新技术构建机器学习模型可预测玉米株高

近日，中国农业科学院生物技术研究所玉米功能基因组团队与作物代谢调控与营养强化团队合作，首次对玉米自交系全生育期进行全自动高通量无损监测，深入解析了玉米株高形成的动态遗传基础和调控网络，并通过机器学习构建了株高的智能预测模型。该研究为玉米表型精准鉴定、重要基因克隆和株型改良提供了有效策略和新的基因资源。相关研究成果发表在《分子植物》（MolecularPlant）上。

玉米是我国种植面积最大、产量最高的粮食作物，对保障国家粮食安全至关重要。优良的耐密株型是实现丰收高产的重要前提。玉米株型、产量等复杂性状的研究离不开表型精准鉴定，但传统的表型性状分析存在测量通量低、耗时费力、精度不高、有破坏性等缺点，难以做到全天候、全生育期的动态监测。“表型鉴定瓶颈”严重阻碍了玉米基因资源的挖掘和重大品种的培育，因此亟待开发作物全生育期高通量表型组精准鉴定技术，推进耐密理想株型重大基因挖掘和新品种培育。

研究人员利用228份具有广泛遗传变异的玉米自然群体，在高通量3D表型组平台对玉米全生育期进行全天候动态检测，获得了约24.4万张表型图像。在此基础上，研究人员还研发了多光学图像批处理程序，分析并提取了77个覆盖玉米全生育期株型、生物量、生长速率等关键图像性状。结合全基因组关联分析鉴定了4945个显著的单核苷酸多态性（SNPs）和1974个候选基因，构建了基因和图像性状的关联网络，并通过突变体分析验证了核心基因ZmVATE在调控玉米节间发育和株高上的生物功能。

研究人员进一步利用早期性状构建机器学习模型来预测玉米最终的株高，发现仅需5个图像性状就可在早期发育阶段对最终株高进行预测，预示着这些性状可作为潜在的株高发育相关生物标记，对玉米株型改良和遗传育种具有重要的应用价值。

该研究深入解析了玉米株高形成的动态遗传基础和调控网络，拓展了人们对株型发育机制的理解，为玉米精准表型鉴定、基因资源挖掘、表型预测及遗传改良提供了重要的数据支撑和基因资源。

该研究工作得到国家重点研发计划、国家自然科学基金、中国农业科学院重大科研任务、科技创新工程等项目资助。