近日，中国科学院院士、中国科学院植物研究所研究员种康研究组与合作者推出基于“高光谱—代谢”双组学耐盐表型高通量精确鉴定技术体系，有效地解决了多组学数据整合表征饲草性状的问题。相关成果发表于国际学术期刊Plant Phenomics。

耐盐饲草品种培育是发展边际土地饲草产业的核心和基础。饲草等作物育种一直存在目标表型难以高通量准确鉴定的技术瓶颈。表型组学飞速发展使其成为饲草表型鉴定和遗传资源挖掘的利器，但如何有效解析表型组产生的高通量数据仍是难点，表型组学与上层组学数据整合进行多组学分析是重要的解决途径。目前表型组学数据分析多采用普适性大数据模型，而小样本目标数据特定型模型却鲜有报道。

为此，研究人员推出基于“高光谱—代谢”双组学耐盐表型高通量精确鉴定技术体系，有效地解决了多组学数据整合表征饲草性状的问题。他们通过建立代谢物特异的光谱指数和基于偏最小二乘回归法的代谢物含量估算模型，从而整合高光谱和代谢组数据，在上层代谢数据指导下实现光谱特征降维解析，利用机器学习实现目标表型的精准鉴定。

在苜蓿突变体耐盐表型的鉴定中，此技术在主成分分析辅助分析下准确率可达100%，并能够在盐胁迫早期阶段实现表型识别，展示出较强预判能力。双组学表型鉴定采取目标数据特定型模型，无需大量数据即可高效整合表型组与代谢组数据，实现目标表型的精准鉴定。该技术将成为饲草育种领域新品种创制的有力工具和技术体系。

相关论文信息：https://doi.org/10.1016/j.plaphe.2025.100020