植物表型研究文章TOP10（一）
鸡年接近尾声，各行各业都已经做了各种年度盘点，小编也不能免俗，以影响因子和引用次数为标准，将近五年跟植物表型研究相关的文章，做了盘点，列出了植物表型研究文章的TOP10 ，从微观表型到宏观表型，从实验室表型到田间表型，从基因型到表型，赶紧一睹为快吧。
TOP 10
● 植物表型组学数据中动态数量性状位点的分析
（Trends Plant Sci.,2015）
高通量成像技术能够连续测量植物表型，这可能有助于生长发育相关性状的QTL分析。功能作图的一个主要好处是它集成了多个时间点上的信息，因此可以增加QTL检测的统计功效。 为了处理高维基因分型和表型数据，计算效率是动态QTL分析的新型统计方法的重点。
162个拟南芥RIL随时间推移的表型轨迹
此文回顾了目前复杂数量性状功能作图的发展，这些方法为我们分析后基因组时代的大规模时间进程数据提供了宝贵的工具。
TOP 9
● 基因组技术用于作物的遗传改良
（Nature,2017）
保证未来的粮食供应，同时减少对生态系统的影响，植物基因组和遗传多样性的研究对于应对这些挑战至关重要。 基因组测序和组装方面的进展正被用于获取作物及其野生亲缘的大型而复杂的基因组。 这些已经帮助确定了广泛的遗传变异，并且可以进行遗传多样性与多种农艺表型的关联性分析。结合改进的自动化表型分析和功能基因组研究，基因组学为作物育种系统提供了新的基础。
作物野生前体种群的遗传多样性（上图彩色圆圈）已被驯化，其中在最初选择和采用的地方品种中存在有限的多样性。随后的育种吸引了地方品种中存在的有限范围的变异，以用于现代农业中优秀栽培品种生产。作物改良基因的鉴定可以使用诱变将变异引入作物的DNA，具有所需特征的突变体可以通过筛选所需的性质来鉴定，这些性质称为表型。这样的表型鉴定需要大量的群体来进行，费时且不准确，需要依靠高通量的表型手段来实现。
TOP 8
● 利用高通量的非侵入性表型技术揭示水稻耐盐基因位点
（Nat Commun,2016）
高通量的表型分析随着时间的推移会产生多种测量结果，这需要新的分析方法，这些分析方法可以灵活地对植物生长和蒸腾进行量化，但在计算上是经济的。在这里，我们开发了这样的分析，并将其应用于用700k SNP高密度阵列上的水稻群体基因分型。相对增长率（RGR），蒸腾速率和蒸腾利用效率（TUE）使用新的关联模型进行分析，该模型考虑到处理（对照和盐处理）与遗传标记之间的相互作用。该模型能够鉴定出先前未检测到的影响TUE的位于水稻第11号染色体上的基因位点，从而深入了解水稻对盐度的早期反应，特别是盐度对植物生长和蒸腾作用。
不同处理水稻的相对生长率变化
-
仪器推荐
-
仪器推荐
-
仪器推荐
-
仪器推荐
-
仪器推荐
-
科技前沿
-
精英视角
