性状的群体聚类与变异分析
在全群体层面，基于包含多维苗期表型信息，K-means聚类分析将306个自交系划分为四个不同的组群。这些组群在生物量积累、叶片扩展和发育节律方面表现出显著差异。第一组为典型的“高产类型”，第二组呈现“慢-快”发育节律，第三组呈现被抑制的“快-慢”发育节律，而第四组为生物量最低的“低效生长类型”。
NP群体幼苗期表型指纹的构建
基于筛选出的9个核心关键性状，研究人员构建了玉米幼苗期的表型指纹图谱，将每个自交系的表型信息离散化为8个等级，并对应一个特定的两位数字代码，最终连接构成一个18位数字序列。这种指纹方法不仅实现了对个体的精确数字标识，还支持跨基因型的直接比较。在单性状水平上，指纹能够区分优劣种质，发现高生物量和大叶面积基因型在群体中相对稀缺；而在多性状整合水平上，指纹高效识别出在生物量和色素稳定性等维度均表现优异的高产基因型。
不同表型选择方法的性能比较
为评估表型指纹(PF)方法的效能，研究人员将其与多性状选择指数(MSI)、随机森林(RF)和支持向量机(SVM)进行了系统比较。PF在准确率和召回率上均达到100%，展现出强大的识别能力。MSI方法的平均表现不足50%。由于无需模型训练，PF方法在处理效率上达到毫秒级别，显著快于耗时的机器学习方法。通过计算调整兰德指数(ARI)比较原始连续数据和指纹代码的聚类结果，0.727的高ARI值证实了指纹能够有效捕捉和区分材料的表型变异模式。
讨论
玉米幼苗期生物量形成的关键驱动因素与调控机制
对关联群体的系统分析揭示，玉米幼苗期的表型变异主要集中在生物量、叶面积、发育节律和光谱生理指标上，而叶倾角和色调等冠层空间结构性状相对保守。这证实了幼苗期是玉米从异养向自养生长转变的关键窗口。研究进一步发现，干物质积累主要由叶片发育速率(SFP, TSP)和上部叶片面积(TLA, SLA)驱动。在不同遗传背景亚群及不同地理区域来源材料中表现出显著的生长策略分化，凸显了遗传背景对玉米苗期形态建立和生物量积累途径的深远影响。
表型图谱与指纹：玉米高通量精准表型分析框架
通过提出构建“群体表型图谱”和“个体表型指纹”的框架，本研究为大规模复杂数据环境的解读提供了探索性回应。表型图谱直观展示了多维性状在群体水平的分布模式，克服了传统统计方法的局限。表型指纹则为个体提供了唯一编码和可视化表征，在信息压缩、可视化比较和跨性状整合方面具备显著优势，并能有效提升目标基因型筛选效率。
表型指纹的评价与展望
尽管机器学习模型在数值精度上略占优势，但PF方法在关键指标上展现出独特的实用价值与无与伦比的可解释性。其决策规则完全基于表型性状组合，透明且可调，在处理效率和筛选表现力上达到了极佳平衡。研究也指出当前PF框架基于单点环境数据，未来需在多环境条件下评估其稳定性，并可通过整合基因组等多维度数据优化分配规则，实现与分子设计育种的深度融合。
