图像衍生荚相关性状在种间大豆RIL群体中的遗传解析

《Plants》：Genetic Dissection of Image-Derived Pod-Related Traits in an Interspecific Soybean RIL Population

　　

大豆荚相关性状是与种子发育、驯化、品种鉴定和育种改良相关的重要农艺性状。然而，传统表型鉴定方法主要依赖人工测量，耗时费力且仅能捕获有限的荚变异维度，而基于骨架和曲率的荚描述符的遗传基础在双亲群体中仍未得到充分表征。本研究利用已建立的基于深度学习的图像表型分析框架，从种间大豆重组自交系（RIL）群体现有成熟荚图像数据集中提取了代表荚大小、形状和颜色成分的8个数量性状。这些性状表现出显著的表型变异，跨年份品系均值广义遗传力（H²）估计范围为0.30至0.80。基于高密度遗传连锁图谱的复合区间作图（CIM）鉴定了54个数量性状位点（QTLs），整合为39个非冗余位点，其中包括6个跨年稳定QTL和3个由最佳线性无偏预测（BLUP）分析支持的QTL。通过功能注释以及荚和种子发育表达分析，对选定焦点QTL区域内的候选基因进行了优先级排序。其中，Glyma.17G109100（GmSW17）被优先列为荚大小相关变异的候选位置基因，而Glyma.19G120400（L1），一个先前已验证的荚颜色因果基因，位于qV19内。这些发现证明了将基于深度学习的表型分析与遗传分析相结合在解析复杂大豆荚相关性状遗传结构方面的有效性，并为未来的功能研究和大豆分子育种提供了有价值的稳定QTL和候选基因。

大豆荚相关性状是影响种子发育、品种鉴定和育种改良的重要农艺性状。传统人工测量方法耗时费力，且难以量化荚的弯曲、曲率等精细形态特征，导致相关遗传基础研究不足。为突破这一瓶颈，研究人员以栽培大豆品种NN86-4与野生大豆PI 342618B杂交衍生的284个重组自交系（RIL）群体（NJRINP）为材料，利用先前于2017年和2018年在南京农业大学江浦试验站采集的成熟荚图像数据集，结合深度学习图像表型框架和连锁作图，系统解析了荚相关性状的遗传结构。该研究发表于《Plants》期刊。

研究方法上，研究人员采用基于DeepLabV3和ResNet50的DeepLabV3Binary分割模型提取荚区域，基于骨架、轮廓和宽度测量计算荚骨架长度（PSL）、荚平均宽度（PMW）、荚面积（PA）、荚伸长率（PE）和荚平均曲率（PMC），并通过RGB至HSV颜色空间转换获取色调（H）、饱和度（S）和明度（V）三个颜色分量。随后估算方差组分和广义遗传力，利用线性混合模型获得最佳线性无偏预测（BLUP）值，采用复合区间作图（CIM）进行QTL定位，并结合基因组注释、功能信息和荚/种子发育表达谱优先化候选基因。

### 3.1 荚相关性状的描述统计与遗传力

通过对两年表型数据的统计分析，研究人员发现8个图像衍生性状在NJRINP群体中呈现连续且广泛的变异，变异系数范围为7.69%至30.46%。单年广义遗传力（H²）估计值为0.16至0.93，跨年份品系均值广义遗传力估计值为0.30至0.80，表明这些性状受较强的遗传控制。相关分析显示，荚大小相关性状（PA、PSL、PMW）之间呈强正相关（r = 0.85–0.94），而形状性状（PE、PMC）与大小性状相关性较弱，提示它们捕获了相对独立的形态学维度；颜色性状中S与V高度正相关（r = 0.80–0.93）。

### 3.2 荚相关性状的连锁定位

利用高密度遗传连锁图谱进行复合区间作图，在2017年、2018年和BLUP数据中共检测到54个QTL，整合为39个非冗余位点，分布于11条染色体。其中6个为跨年稳定QTL（qPSL17-1、qPA17、qS3、qV3、qS19-1和qV19），3个为BLUP支持QTL（qPMW17-1、qPE11和qH19）。染色体17上qPSL17-1、qPMW17-1和qPA17的区间重叠，构成荚大小相关的QTL簇；颜色性状中qS19-1和qV19的表型变异解释率分别达50.31%和43.73%，但需谨慎解读。

### 3.3 主要QTL候选基因优先化

对稳定QTL区域整合功能注释和荚/种子发育表达谱进行候选基因分析。在染色体17的荚大小QTL簇中，Glyma.17G109100（GmSW17）作为已知的种子大小调控基因，被优先列为荚大小变异的候选位置基因。在qV19区间内定位到已克隆的荚色因果基因L1（Glyma.19G120400），支持了qV19定位的可靠性。染色体3重叠区间内的Glyma.03G005700因编码与L1相似的HMGL样蛋白而被列为探索性候选基因，但需进一步验证。

讨论部分指出，深度学习图像表型有效扩展了传统荚性状的测量维度，捕获了常规方法难以量化的形态变异。与先前研究相比，染色体17的荚大小簇和染色体3、19的荚色位点与已知QTL/基因对应，而qPE11是本研究新增的BLUP支持信号。颜色测量缺少物理标准比色卡，导致年份间差异需谨慎解释。L1的定位证实了qV19代表经典荚色位点的定量再检测，而GmSW17在荚壁发育中的直接作用尚需实验验证。

结论部分翻译如下：本研究应用已建立的基于深度学习的图像表型框架，对种间大豆RIL群体的荚相关性状进行了表征和遗传解析。八个代表荚大小、形状和颜色成分的图像衍生性状表现出显著的表型变异和遗传控制，提供了超越传统荚测量的额外维度。QTL定位鉴定了六个跨年稳定和三个BLUP支持的QTL，其中大多数与先前报道的区域相对应。候选基因分析将GmSW17及其他基因优先列为需要进一步验证的位置候选基因，而L1是位于qV19内的已验证因果基因。这些发现证明了将基于深度学习的表型分析与遗传分析相结合在解析复杂大豆荚相关性状遗传结构方面的有效性，并为未来的功能研究和大豆分子育种提供了有价值的表型资源、稳定QTL和候选基因。