高通量表型深度学习技术揭示水稻稻穗动态生长发育遗传结构

【作者】 耿泽栋； 段凌凤； 卢运瑞； 陈红霏； 李为坤； 叶军立； 陈国兴； 欧阳亦聃； 熊立仲； 张启发； 杨万能；

【机构】 作物遗传改良国家重点实验室/华中农业大学；

【摘要】 水稻稻穗的动态生长发育决定最终产量,是水稻最重要农艺性状之一。然而对于大规模水稻群体和遗传资源,传统表型手段很难量化和分析水稻稻穗动态生长性状。在本研究中,针对珍山97(ZS97)和明辉63(MH63)杂交的重组杂交系群体,基于我们构建的高通量水稻表型分析平台(RAP,每3天测1次)获取整个生长周期共27个时间点的水稻生长图像,并基于深度学习(SegNet)开发了一种新型的图像分析算法可实现水稻稻穗智能分割和稻穗性状高通量分析,可提取包括生物量相关参数、形态相关参数和灰度直方图纹理的整株和稻穗的生长动态参数总计68个表型参数和16个农艺性状,并利用超高密度SNP bin图进行QTL绘制。在不同生长时间点上,共鉴定出256个显著效应的QTL,且许多QTLs在不同生长时间点上被反复检测。在被鉴定的QTL中,已确定的候选基因大多为参与决定分蘖数量、伸展角、稻穗生长、细胞分裂素受体或辅助素反应。以上结果表明,基于深度学习我们研发了一种新的水稻稻穗高通量分析算法,用于动态表征和量化水稻整株和稻穗生长表型参数,精准剖析水稻产量形成的动态遗传结构。更多还原