——将遗传信息与田间表现联系起来是作物改良的重要组成部分
——Phenomics 使用相机、传感器、机器人和无人机等技术来准确测量生理特性和基因表达
——澳大利亚植物表型组学网络 (APPN) 由澳大利亚的 9 个节点组成,旨在加速应对干旱、高温、霜冻和土壤盐分等挑战的育种结果
——APPN 为作物研究人员和行业提供了在受控环境、田间站点以及通过移动表型设备在偏远地区部署的高级表型基础设施
澳大利亚植物表型组学网络首席执行官 Richard Dickmann 和 GRDC 高级经理 - 使能技术 Tom Giles 检查了 APPN 最新的高规格 GRYFN 无人机,该无人机具有 RGB/高光谱/LiDAR 传感有效载荷。
照片:APPN
虽然作物科学家现在可以获得大多数作物(包括小麦和大麦)的遗传密码,但将遗传信息与田间性能联系起来需要一个关键的额外步骤——表型分析或植物表型组学。
植物表型组学将复杂的激光扫描仪、相机、环境传感器、机器人和无人机与收集的数据分析相结合,以测量氮含量、生长速率、叶面积、抗逆性或芽结构等性状。
这可以在受控环境中进行,以单独研究特定性状,或在现场测试新品系的实际性能。
传统上,测量表型性状是缓慢的、劳动密集型的且相对主观的——尤其是在使用视觉评分来衡量抗病性时。先进的成像和分析功能为研究人员提供了更快、更客观的结果。
至关重要的是,这些数字系统可以无损地收集多维生长数据,因此可以在整个生长阶段测量植物的性能。
澳大利亚植物表型组学网络 (APPN) 提供国家植物表型分析基础设施,由植物学、成像系统、机电一体化、计算机科学和数据分析方面的专业知识提供支持。
在澳大利亚政府国家合作研究基础设施战略 (NCRIS) 的 6000 万澳元核心资金的支持下,以及合作机构、州政府和 GRDC 的共同贡献,其任务是加速开发用于食品和饮料生产、植物性药物和疫苗的气候适应型作物。
APPN 运营的生长室具有精确控制的光线、温度、湿度和灌溉条件、温室和田间试验场地。传感技术包括 RGB(红、绿、蓝)、红外和光探测和测距 (LiDAR) 扫描仪,可以创建单个植物的详细图像或 3D 点云。
高光谱扫描仪还用于识别肉眼看不见的植物胁迫指标,而一系列环境传感器则记录关键的生长条件。
此外,APPN 在阿德莱德大学的节点 Plant Accelerator® 运行着一台全自动 X 射线计算机断层扫描 (CT) 扫描仪,它可以对土壤柱内的植物结构和根系进行成像。该技术已用于研究茎结构,以解决大麦头损失和谷物穗状结构问题,以寻求更耐霜冻的作物。
APPN 首席执行官 Richard Dickmann 表示,该组织与 GRDC 建立了富有成效的关系,涵盖众多研究项目。
“澳大利亚的谷物行业对国民经济和全球粮食安全极为重要,而我们的土壤、环境和不断变化的气候都带来了挑战,需要尽快了解和解决,”他说。
植物表型组学加速了更具弹性、更高产作物和更可持续的农业实践的交付。
认识到这些好处,GRDC 多年来对 APPN 基础设施进行了多次直接投资,包括共同支持安装 X 射线 CT 系统和升级生物安全温室。
作为此次扩建的一部分,GRDC 还支持购买 6 个移动表型单元。在偏远地区进行表型分析,每个单元都将携带匹配的 LiDAR、RGB 和高光谱系统,数据将通过统一路径收集,以便编译成国家数据资产。
GRDC 支持技术高级经理 Tom Giles 表示,APPN 的数据收集能力将得到 GRDC 澳大利亚谷物分析 Initiative (AAGI) 的解释能力的补充。
“APPN 基础设施可以从现场生成高分辨率数据,而 AAGI 小组将为需要的研究人员提供分析支持,”他说。
“GRDC 将表型组学和分析视为节省作物研究时间和金钱的关键。
“这意味着谷物田间研究人员可以准确描述关键性状并获得更深入的见解,以支持作物遗传改良和农艺研发。”