抽穗期（開花期）是決定水稻種植季節(jié)和品種區(qū)域適應性的關鍵農(nóng)藝性狀，不僅受遺傳因素調控，還受環(huán)境因素如光周期和溫度的顯著影響。準確預測不同環(huán)境條件下的水稻抽穗期對栽培管理決策和培育適合特定環(huán)境的新品種至關重要，但目前仍然是一項極具挑戰(zhàn)性的任務。傳統(tǒng)上，積溫指數(shù)（Accumulated Temperature Index, ATI）被定義為從播種到抽穗期間日平均溫度超過基準溫度的累積和，被育種家和生產(chǎn)者認為是一個在不同環(huán)境中較穩(wěn)定的品種參數(shù)，可用來根據(jù)不同種植條件下的溫度估計品種的開花時間。然而，這種ATI計算窗口的準確性和穩(wěn)定性尚未被系統(tǒng)評估。

 

　　該研究首先獲取了422份雜交秈稻在長江中下游稻區(qū)品比和區(qū)試試驗中的抽穗期數(shù)據(jù)。試驗地點覆蓋長江中下游47個試點，共178次田間試驗，每次實驗包含12-95個品種，每個品種平均有17次種植記錄。研究團隊通過氣象網(wǎng)站收集了所有試驗種植期間每日的日長和平均溫度等環(huán)境信息。通過分析不同環(huán)境因子對抽穗期的影響，發(fā)現(xiàn)在該研究中溫度是影響抽穗期的主要環(huán)境因素。

 

　　進一步研究發(fā)現(xiàn)，相比抽穗期，傳統(tǒng)定義的ATI在不同環(huán)境下表現(xiàn)出較小的變異，提示ATI可能是實現(xiàn)跨環(huán)境預測的重要基礎。而通過優(yōu)化ATI計算窗口的起點和終點，可能可以得到一個更加穩(wěn)健的ATI定義，從而提高基于ATI的抽穗期預測模型的準確性。為此，該研究通過枚舉所有1730個候選時間窗口，基于大量的多點田間試驗數(shù)據(jù)系統(tǒng)評估了不同ATI計算窗口的預測效果。通過1000次抽樣分析，最終確定播種后1天至開花前26天為最佳計算窗口。有趣的是，這一時間窗口恰好對應水稻的營養(yǎng)生長階段，其終點（開花前26天）大致對應成花轉換的關鍵時期，揭示了溫度累積與水稻發(fā)育轉變的生物學聯(lián)系。

 

　　基于這一發(fā)現(xiàn)，ATI的實際應用非常直觀：對于已有記錄的品種，只需最少一次田間試驗即可計算其ATI值；對于僅知道基因型的新品種，則可以利用基因組預測方法，根據(jù)其基因型預測ATI值。獲得ATI后，在新環(huán)境中從播種后第1天開始累加日均溫度，當積溫達到ATI值時，預測26天后該品種將抽穗。研究人員還可以利用歷史氣象數(shù)據(jù)，預測品種在不同地區(qū)不同播期的抽穗期，從而評估品種的適種范圍。應用ATI的整個過程不需要復雜的計算。

 

　　該研究開發(fā)了基于ATI的單參數(shù)水稻跨環(huán)境抽穗期預測模型，并驗證了其在雜交秈稻中的應用效果。在訓練用品種×新環(huán)境、新品種×訓練用環(huán)境和新品種×新環(huán)境三種應用場景下，預測獲得的抽穗期與實際抽穗期之間的平均皮爾遜相關系數(shù)分別為0.895、0.847和0.847，分別有83.4%、69.5%和66.1%的測試樣本預測誤差在5天以內(nèi)（圖1c）。與目前表現(xiàn)最好的反應規(guī)范（Reaction Norm Index, RNI）模型相比，ATI方法不僅預測準確率更高，而且在訓練數(shù)據(jù)有限的情況下仍能保持穩(wěn)定的預測效果。這些結果表明，該方法在長江中下游雜交秈稻育種和生產(chǎn)中具有良好的應用潛力。

 

　　該研究進一步揭示了雜交秈稻中ATI的遺傳基礎。通過對422份材料進行全基因組關聯(lián)分析（GWAS），鑒定到10個與ATI變異顯著關聯(lián)的基因組位點。其中，兩個位點分別位于已知的抽穗期基因OsSOC1/Ef-cd和Ghd8附近，一個位點位于DEP1附近，揭示其附近可能有未知的影響積溫的基因。特別有趣的是，研究發(fā)現(xiàn)4個位點與水稻生態(tài)型分化密切相關。利用這4個位點的基因型信息，就能以93.8%的準確率將雜交秈稻分為中秈和晚秈兩個生態(tài)型，這一發(fā)現(xiàn)對雜交稻親本的選配具有重要的指導意義。

 

　　最后，為了便于ATI模型的推廣使用，該研究篩選出28個功能性標記構建了簡化的ATI預測模型，并搭建了在線預測平臺 （http://xielab.hzau.edu.cn/ATI）。用戶通過輸入28個標記的基因型信息，及任意地點歷史日平均溫度數(shù)據(jù)，可以預測不同播種日期下的抽穗期。

 

　　綜上，該研究通過優(yōu)化積溫指數(shù)ATI的計算方法，開發(fā)了一種簡單實用的水稻抽穗期預測模型。該模型只需要一個參數(shù)（ATI），預測過程簡單直觀，且同時具備預測準確性高和應用門檻低的優(yōu)點，將為水稻的育種和生產(chǎn)提供有力支持。

 

　　我校水稻團隊謝為博教授、美國加州大學河濱分校賈震宇教授和中國種子集團有限公司生命科學技術中心王凱博士為該論文的共同通訊作者。我校徐興兵博士、美國加州大學河濱分校賈瓊博士和已畢業(yè)碩士李思嘉為該論文的共同第一作者。研究還得到了美國韋恩州立大學醫(yī)學院的魏巨龍博士、愛荷華州立大學余建明教授和我校郭婷婷教授的幫助。

 

　　論文鏈接：https://onlinelibrary.wiley.com/doi/10.1111/pbi.14498