亚林所研究团队结合无人机表型与GWAS揭示湿地松生长动态遗传基础

文章导读

你是否好奇，如何让树木育种告别低效与破坏？亚林所团队创新结合无人机高通量表型与全基因组关联分析（GWAS），揭秘了湿地松生长动态的遗传基础。通过连续两年每月动态监测，精准提取树高、冠幅等六个性状，并鉴定出34个关键遗传位点，解释高达14.2%的表型变异，涉及细胞膜组装和信号转导等核心机制。这不仅显著提升基因组选择模型的预测准确性，还实现高效、低成本、非破坏性的长时段监测，填补单一时间点研究的局限。研究为湿地松等针叶树种的精准育种和可持续林业提供革命性工具，助力选择更强适应性的基因型。

— 内容由好学术AI分析文章内容生成，仅供参考。

图1：使用无人机获取的RGB和多光谱图像作为表型工具在湿地松中进行研究的策略

亚林所研究团队结合无人机表型与GWAS揭示湿地松生长动态遗传基础

图2：分别基于谱系、SNP +VI、谱系 +VI、VI 和 SNP的 GBLUP 模型的树高和冠幅性状的基因组选择研究

7月24日，亚林所智慧林业创新研究中心、林木种质资源团队在国际权威期刊Information Processing in Agriculture（中科院1区top，IF=7.4）上发表了题为“Leveraging close-range UAV phenotyping and GWAS for enhanced understanding of slash pine growth dynamics(结合无人机表型分析和GWAS解析湿地松生长动态遗传基础)”的研究论文。研究创新结合无人机高通量表型分析与GWAS，为湿地松（Pinus elliottii）的遗传改良和精准育种提供了新路径。

湿地松是中国南方重要的材脂两用树种，具有速生、适应性强、产脂量高等特点，种植面积超2200万亩。然而，其复杂的遗传结构和长生命周期对传统育种构成挑战，为此，研究团队开发高效无人机表型参数提取方法，连续两年每月监测湿地松育种群体的动态生长，以揭示其生长性状的遗传基础。研究利用无人机多光谱采集高分辨率影像，精准测量树高、冠幅面积及植被指数等六个性状。在19个月的监测中，通过GWAS鉴定出34个与性状相关的遗传位点，解释了1.1%至14.2%的表型变异，这些位点涉及细胞膜组装、细胞壁降解和信号转导等关键过程，为湿地松响应环境变化的动态生长机制提供了新见解。另外，整合无人机表型数据的基因组选择（GS）模型的预测准确性得到显著提升。相比传统地面测量，无人机技术大幅提升了数据采集效率，降低了劳动成本，实现了非破坏性、长时段的动态监测。这种方法不仅填补了单一时间点研究的局限，还为选择适应性强的基因型提供了可靠依据。研究结果对其他针叶树种的遗传改良和可持续林业实践具有广泛借鉴价值。

亚林所助理研究员丁显印为论文第一作者，李彦杰副研究员为通讯作者，研究工作得到了中国林业科学研究院基本科研业务费专项（CAFYBB2022QA001）及生物育种重大项目（2023ZD040580105）资助。