PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术

2025年3月17日 0条评论 21次阅读 0人点赞
近日，华中农业大学杨万能教授团队联合浙江农科院楼巧君研究员团队在高通量根系表型研究方面取得重要进展，在《Plant Biotechnology Journal》期刊发表了题为“RPT: An integrated root phenotyping toolbox for segmenting and quantifying root system architecture”的研究论文。为了解决作物根系表型“测不到”的难题，该研究构建了一套基于深度学习的高通量根系表型智能分析技术—RPT（Root Phenotyping Toolbox），并结合自主研发的高通量作物根系表型平台，实现了水稻根系表型动态无损提取及抗旱基因的精准挖掘。
根系是植物吸收营养和固定支撑的主要器官，尤其在作物抗旱中发挥极其重要的作用(Santos-Medellín et al., 2021)。但根系因其观测困难、获取不易等原因，始终落后于地上部分的研究，成为植物隐藏的另一半。为了解开根系的神秘面纱，科学家们开发出了很多方法，例如传统的铲根和洗根法(Trachsel et al., 2011)，这些方法不仅费时费力，还容易破坏根系结构，难以实现高通量测定(Atkinson et al., 2019)。随着技术的发展，CT (Haling et al., 2013)、MRI (van Dusschoten et al., 2016)等先进技术也开始用于提供三维根系信息，但其高昂的成本和复杂的图像重建过程限制了在大规模育种中的应用(Metzner et al., 2015)。相比之下，基于土培根盒的表型分析方法因其可实现非破坏性动态观测，且更接近土壤真实环境，成为高通量根系研究的重要选择。然而，现有根盒系统的批量制造成本高昂，同时高通量数据处理与性状提取依赖大量人工，严重影响了检测效率。因此，迫切需要开发一套高效、智能化且拓展性好的根系表型分析平台，以降低成本、提升通量，并整合深度学习技术优化根系分割与性状提取流程，从而推动水稻及其他作物的根型研究与精准育种。

《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》

该研究为了解决这一问题，自主研发了一套高通量根系表型平台（图1），包括根盒系统、自动数据采集、智能灌溉等核心模块，实现大规模、精准、高效的根系生长监测。该平台由根盒、支架、自动导引车（AGV）、电动伸缩遮雨装置等组成，可同时测定1680株幼苗的根系生长动态。根盒采用矩形结构（高60 cm、宽30 cm、厚1.5 cm），前侧、两侧及底部由钢板封闭，背面嵌入透明玻璃，并倾斜45°放置，以利用根系向地性促使根部贴附玻璃生长，实现高质量成像。自动化成像系统搭载Basler-acA5472工业相机，光轴垂直于玻璃面，结合LED光源均匀照明，相机沿轨道移动，在检测到限位传感器后自动捕获图像，每张图像分辨率5472 × 3648像素，单次扫描可拍摄两组根盒。该平台还配备自动滴灌系统确保精准控水，实现不同环境下的根系生长监测和干旱胁迫实验。

《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》

图1 高通量根系表型平台

同时本研究开发了一套根系表型提取软件-RPT，该软件基于优化的SegFormer语义分割算法，集成了根系分割（图2a）、根系修复（root inpainting）（图2b）及性状提取功能（图2c），实现了高效、精准的根系表型分析。相比于传统的手动测量方法，RPT不仅极大地减少了数据处理时间，还能有效提高根系性状测定的准确性。在实验评估中，RPT在根长、根面积、深度分布等多个关键性状提取方面表现优异，与传统软件RhizoVision Explorer (Seethepalli et al., 2021).的性状计算结果高度相关（R²=0.98-0.99）。同时，结合高通量根系表型平台，RPT实现了1680个根系样本的快速成像与分析，仅需2小时即可完成全流程测定。这一突破性的进展使得大规模根系表型研究变得更加可行。
《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》
图2 RPT软件的主要功能

此外，RPT展现出强大的拓展适应性，能够适配不同实验环境、作物类型和表型分析需求，为多种根系研究提供高效、精准的解决方案。无论是水稻、棉花、小麦（图3a），还是其他农作物。RPT搭载的ESegformer模型具备强大的泛化能力，即使未针对特定数据集进行训练，仍能精准解析新的根系图像数据，并在跨平台应用时保持出色的性能（图3b-d）。针对不同成像条件和根系形态的差异，RPT仅需少量标注数据进行微调训练，即可大幅提升模型适应性（图3e），使其在各类高通量根系表型平台上均能高效运行，同时显著降低新平台的迁移成本。此外，RPT的开源特性使研究人员可以根据实验需求自定义优化，如调整图像去杂、根系分割、性状提取等核心功能，从而提高数据分析的精确度和效率。
《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》
图3 RPT软件中所使用模型的泛化性测试

为了进一步验证RPT在作物遗传育种应用的有效性，本研究利用RPT对219个水稻重组自交系（RILs）群体进行了抗旱性状分析，并结合QTL分析，鉴定出18个水稻抗旱候选QTL区域。进一步筛选发现，OsIAA8基因在根系抗旱适应性方面起关键作用。为了验证OsIAA8的抗旱功能，研究团队构建了OsIAA8过表达水稻材料，并通过根盒实验与盆栽实验进行功能验证。结果表明，OsIAA8过表达株系在干旱胁迫条件下与Nip材料相比表现出更深的根系分布（图4a），同时叶片保持正常伸展状态（图4b），表明该基因可以增强水稻的抗旱性。进一步的根系图像分析显示，OsIAA8的过表达能够促进水稻根系向深层土壤延伸，从而提高水分获取能力。
《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》
图4 OsIAA8过表达（IAA80E）和Nip材料的根盒和盆栽抗旱性实验

另外，为了进一步提高根系性状的精确性，我们还开发了RPT的根系修复功能，能够有效提高根系图像的完整性与可读性，显著改善根系区域和长度的测量精度（图5a），尤其对分布在根盒中部和下部区域的根系（图5b）。修复后QTL的检测数量比修复前增加约53.84%（图5c），从而提高了QTL定位的分辨率和可信度。经过基因组数据联合分析，相对于根系修复前共鉴定出176个新QTL，其中包括12个已知抗旱相关基因，如OsSDIR1 (Matsuda et al., 2016)、OsPYL6 (Santosh Kumar et al., 2021)、OsABAR1 (Zheng et al., 2020)等，验证了根系修复能显著促进水稻抗旱基因的精准挖掘。
《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》
图5 充分灌溉和干旱条件下根系修复前后的根系图像特征和QTL结果

华中农业大学作物表型团队研发高通量根系表型智能解析新技术RPT，不仅为作物根系表型研究提供了新工具，也为作物遗传育种和智能设计育种提供新方法和新数据。随着人工智能技术的不断进步，RPT有望在更多作物中得到推广应用，为农业生产的可持续发展提供强有力的技术支撑。
华中农业大学作物遗传改良全国重点实验室杨万能教授以及浙江农科院楼巧君研究员为该研究的共同通讯作者，课题组已毕业博士生施家伟（现为崖州湾国家实验室博士后）、已毕业硕士生谢尚源以及李为坤博士生为论文共同第一作者。研究工作得到了国家重点研发计划、国家自然科学基金等项目的资助。

原文链接：

https://onlinelibrary.wiley.com/doi/10.1111/pbi.70040

参考文献：

Santos-Medellín, C., Liechty, Z., Edwards, J., Nguyen, B., Huang, B., Weimer, B.C. and Sundaresan, V. (2021) Prolonged drought imparts lasting compositional changes to the rice root microbiome. Nature Plants 7, 1065-1077.

Trachsel, S., Kaeppler, S.M., Brown, K.M. and Lynch, J.P. (2011) Shovelomics: high throughput phenotyping of maize (Zea mays L.) root architecture in the field. Plant Soil 341, 75-87.

Atkinson, J.A., Pound, M.P., Bennett, M.J. and Wells, D.M. (2019) Uncovering the hidden half of plants using new advances in root phenotyping. Current Opinion in Biotechnology 55, 1-8.

Haling, R.E., Tighe, M.K., Flavel, R.J. and Young, I.M. (2013) Application of X-ray computed tomography to quantify fresh root decomposition in situ. Plant Soil 372, 619-627.

van Dusschoten, D., Metzner, R., Kochs, J., Postma, J.A., Pflugfelder, D., Bühler, J., Schurr, U. and Jahnke, S. (2016) Quantitative 3D Analysis of Plant Roots Growing in Soil Using Magnetic Resonance Imaging  Plant Physiol 170, 1176-1188.

Metzner, R., Eggert, A., van Dusschoten, D., Pflugfelder, D., Gerth, S., Schurr, U., Uhlmann, N. and Jahnke, S. (2015) Direct comparison of MRI and X-ray CT technologies for 3D imaging of root systems in soil: potential and challenges for root trait quantification. Plant Methods 11, 17.

Seethepalli, A., Dhakal, K., Griffiths, M., Guo, H., Freschet, G.T. and York, L.M. (2021) RhizoVision Explorer: open-source software for root image analysis and measurement standardization. AoB PLANTS 13, plab056.

Matsuda, S., Takano, S., Sato, M., Furukawa, K., Nagasawa, H., Yoshikawa, S., Kasuga, J., Tokuji, Y., Yazaki, K., Nakazono, M., Takamure, I. and Kato, K. (2016) Rice Stomatal Closure Requires Guard Cell Plasma Membrane ATP-Binding Cassette Transporter RCN1/OsABCG5. Mol Plant 9, 417-427.

Zheng, C., Zhou, J., Zhang, F., Yin, J., Zhou, G., Li, Y., Chen, F. and Xie, X. (2020) OsABAR1, a novel GRAM domain-containing protein, confers drought and salt tolerance via an ABA-dependent pathway in rice. Plant Physiol Biochem 152, 138-146.

图文来源：植物生物技术Pbj

《PBJ | 华中农业大学作物表型团队研发高通量根系表型智能解析技术》

点赞

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注