友情链接：
随着遥感、机器人技术、计算机视觉和人工智能的发展，植物表型组学研究已经步入了快速成长阶段。
2018年7月9日，《南京农业大学学报》发表周济教授（南京农业大学植物表型组学研究中心，研究方向为表型组学、系统开发、机器学习、图像分析、小麦育种）主笔文章：“Plant phenomics: history, present status and challenges”。该文章首先介绍了植物表型组学的发展简史，包括其理论核心、研究方法、在生物研究中的应用以及国际上最新的研究动向。然后，针对各类表型技术载体平台如手持、人载、车载、田间实时监控、大型室内外自动化平台和航空机载等，分析这些技术手段在室内、外植物研究中的应用情况和实际问题。为了对表型研究中产生的巨量图像和传感器数据进行量化分析，把大数据转化为有实际意义的性状信息和生物学知识，本文着重讨论了后期表型数据解析和相应的研发过程。最后，提出表型组学的应用前景与未来展望，以期为中国的表型研究提供指导和建议。
图1 植物表型组学研究策略
图2 英国诺维奇科学研究院使用的多层次作物表型平台
表型组学是突破未来作物学研究和应用的关键研究领域。通过表型分析来描述关键性状可以为育种、栽培和农业实践提供基于大数据的决策支持。表型组学的巨大潜力还体现在其与其他组学研究（omics research，如基因组学、表观组学、转录组学、蛋白组学、代谢组学和离子组学等)知识的综合分析，量化分析特定表型的遗传规律，对作物细胞、器官、群体不同层次的监控，作物在不同发育阶段的动态性状的获取，并与其他组学分析结果融合，可对重要生命过程进行多方位的解释。
图3 田间表型采集、表型数据整合及表型组数据解析过程
中国幅员辽阔，各地区实际情况差别较大，有必要针对不同生态环境中的作物表型组和其他组学数据进行整合和交叉验证，揭示农业植物生物学规律，切实支撑中国各类作物的生理学、发育学、遗传学、育种、栽培以及农业大田生产等研究，提升中国作物遗传育种、栽培管理和农业生产服务能力。
点击阅读/下载全文。
ZHOU Ji,Francois Tardieu,Tony Pridmore,et al. Plant phenomics: history, present status and challenges. Journal of Nanjing Agricultural University,2018,41(4):580-588.
扩展阅读：
