UAV Phenomics and GWAS Uncover Genetic Architecture of Early Drought Tolerance in Wheat (Triticum aestivum L.)

方法

无人机多光谱成像提取8个植被指数，结合23.9K SNP做GWAS与转录组验证。

发现

鉴定115个显著QTN、74个位点，HSP70和ZmMDAR3在干旱下差异表达。

机会点

可拓展多时相无人机表型与多环境GWAS，验证候选基因功能并构建抗旱预测模型。

摘要 无人机（UAV）和多光谱传感器技术的最新进展已使高通量表型分析发生变革，成为传统方法的高效替代方案。本研究采用基于无人机的多光谱成像技术监测小麦早期干旱胁迫。研究选取了来自巴基斯坦的221份历史春小麦品种，代表了一个多世纪的育种历史，在灌溉和干旱条件下进行了评价。在早期生长阶段进行了两次无人机飞行以获取多光谱影像，影像在Pix4D mapper中处理以进行图像对齐和正射影像拼接。小区分割和性状提取在QGIS中完成。分析了8个干旱响应型植被指数（VIs）以评估基因型变异。在所有植被指数中，基因型、处理及其互作间均观察到显著至极显著差异。大多数性状的广义遗传力估计为中等至高等，主要受加性基因作用控制。NDVI、GNDVI、EVI和SAVI等植被指数之间表现出强相关性，并能有效检测干旱条件下的早期冠层胁迫。基于23.897K个SNP的主成分分析表明该群体为混合遗传群体。全基因组关联分析在两种条件下共鉴定出115个与植被指数显著关联的QTN，对应74个位点，其中包括26个多效位点。其中，在干旱条件下检测到的10个多效位点被注释，并鉴定了6个候选基因，基于转录组数据这些基因在多个组织中均有表达。两个基因即TraesCS1D01G217600.1（HSP70）和TraesCS6D01G254000.1（ZmMDAR3）在对照和干旱处理间表现出差异表达模式。这些发现凸显了基于无人机的表型分析在早期干旱检测中的潜力，并为提高小麦耐旱性提供了候选基因。未来研究应聚焦于这些基因在干旱胁迫下的功能作用。