不同基因型小麦冻害无人机遥感高通量表型

为了实现田间条件下小麦抗冻性状相关的数量性状基因座（quantitative trait locus, QTL）分析,该研究针对4个试验地491份小麦核心种质资源的抗冻性状,基于无人机多光谱遥感提出了一种高通量表型方法。首先通过光谱植被指数对小麦抗冻性状进行评估,基于机器学习分类算法使用16个光谱植被指数特征构建了小麦冻害评价模型,并完成了光谱特征相关性分析及对评价模型的贡献率分析。对比随机森林（random forests,RF）、分布式梯度增强（extreme gradient boosting,XGBoost）、梯度提升决策树（gradient boosting decision tree,GBDT）及支持向量机（support vector machine,SVM）算法建立的小麦冻害等级评价模型,结果表明,使用XGBoost建立的评价模型准确率最高,达67.94%;16个光谱特征相关性及其对评价模型的贡献率分析表明,简化冠层叶绿素含量指数（simplified canopy chlorophyii content index, SCCCI）对小麦抗冻表型鉴定的贡献率最大。其次,...     

黄淮麦区小麦新品种(系)抗条锈水平与抗病基因分析

了解黄淮麦区近几年小麦育成品种(系)对条锈菌主要流行小种的抗性表现及其抗条锈病基因的分布状况,利用当前流行的条锈菌小种条中32、条中33和条中34,对近年参加审定的150份小麦品种(系)进行苗期分小种鉴定,同时分别在杨凌设置人工接种病圃,在天水和江油设置自然诱发病圃,进行成株期抗条锈性鉴定,并结合 Yr5、 Yr7、 Yr9、 Yr10、 Yr17、 Yr18、 Yr26和YrSP等8个已知抗条锈病基因的分子标记进行分子检测。结果表明,在150份材料中,47份表现为成株期抗性(占31.3%),31份表现为慢锈性(占20.7%),未发现具有全生育期抗锈病材料,其余材料均表现感病;11份材料检测含有 Yr7(占7.3%),104份检测含有 Yr9(占69.3%);13份检测含有 Yr17(占8.7%);10份同时检测到含有 Yr9和 Yr17(占6.7%);3份同时检测到含有 Yr9和 Yr18(占2%);2份同时检测到含有 Yr9、 Yr17和 Yr18(占1.3%),含有 Yr7和 Yr17, Yr7和 Yr9, Yr9和YrSP的材料各1份(占0.7%),未检测到含有 Yr5、 Yr10和 Yr26的材料,可能个别品种携带抗条锈病新基因。以上结果说明,黄淮麦区小麦品种(系)综合抗性较10年前已获得大幅度提高,其抗性主要来自于基因组合,如 Yr17、 Yr18与其他基因组合会增强小麦抗性。部分具有良好抗性的材料的抗性基因有待进一步遗传解析。     

群体小麦条锈病发病动态无人机遥感监测方法

针对当前育种群体小麦条锈病表型分析手段单一、效率低下等问题,该研究提出了一种基于无人机低空遥感和多光谱成像技术的群体小麦田间条锈病高通量表型动态分析方法。该方法利用无人机采集自然发病的育种群体小麦（共600个样本,516个基因型）冠层多时相的光谱图像,并提取22个植被指数作为后续分析的表型,同时按照发病后的时间顺序与传统条锈病人工鉴定标准记录条锈病发病阶段和发病严重度数据;使用随机森林算法建立22个光谱植被指数同条锈病发病阶段与病害严重度的分类模型,并筛选出对上述两个分类问题敏感的植被指数;同时,使用随机蛙跳算法对特征进行筛选以降低仅使用随机森林算法对特征筛选的偶然性,并将随机蛙跳算法给出被选择概率排名在约前1/3的特征作为SVM算法的输入,构建发病阶段与病害严重度模型以验证随机蛙跳算法对特征筛选的有效性;综合两次特征选择的结果,分别筛选出对发病阶段和病害严重度敏感的3个植被指数,并基于这些指数响应的时间序列分析了群体中6个参考品种发病动态的差异。对条锈病发病阶段的分类模型构建中,随机森林和SVM模型测试集的F1分数分别为0.970和0.985;对条锈病严重度等级分类中,二者的F1分数为0.740和0.780,表明通过所建立的模型可以实现对群体小麦发病阶段和病害严重度等级的分类,且随机森林算法和随机蛙跳算法都能够筛选出对条锈病发病阶段和病害严重度敏感的特征。筛选出的差分植被红边指数（Difference Vegetation Index - Rededge,DVIRE）的响应对病害胁迫较为敏感,可用于同时描述田间条锈病发病阶段和严重度。该研究提出的高通量表型分析方法,基于无人机成像光谱提取的植被指数对群体小麦田间条锈病进行时间序列动态分析,能够精准量化群体小麦受条锈病胁迫状态,并可为其他作物抗病育种的表型分析提供一定的参考。     

成株期小麦对荻草谷网蚜的田间抗蚜性和耐蚜性评价

为拓展和获取对荻草谷网蚜Sitobion miscanthi表现稳定的小麦抗源,以我国146个小麦品种（系）为材料,利用2020年麦田蚜虫发生严重的机会,采用有蚜株蚜害级别计算抗蚜指数,采用耐蚜值（调查株蚜害级别/千粒重损失率）计算耐蚜指数,以此评估小麦的抗蚜性水平和耐蚜性水平;2022年利用人工辅助接蚜的方法对2020年表现稳定的部分小麦品种（系）的评估结果进行验证。结果显示,在自然感蚜条件下2个试验点6次调查中仅山农116、泉麦31和濮麦116表现稳定的抗蚜性,在人工接蚜时仅郑麦132表现稳定的抗蚜性;中育1220、泰禾麦2号和瑞华1408在自然感蚜时蚜量较低,千粒重损失率低于5.00%,人工接蚜亦表现良好的耐蚜性,表明其兼具耐蚜性和一定的抗蚜性;泰麦601、瑞华592、轮选166和中农麦4007在自然感蚜的高蚜量情况下和人工辅助接蚜时均能保持较低的千粒重损失率（小于15.00%）,表明成株期小麦的抗蚜性减弱是一种普遍现象,耐蚜性是比抗蚜性更稳定的遗传特征。     

小麦周8425B×小偃81重组自交系群体千粒重相关性状的QTL定位及单倍型分析

【目的】周8425B是中国小麦重要骨干亲本之一,小偃81是李振声院士选育的高产、优质、多穗型品种。千粒重是影响小麦产量的重要因素,发掘周8425B和小偃81的千粒重及相关性状的QTL,并分析不同生态区小麦品种所含QTL的单倍型与千粒重的关系,发掘优异单倍型,为不同生态区提高小麦产量及分子辅助育种提供基因型参考。【方法】以周8425B×小偃81衍生的重组自交系群体（F₈）为研究对象,分别于2015和2016年在陕西杨凌（早晚播）进行田间种植,收获后对籽粒相关性状进行测量。利用90K芯片标记构建的高密度遗传图谱对3个环境下的千粒重、籽粒长、籽粒宽和籽粒厚进行QTL定位。同时,针对稳定的主效QTL开发相应的KASP分子标记,并以479份国内外小麦种质组成的自然群体为材料进行分子检测,结合自然群体的千粒重等性状进行关联分析;此外,从479份小麦中挑选出106份含有660K芯片基因型数据的当前黄淮麦区推广的小麦品种,以主效QTL置信区间的差异SNP为基础,进行目标QTL定位区间的单倍型分析,从而判断黄淮麦区中陕西、河南和山东种质材料中的优势类群。【结果】QTL定位结果显示,3个环境下共在8条染色体上检测到22个QTL,表型变异解释率（PVE）范围为4.77%—19.95%,12个位点为主效QTL（PVE>10%）,其中Qkgw.nwafu-6B可能为新QTL。4A、6A、6B、7D染色体上的QTL在多个环境中被检测到,其中,4A和7D染色体处QTL与已报道的相关位点位置相同或接近。6A染色体上的QTL区间包含已知千粒重基因TaGW2-6A,根据TaGW2-6A的分子功能标记检测结果,周8425B和小偃81同时含有TaGW2-6A,此外,基于单倍型分析结果,二者存在于不同的类群中,因此,该位点不同于TaGW2-6A,也可能为新的QTL。单倍型分析结果显示,Qkgw.nwafu-6A总共分为5种单倍型,在不同产区占比超过20%的为6A_h1,其在3个地点千粒重数据均高于其他单倍型;Qkgw.nwafu-6B总共分为8种单倍型,在不同产区占比超过20%的为6B_h6,在河南两点千粒重数据较高,推测含有这两类单倍型的材料为优势类群。此外,针对Qkgw.nwafu-6B开发出共分离的KASP标记,并在479份材料组成的自然群体显著性检测中证明该位点与千粒重表型显著相关。【结论】Qkgw.nwafu-6A和Qkgw.nwafu-6B可能为新的与千粒重相关的主效QTL位点,6A_h1和6B_h6为优势单倍型,开发了一个与Qkgw.nwafu-6B共分离的分子标记KASP_IWA349,可用于分子标记辅助育种。