先進(jìn)植物表型實驗室（Advanced Plant Phenotyping Laboratory，APPL）隸屬于美國橡樹嶺國家實驗室生物與環(huán)境系統(tǒng)科學(xué)司，致力于運用先進(jìn)的成像技術(shù)、人工智能和自動化系統(tǒng)，加速科學(xué)發(fā)現(xiàn)，以提升作物抗逆性、提高產(chǎn)量，并為國家提供豐富、安全且經(jīng)濟(jì)的國內(nèi)能源。

APPL 主要裝備了一套大型PlantScreen高通量植物表型成像分析系統(tǒng)，可同時自動培養(yǎng)與傳送520株高130cm大型植株或10400株小型植株樣品，配備RGB 彩色形態(tài)學(xué)成像、3D激光雷達(dá)掃描、FluorCam葉綠素?zé)晒獬上瘛?/span>FluorCam多光譜熒光與熒光蛋白成像、多光譜成像、VNIR與SWIR高光譜成像、NIR近紅外成像、紅外熱成像等表型成像傳感器與成像室，同時配備了自動稱重澆灌單元、噴霧工作站與環(huán)境傳感器。2025年又升級加裝了根系成像單元。這套系統(tǒng)樣品通量之高、表型成像與配套單元之全，可以說是目前北美乃至國際上的植物表型成像研究平臺。

APPL利用這些表型組學(xué)設(shè)備已經(jīng)開展了一系列研究工作并取得了大量的科研成果，部分研究案例如下：

1. 利用圖像跟蹤定量評估進(jìn)行抗病植物高通量種質(zhì)篩查

美國橡樹嶺國家實驗室最早涉足植物表型研究領(lǐng)域，始于與芬蘭赫爾辛基大學(xué)及其國家植物表型基礎(chǔ)設(shè)施（NaPPI，詳見本系列第二期）的合作項目。

鑒定抗病作物或者易感作物種質(zhì)，傳統(tǒng)上多基于對癥狀顏色進(jìn)行肉眼觀察評估、對感染面積進(jìn)行手工測量，但這種方法受人為因素影響而偏差很大；但是利用顯微鏡觀察病原菌侵染情況并進(jìn)行量化分析，則繁瑣耗時、破壞樣品、無法長期觀察跟蹤其發(fā)展過程，也無法實現(xiàn)海量樣品篩查。

針對上述問題，數(shù)字化表型成像測量技術(shù)的優(yōu)勢是：無偏差、對海量樣品可同時篩查、省時省力、無損跟蹤觀察等。隨著表型成像新技術(shù)的成熟，RGB成像和ChlF成像（葉綠素?zé)晒獬上瘢y量技術(shù)成為了植物病害研究以及抗病種質(zhì)篩選研究，從顏色變化和植物光合生理變化兩個方面、時間和空間兩個維度，靈敏地追蹤病害和植物的相互作用過程。

研究團(tuán)隊利用NaPPI的PlantScreen高通量全自動植物表型系統(tǒng)，活體追蹤測量擬南芥受灰霉病侵染的變化過程，創(chuàng)建了病菌侵染過程的量化追蹤的可遷移開源模型，以及從種子萌發(fā)到數(shù)據(jù)分析的完整工作流程。該研究成果于2021年發(fā)表在《Plants》上。由于科學(xué)家已經(jīng)大量掌握擬南芥的基因工具，因此該侵染量化追蹤模型能夠很好的應(yīng)用于其它植物與其它病原菌的相互作用研究中，用于篩選和培育抗病害作物品種。

后續(xù)，研究團(tuán)隊又用類似圖像處理分析方案，對兩種鐮刀菌頭銹病病原體在不同抗性燕麥小穗中的差異性病程進(jìn)展進(jìn)行了研究。

2. 楊樹孤兒基因 BOOSTER（BSTR）顯著提升植物的光合效率與生物量

隨著APPL建設(shè)完成，美國橡樹嶺國家實驗室開始進(jìn)行自己對林木表型相關(guān)的研究。

作物產(chǎn)量的傳統(tǒng)提升路徑（矮稈育種、密植、化肥等）在集約化農(nóng)業(yè)區(qū)已趨于平臺期。光合作用作為所有C3作物和樹木的共同基礎(chǔ)，其效率提升被認(rèn)為是潛力的增產(chǎn)途徑之一。其中，葉片在波動光下的動態(tài)適應(yīng)能力（尤其是非光化學(xué)猝滅 NPQ 的快速誘導(dǎo)與弛豫）對碳同化收益影響巨大，估計可決定高達(dá)40%的潛在碳增益。

研究者利用FluorCam葉綠素?zé)晒獬上窦夹g(shù) 743 份毛果楊（Populus trichocarpa）多樣性群體進(jìn)行了NPQ非光化學(xué)猝滅參數(shù)的全基因組關(guān)聯(lián)分析（GWAS），鎖定了第12染色體上一個顯著關(guān)聯(lián)的54.5 kb區(qū)間，其中包含基因Potri.012G062600，即被命名為 BOOSTER（BSTR）的孤兒基因。

之后，在波動光（強光/弱光交替）處理下利用PlantScreen高通量表型成像分析系統(tǒng)中的3D激光雷達(dá)以1mm分辨率對不同基因型楊樹的形態(tài)參數(shù)進(jìn)行測量，同時結(jié)合光合儀數(shù)據(jù)發(fā)現(xiàn)：

高 BSTR 表達(dá)基因型（HEP）：NPQ 誘導(dǎo)更快、弛豫更迅速，CO?同化量子效率（ΦCO?）和線性電子傳遞量子效率（ΦPSII）均顯著提升。

低 BSTR 表達(dá)基因型（LEP）：NPQ 弛豫慢，弱光下持續(xù)耗能，光合效率受限。

轉(zhuǎn)基因雜交楊樹過表達(dá) BSTR后，其凈光合速率提升約25%，Rubisco 含量提升最高62%，株高增加 171%–200%，基部莖粗增加30%–44%，葉面積指數(shù)增加197%。

BSTR異源表達(dá)于擬南芥，則使擬南芥光合效率參數(shù)全面提升，地上部生物量增加 200%，種子產(chǎn)量增加 50%。在長期波動光處理下，葉面積仍顯著增加。

分子機制解析，BSTR 蛋白定位于細(xì)胞核、質(zhì)體和內(nèi)質(zhì)網(wǎng)，上調(diào) Rubisco 及光系統(tǒng)相關(guān)基因表達(dá)，從而在穩(wěn)態(tài)光與波動光兩種條件下均提升光合效率。該研究在功能性層面上驗證了細(xì)胞器 DNA 向核基因組轉(zhuǎn)移可產(chǎn)生具有顯著表型增益的新基因。BSTR 源自楊樹但在楊樹和擬南芥中均能大幅提升生產(chǎn)力，提示其具有跨物種應(yīng)用的潛力。這一研究成果發(fā)表于2025年《Developmental cell》。

3. 利用高光譜表型分析對干旱脅迫下楊樹代謝物譜進(jìn)行準(zhǔn)確、非破壞性預(yù)測

干旱事件的頻率和強度不斷上升，對全球農(nóng)業(yè)生產(chǎn)力和生態(tài)系統(tǒng)功能構(gòu)成威脅。楊樹（Populus）作為生長快、遺傳多樣性高的多年生生物能源模式樹種，提升其抗旱韌性對可持續(xù)生物質(zhì)生產(chǎn)至關(guān)重要。

傳統(tǒng)代謝物檢測依賴破壞性采樣和大量人工，難以規(guī)?；?、實時化，限制了在育種中的應(yīng)用。高光譜成像（HSI）能捕捉植物組織和生化變化的細(xì)微光譜特征，但將其與代謝物譜直接關(guān)聯(lián)的研究此前很少。美國橡樹嶺國家實驗室與PSI公司合作，嘗試用HSI建立代謝物的無損預(yù)測模型鑒定，特定代謝物類別乃至單個代謝物在電磁波譜上具有獨特的光譜指紋。

研究者選用 8 個商品化雜交楊樹基因型，利用PlantScreen高通量表型成像分析系統(tǒng)進(jìn)行溫室實驗。每基因型 10 株插條，生長 7 周后，5 株進(jìn)入干旱處理（D），5 株為充分灌溉對照（W），處理 4 周。每 2–3 天用 PlantScreen系統(tǒng)自動進(jìn)行高光譜、熱紅外、動態(tài)葉綠素?zé)晒夂?RGB 成像測量。實驗結(jié)束時 55 株存活植株（D=28, W=27）用于最終輪次的VNIR（500–900 nm）與SWIR（950–1700 nm）高光譜成測量與葉片代謝物分析。

表型分析結(jié)果表明，對照（W）植株的總?cè)~面積顯著大于干旱（D）植株。6 個敏感基因型在干旱下生長降低59%–91%；抗旱雜交種 AF18僅小幅下降，AF34無顯著變化。葉綠素?zé)晒鈪?shù)證實干旱脅迫對光合系統(tǒng)的顯著影響，光適應(yīng)最大 PSII 效率（Fv/Fm_Lss）和開放 PSII 中心比例（qL_Lss）顯著降低，光化學(xué)猝滅（qP_Lss）代償性升高。干旱植株在 VNIR 和 SWIR 全波段反射率均高于對照，與色素降解、電子傳遞受損的生理基礎(chǔ)一致。

GC-MS 非靶向代謝組學(xué)共鑒定出 127 種代謝物，其中 73 種對干旱處理響應(yīng)顯著。值得注意的是，不同基因型之間未出現(xiàn)明顯的代謝聚類——說明在所測試的樣品基因型中，代謝響應(yīng)主要由環(huán)境干旱驅(qū)動，基因型間遺傳多樣性有限。

之后通過 VNIR、SWIR 及兩者聯(lián)合的光譜數(shù)據(jù)作為預(yù)測變量，LASSO 回歸在 5 折交叉驗證（重復(fù) 20 次）下光譜與代謝組的對應(yīng)關(guān)系。51種代謝物調(diào)整后R2> 0.3，其中15種R2> 0.5，表現(xiàn)最佳的有：1,2-環(huán)己二醇葡萄糖苷（R2=0.77，VNIR）、13.33 235 糖苷（R2=0.72，VNIR）、阿拉伯糖醇（典型的滲透保護(hù)劑，R2=0.70，VNIR+SWIR）、抗壞血酸（R2=0.66，SWIR）。VNIR主要預(yù)測氨基酸和酚類，502 nm 對酚類尤其敏感，SWIR的1680–1700 nm波段則能夠可靠預(yù)測有機酸、萜類和碳水化合物。

本研究系統(tǒng)性地將 VNIR+SWIR 高光譜與楊樹非靶向代謝組學(xué)耦合，證明了 HSI 可以非破壞性地預(yù)測多種代謝物濃度，為生物能源楊樹抗旱育種提供了高通量表型篩查工具，可加速優(yōu)良基因型的選擇。研究者希望通過今后工作將該“光譜表型+代謝組"框架拓展至其他木本能源作物乃至農(nóng)作物。

參考文獻(xiàn)：

1. Pavicic M, et al. 2021. Image-based methods to score fungal pathogen symptom progression and severity in excised Arabidopsis leaves. Plants 10(1): 158

2. Pavicic M, Mouhu K, Hautsalo J, et al. 2023. Image-based time series analysis to establish differential disease progression for two Fusarium head blight pathogens in oat spikelets with variable resistance. Frontiers in plant science, 14: 1126717.

3. Feyissa B A, de Becker E M, Salesse-Smith C E, et al. 2025, An orphan gene BOOSTER enhances photosynthetic efficiency and plant productivity. Developmental cell, 60(5): 723-734. e7.

4. Shu M, Harfouche A L, Trtílek M, et al. 2025, Leveraging hyperspectral phenotyping for accurate, non-destructive prediction of metabolite profiles in poplar under drought stress. Environmental and Experimental Botany, 106218.

北京易科泰生態(tài)技術(shù)公司提供植物表型分析技術(shù)全面解決方案并提供相關(guān)參考文獻(xiàn)：

? 國際PlantScreen植物高通量表型成像分析系統(tǒng)，有傳送帶版、XYZ版、PlantScreen SC、根系表型分析等不同功能規(guī)格供選配

? PhenoTron®植物表型成像分析系統(tǒng)，易科泰新一代農(nóng)業(yè)傳感器技術(shù)+AI平臺技術(shù)，可根據(jù)國內(nèi)用戶實際需求及安裝場景靈活配置定制，具備高光譜成像、UV-MCF紫外光激發(fā)植物熒光（脅迫誘導(dǎo)次級代謝產(chǎn)物熒光）高光譜成像、葉綠素?zé)晒獬上瘛?/span>Thermo-RGB紅外熱成像與RGB成像融合分析、3D激光掃描成像分析等表型分析技術(shù)，AI平臺技術(shù)包括自動傳送系統(tǒng)、XYZ平臺、懸浮雙規(guī)平臺、機器人平臺等不同智能平臺供選配

? FluorCam葉綠素?zé)晒獬上裣到y(tǒng)，有幾千篇國際科研文獻(xiàn)可供參考

? FluorTron®植物光合表型成像分析系統(tǒng)，可根據(jù)客戶需求定制不同成像面積的葉綠素?zé)晒鈩討B(tài)成像、葉綠素?zé)晒夤庾V成像、LEDIF（植物群體）冠層葉綠素?zé)晒獬上裣到y(tǒng)等

? PhenoTron®智能LED光源培養(yǎng)與表型分析平臺，集多通道智能LED光源與多源表型傳感器技術(shù)于一身，可在對植物進(jìn)行精確光照培訓(xùn)，同時實現(xiàn)葉綠素（含量）與葉綠素?zé)晒獬上瘛?/span>Thermo-RGB成像、多功能高光譜成像等在線晝夜全天候監(jiān)測分析植物表型。

? FluorPen系列手持式葉綠素?zé)晒鈨x（有探頭式和葉夾式，藻類用AquaPen試管式葉綠素?zé)晒鈨x），可與LCi、LCpro等光合儀組成便攜式大田作物表型分析測量系統(tǒng)

? FluorTron系列多光譜葉綠素?zé)晒獬上?/span>/多功能高光譜成像分析系統(tǒng)

? PhenoPlot®輕便型大田或溫室作物表型成像分析系統(tǒng)

? PhenoTron® PTS植物表型成像分析系統(tǒng)

? 田間智能巡檢機器人表型分析平臺

? ET-LEDIF葉綠素?zé)晒獗O(jiān)測系統(tǒng)

? 模塊式作物表型成像分析系統(tǒng)