近日，我校生命科学学院徐沛课题组在《iScience》杂志上发表论文，报道了一种能够将功能生理表型（FPP）与功能作图（FM）相结合的一般性算法框架，通过高维统计推理实现两者的整合，可以帮助研究者理解基因型如何翻译为表型。徐沛课题组外籍讲师ArunPandey为本论文第一作者，徐沛研究员为第一通讯作者（Lead contact），美国宾夕法尼亚州立大学邬荣领教授和以色列耶路撒冷希伯来大学MenachemMoshelion教授为共同通讯作者。北京林业大学姜立波博士、耶路撒冷希伯来大学GosaSanbon博士和中国计量大学孙挺博士为本研究作出重要贡献。

近年来，高通量表型计量技术，包括生理表型技术日益成熟，已能够长期、实时监测植物响应环境动态变化的综合生理性状。该技术与下一代基因组技术一起将植物科学带入了大数据时代。然而，目前仍缺乏能够偶联解析动态生理性状与DNA序列变异间关系的通用算法框架，这已成为表型组时代的重大技术瓶颈之一。徐沛课题组的上述阶段性研究成果为解决这一问题开辟了新路。

该研究在玻璃温室中利用基于蒸渗原理的高通量生理表型组平台“PlantArray 3.0”实现对62个株系组成的番茄渐渗系（IL）群体的水分生理参数、土壤及气象参数的自动、同步、动态采集。以处理前正常灌溉、渐进式干旱和复水等三个不同阶段的蒸腾表型数据为例，利用勒让德函数（Legendre function）和结构化反依赖性模型（structured antedependence model）对植物蒸腾速率平均向量进行建模，并进行协方差矩阵结构的估计，进而得到功能作图框架下的关键拟合参数。结果表明，在第一阶段，蒸腾速率随植物生长而逐渐增大；在第二阶段，其趋势转为逐渐下降；在第三阶段，蒸腾速率迅速增加，在复水后第5天达到最大值，之后逐渐下降。将拟合参数纳入FPP-FM函数映射后，通过排列检验计算识别出7个具有强效应、能够调控蒸腾速率时空变化的动态QTLs。通过进一步构建QTL互作网络，可以揭示它们如何调控干旱胁迫下的表型可塑性，促进植物对环境变化的适应。FPP-FM算法框架的原理具有普遍适用性，不仅可用于解析水分生理性状，也可以用于解析其他具有多处理特征的动态生理和形态性状。其遗传框架也不限于具有系谱关系的遗传群体（ILs、F2群体、重组自交系等），而是可以拓展到基于连锁不平衡的自然群体。

图为控制渐进式干旱条件下蒸腾速率变化的动态QTLs及其网络。（A）IL群体所有株系蒸腾速率的阶段性变化，其平均向量曲线（红色）由Legendre 函数拟合。（B）通过FPP-FM得到曼哈顿图，表明动态蒸腾速率相关的分子标记的显著性。（C）最显著QTL（11号染色体）上的两个等位位点对蒸腾速率的动态效应比较。（D）处理前正常灌溉、渐进式干旱和复水等三个不同阶段下QTL互作网络。每个网络中的枢纽QTLs用深色高亮显示。