《Plants》：Automated Seed Morphometry Identifies Morphotypes Associated with Major Grapevine Haplotypic Lineages
编辑推荐：
高通量DNA测序揭示，Vitis vinifera L.栽培种的广泛多样性被划分为几个主要的遗传谱系。识别反映这些遗传关系的表型性状仍然是葡萄分类学、种质资源鉴定和古植物学的一项重要挑战。本研究提出一个在R语言中实现的全自动计算工作流程，该流程从椭圆傅里叶描述
高通量DNA测序揭示，Vitis vinifera L.栽培种的广泛多样性被划分为几个主要的遗传谱系。识别反映这些遗传关系的表型性状仍然是葡萄分类学、种质资源鉴定和古植物学的一项重要挑战。本研究提出一个在R语言中实现的全自动计算工作流程，该流程从椭圆傅里叶描述子（EFDs）重建种子轮廓，并计算J指数（一种衡量与预定义参考形态型相似度的指标），同时沿种子轮廓计算曲率曲线。该工作流程可重复且适用于高通量形态测量分析。一个包含来自85个V. vinifera栽培种的143个群体的2895颗种子的数据集，最初根据已有的系谱信息和先前鉴定的种子形态型被分为三组。随后，代表赫本（Hebén）、萨瓦涅白（Savagnin Blanc）和麝香（Muscat）形态型的几何参考模型被用于计算每个群体的J指数值。基于这些数值，74个群体被明确地归入三种参考形态型之一，而69个群体则显示出对两个或三个模型的相似亲和力，因此被归类为中间型或未分化型。三个主要形态测量组包括41个归入赫本形态型的群体、12个归入萨瓦涅白形态型的群体和21个归入麝香形态型的群体。随后，利用重建种子轮廓的曲率分析来表征局部几何变异，并确定每组内的代表性群体。由此产生的形态型与主要的葡萄单倍型谱系表现出显著的一致性，同时也揭示了与栽培葡萄复杂遗传和发育历史相关的中间表型。总体而言，该工作流程为高通量种子表型鉴定提供了一种客观且可重复的方法，并代表了研究葡萄遗传多样性、种质资源鉴定以及种子形态与遗传谱系之间关系的一种补充性表型工具。
论文解读：基于自动化种子形态测量学的葡萄单倍型谱系关联研究
一、研究背景与科学问题
高通量DNA测序技术的进步极大地推动了植物遗传学的发展，尤其是在解析作物种群结构和进化历史方面。对于葡萄（Vitis vinifera L.）而言，全基因组测序和单倍型分析已成功重建了复杂的系谱关系。然而，基因组的快速发展也凸显了一个持续存在的“表型组瓶颈”：尽管遗传变异可以在全基因组水平上进行表征，但标准化、可比性的表型数据获取仍受限于劳动密集型测量、方法学异质性以及难以捕捉生物形态复杂性的描述符。因此，整合基因组与表型数据集成为一项重大挑战。
传统的葡萄表型鉴定依赖多器官的形态学描述，但许多营养器官和果穗性状表现出显著的表型可塑性。相比之下，木质化的种子内果皮在成熟过程中发生硬化，结构相对稳定，不易受季节和树冠管理条件的影响。因此，种子形状能够保存与遗传关系、地理分化和葡萄驯化历史过程相关的形态信号。定量形态测量学为此提供了有效途径。椭圆傅里叶分析（EFA）已成为定量表征葡萄种子形态的有力工具，它能对整个闭合轮廓进行全面的数学描述。尽管已有研究利用J指数和曲率分析分别评估整体形态相似性和局部几何变异，但目前尚缺乏一个完全自动化的、可重复的高通量分析框架，能够同时从椭圆傅里叶描述子（EFDs）重建种子轮廓、计算J指数值并生成曲率曲线。本研究旨在开发这样一个工作流程，并将其应用于大规模葡萄种质资源，以评估种子形态与主要葡萄单倍型谱系之间的关联程度。该论文发表于《Plants》期刊。
二、关键技术方法
研究人员开发了一套完全自动化的计算工作流程，在R语言环境中实现。其核心技术方法包括：
- 1.
椭圆傅里叶分析（EFA）： 利用R包Momocs从种子二值图像中提取闭合轮廓，并通过8个谐波（共32个归一化傅里叶系数）对其进行数学描述，以消除尺寸、方向和位置差异。
- 2.
J指数计算： 基于逆傅里叶变换重建种子轮廓，并自动将其与三个预定义的参考形态型（赫本、萨瓦涅白、麝香）进行几何对齐，计算重叠面积百分比作为J指数，量化整体形态相似度。
- 3.
曲率分析： 在重建轮廓上连续计算局部曲率，自动识别五个同源曲率地标点（P1-P5），从而量化沿种子边界的局部几何变异。
- 4.
质心选择法： 在由五个地标点曲率值定义的多维形态空间中，计算每个群体到其所属形态测量组质心的欧几里得距离，选取距离最近的六个群体作为该形态型的代表性群体。
样本来源包括西班牙马德里农业研究所（IMIDRA）、葡萄牙国家农业与兽医研究所（INIAV）以及多个商业葡萄园（如Abadía Retuerta、Valbusenda等），涵盖85个栽培种的143个群体，共计2895颗种子。
三、研究结果
- •
2.1 本研究中使用的参考模型
研究人员建立了三个参考种子形态型：赫本（Hebén）、萨瓦涅白（Savagnin Blanc）和麝香（Muscat）。赫本形态型具有最高的致密度；萨瓦涅白形态型在肩部区域具有最负的曲率；麝香形态型则表现为细长的轮廓和高曲率的尖锐喙尖。这些模型代表了葡萄种子收藏中的主要形态型。
- •
2.2 使用J指数值筛选种子收集品
通过对143个群体进行J指数分析，74个群体被明确分配到单一形态型组（I组：赫本，41个群体；II组：萨瓦涅白，12个群体；III组：麝香，21个群体）。其余69个群体因对两个或三个参考模型表现出相似的J指数值而被归类为中间型或未分化型。其中，55个群体对赫本和萨瓦涅白形态型具有相似亲和力。该分类结果与基于系谱信息的初步分组存在一定出入，表明种子形态能提供超越现有遗传谱系的额外信息。
- •
2.3 形态型中的曲率分析
研究人员对I、II、III组所有种子的五个特征地标点进行了曲率分析，并通过质心选择法确定了每组中最具代表性的六个群体。结果显示，不同形态型在地标点的平均曲率值上存在显著差异。例如，赫本形态型（I组）以最低的平均曲率为特征，轮廓平滑；萨瓦涅白形态型（II组）在肩部至喙部的过渡区呈现强烈的负曲率；麝香形态型（III组）则展现出较高的整体曲率和尖锐的喙尖。这些曲率差异定量地刻画了各形态型的几何特征。
四、讨论总结与研究结论
在讨论部分，研究人员指出，自动化工作流程的主要优势在于无需人工干预即可识别同源曲率地标点，这提高了可重复性并减少了观察者偏差。关于形态型与单倍型的关联，研究发现赫本形态型（I组）内部形态一致性最高，表明种子形状能保存与共同祖先相关的表型信号。一些未被认定为赫本后裔的栽培种也表现出高J指数，这可能源于未知的共同祖先或形态趋同。萨瓦涅白形态型（II组）的形态凝聚力较低，可能代表一种中间表型。麝香形态型（III组）则是一个更为异质的群体，其形态变异可能与人类对鲜食葡萄大果粒的选择有关，这种选择改变了果实内部的物理空间和激素动态，导致种子形态趋同。
研究人员还强调了质心选择法在定义典型形态型中的作用，该方法提供了一种客观、可重复的标准。对于未分配的形态型（IVa、IVb、V组），研究认为这并非意味着缺乏亲和力，而是反映了种子形态多样性的连续性，以及全局轮廓相似性与局部几何描述符结合使用的价值。研究指出，该工作流程是对传统多器官形态学描述（如OIV描述符）的补充，而非替代，尤其适用于大规模种质资源的初步筛选。
研究结论部分翻译如下：
本研究提出了一个在R语言中实现的全自动计算工作流程，用于高通量定量种子形态测量学。该流程整合了基于椭圆傅里叶描述子（EFD）的轮廓重建、自动化J指数比较、连续曲率分析和代表性群体的质心选择，提供了一个可重复、定量的种子形状表征和形态型鉴定框架，最大限度地减少了主观视觉分类。将该工作流程应用于来自143个葡萄群体的2895颗种子，证明了自动化种子形态测量学能够捕获与本研究考虑的主要基因组单倍型群相关的、有生物学意义的表型变异。结果还揭示了显示中间或重叠形态亲和力的群体，突出了种子形状变异的连续性以及将复杂表型归入离散类别的局限性。自动化种子形态测量学并非取代基于DNA的方法，而是提供了一个独立的表型框架，可以补充基因组信息，用于表征葡萄多样性和研究驯化过程。更广泛地说，这里开发的计算机策略并不局限于葡萄属（Vitis）。椭圆傅里叶分析（EFA）轮廓重建、自动化J指数计算、曲率分析和质心形态测量选择的组合构成了一个通用框架，可以适应其他以闭合轮廓为特征的生物结构。
