水稻是我国第一大口粮作物，水稻安全生产直接关乎我国粮食安全和农业的可持续发展。随着人口的不断增长及生态环境压力的持续加大，对水稻的增产优质基因改良及高产优质品种创制提出了更高的要求。水稻育种离不开全面、准确、高效的表型鉴定，植物表型的核心是获取高质量、可重复的性状数据，进而量化分析基因型和环境互作效应及其对产量、品质、抗逆等相关的主要性状的影响。随着水稻功能基因组学的发展，准确快速获取大规模群体表型数据对水稻的育种和改良具有重要意义。而传统的表型数据获取往往需要进行大量的人工实验且费时费力，自动化快速的表型提取方法可以突破传统水稻表型技术瓶颈，加快育种速度。通过对水稻全生育期的多尺度、多维度、连续无损观测，将水稻生长发育过程进行数字化，挖掘不同品种水稻发育的特征，对水稻育种改良有着重要意义。
2023年6月，中国科学院遗传与发育生物学研究所作物表型组学研究中心和华中农业大学杨万能团队在Plant Phenomics杂志上联合发表了题为“A Strategy for the Acquisition and Analysis of Image-Based Phenome in Rice during the Whole Growth Period”的研究论文（DOI:10.34133/plantphenomics.0058）。该文章研究建立了多品种水稻全生育期多维度、多尺度表型图像的采集体系，利用深度学习等技术获取了全生育期的表型组学大数据，通过对图像性状进行加工及生物学注释获取了数字化表征水稻全生育期的58个图像性状(I-traits)。通过进一步的分析水稻产量表型变异的84.8%可由这些I-traits解释；水稻不同群体结构和不同育种区域间表型性状的差异表现出良好的环境适应性，作物生长发育模式在育种区域纬度上也表现出较高的亲和性。通过与重测序数据的关联分析，共检测到285个与I-traits相关的数量性状位点，并在时间和器官维度上对I-traits进行主成分分析，结合全基因组关联分析挖掘水稻动态生长发育相关候选基因。
图：水稻全生育期表型采集分析流程示意图
综上所述，本文所开发的基于图像的水稻表型获取和分析策略为整个生育期作物表型的提取和分析提供了一种新的方法和不同的思考方向，从而为未来水稻的遗传改良提供有用的信息。遗传发育所作物表型组研究中心高级工程师胡伟娟博士、华中农业大学杨万能教授为该论文通讯作者，遗传发育所陈凡组博士生汤芷歆与储成才组博士后陈倬为该论文共同第一作者，遗传发育所陈凡研究组和降雨强研究组共同参与了此项工作。该研究得到了中科院先导项目、国家自然科学基金、国家重点研发计划、湖北省自然科学基金、湖北省科技重大专项等项目的资助。
