近日，中国农业科学院生物技术研究所玉米功能基因组创新团队首次系统揭示玉米根系构型高通量表型组及微观形态的遗传基础，研发基于卷积神经网络的根系表型分析算法，构建机器学习模型实现根系结构智能预测与关键基因挖掘，为作物遗传改良提供新策略与基因资源，相关研究成果发表在国际知名学术期刊《宏（iMeta）》。

玉米根系的多样性决定了其固根能力、养分吸收及抗逆性，对产量有至关重要的影响。然而，植物根系地下特性和表型检测方法的局限性给育种选择带来了很大的挑战。本研究对316个玉米品种的根系构型及细胞结构展开深入研究，获取了131个根部性状数据，发现热带/亚热带与温带玉米品系在部分根部性状上存在显著差异，通过全基因组关联分析（GWAS），鉴定出大量根系调控基因，证实了岩藻糖基转移酶 5（FUT5）在根系发育及耐热性中的重要作用，其不同单倍型与主根特征存在关联，具有育种应用潜力。此外，开发了根系表型机器学习预测模型 PRSA，结合根切片微表型数据实现根系结构智能预测，突破了传统表型检测瓶颈。该成果与前期研究（Molecular Plant, 2023）共同构建了玉米地上 - 地下、宏观 - 微观全方位表型分析体系，运用机器学习算法，构建高预测精度的表型预测模型，实现对复杂农艺性状的早期精准预测，为玉米及其他作物智能设计育种提供关键技术支撑。

生物所已毕业博士郭位军（现杭州师范大学）、王繁华（现山东师范大学）、博士生吕健玥为共同第一作者，生物所普莉研究员和乐亮副研究员为本论文共同通讯作者，生物所博士后余佳、武悦、内蒙古大学哈达教授等也参与了该项研究。该工作得到农业生物育种重大专项、国家自然科学基金及中国农业科学院创新工程等项目的资助。

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/imt2.70015

图示：玉米根系结构鉴定的流程图