棉花作为全球最重要的天然纤维作物之一，其重要农艺性状的功能基因组研究是植物生物学研究的热点。随着高通量测序技术的快速发展，基因型的研究更加快速高效，然而高通量表型研究严重滞后于基因型研究。目前传统的表型信息的获取存在所需劳动量大、成本高，所获取表型数据受人工主观因素影响大等诸多难题。大田高通量表型组学可无损、高通量、精准获取大规模尺度的表型信息，对打破作物改良基因型-表型关联研究的瓶颈具有关键作用。
近日，中国农业科学院西部农业研究中心杨作仁研究员团队联合新疆农垦科学院棉花分子育种团队，通过结合无人机（UAV）遥感技术与全基因组关联分析（GWAS），成功揭示了棉花株高调控的遗传基础。该研究开发了一种高效的田间株高监测技术，以创新的视角融合棉花高通量表型组学与基因组学，成功鉴定到株高调控的关键基因GhPH_UAV1，为棉花株高调控和遗传改良提供了新的理论依据。研究成果以“Combining UAV multisensor field phenotyping and genome-wide association studies to reveal the genetic basis of plant height in cotton (Gossypium hirsutum)”为题在线发表在国际著名表型组学期刊《植物表型组学（Plant Phenomics）》（中科院一区TOP期刊，IF=7.6）上。原文链接：https://doi.org/10.1016/j.plaphe.2025.100026
研究团队采用低空无人机搭载超高清可见光相机和激光雷达传感器的方式，高通量、多时序获取419份棉花自然群体（2023-2024年在新疆农垦科学院试验基地种植）图像数据，利用机器学习算法构建了精准的株高预测模型，该模型能够高效替代传统人工测量方法。为了进一步验证株高模型的可靠性，将获得的两组株高动态表型数据用于全基因组关联分析，共定位鉴定到一个新的株高相关基因，命名为GhPH_UAV1。进一步实验表明，过表达该基因能够显著提升株高，而敲除该基因则会抑制株高，揭示了其在棉花株高调控中的正向作用。该结果证明了研究团队所采用的高通量无人机表型获取方式融合机器学习算法，能够显著提高大田棉花株高表型数据的准确性和稳定性，为后续全基因组关联分析提供有力支撑，同时也为大田复杂环境下的作物育种研究提供了新的技术手段和分析思路。
西部农业研究中心杨作仁研究员、高雷研究员和新疆农垦科学院余渝研究员为该论文的通讯作者。该研究得到了国家重点研发、国家自然科学基金、新疆农垦科学院农业科技创新工程和新疆作物基因编辑与种质创新重点实验室等项目的资助。
