整合纵向高光谱表型分析、人工智能与全基因组关联分析以解析大麦对渍涝的响应

渍涝是限制大麦生产力的主要因素，但其动态性和多阶段特征使得采用传统表型鉴定方法对其进行解析具有挑战性。高通量表型鉴定（HTP）平台通过实现对大群体进行时间序列、多传感器成像来应对这一问题，但同时也会产生复杂的数据集，从而需要新的分析框架。 在本研究中，我们利用可见光、叶绿素荧光和高光谱传感器，对230份大麦种质在14天渍涝胁迫和7天恢复期内进行了成像。采用可解释人工智能对胁迫响应进行分类，将其划分为早期胁迫、后期胁迫和恢复阶段，分类准确率达到86%，并识别出对各阶段最具信息量的高光谱指数。水分指数（WATER1）和结构非敏感色素指数（SIPI）是预测胁迫响应的主要指标。 采用处理与标记互作模型开展纵向全基因组关联分析（GWAS），鉴定到分布于12个连锁不平衡区块中的236个显著位点，涉及与氧化胁迫调控、转录调控和生长素运输相关的候选基因。在所有胁迫阶段中均持续鉴定到MYB转录因子，突显了其在大麦适应渍涝中的核心作用。 为支持对纵向GWAS结果的解释，我们开发了3D-QTLVis这一交互式可视化工具，通过将曼哈顿图沿时间维度进行扩展，实现了对胁迫耐受性相关动态基因组区域的更清晰识别。

渍涝是限制大麦生产力的主要因素之一，然而其动态且多阶段的特性使其难以通过传统表型分析方法进行解析。高通量表型分析（HTP）平台可通过对大规模群体开展时间序列、多传感器成像来应对这一挑战，但同时也会产生复杂的数据集，因此亟需新的分析框架。在本研究中，我们利用可见光、叶绿素荧光和高光谱传感器，对230份大麦种质在14天渍涝胁迫和7天恢复期内进行了成像分析。

我们采用可解释人工智能将胁迫响应划分为早期胁迫、晚期胁迫和恢复三个阶段，分类准确率达到86%，并识别出在各阶段信息量最大的高光谱指数。水分指数（WATER1）和结构不敏感色素指数（SIPI）是预测胁迫响应的主要指标。

采用处理×标记互作模型的纵向全基因组关联研究（GWAS）在12个连锁不平衡区块中鉴定出236个显著位点，涉及与氧化胁迫调控、转录控制和生长素运输相关的候选基因。MYB转录因子在所有胁迫阶段均被一致鉴定出来，突显了其在大麦适应渍涝过程中的核心作用。

为支持纵向GWAS结果的解释，我们开发了3D-QTLVis，这是一种交互式可视化工具，可将曼哈顿图沿时间维度进行扩展，从而更清晰地识别与胁迫耐受性相关的动态基因组区域。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.02.729597v1?rss=1

🏷️ 大麦 渍涝胁迫 高光谱表型分析 可解释人工智能 纵向GWAS 候选基因挖掘