小麦（Triticum aestivum L.）是全球最重要的粮食作物之一，其产量主要由穗数、穗粒数和千粒重决定，而穗部结构直接影响这些关键产量性状的形成。小穗在穗轴上的空间排列决定了穗型结构与粒数潜力，对光照利用、物质运输以及籽粒灌浆等过程具有重要影响。然而，穗轴结构复杂、节间数量多，传统人工测量方法耗时且难以获得精确的小穗分布数据，严重制约了穗部结构性状的遗传研究与改良利用。
近日，中国科学院遗传与发育生物学研究所蒋霓研究员团队在Plant Physiology期刊上在线发表了题为Image-based rachis phenotyping facilitates genetic dissection of spikelet distribution in wheat的研究论文。该研究建立了基于深度学习的穗轴图像自动化表型解析系统RachisSeg，首次实现了小麦穗轴节间的自动分割与精细量化测定，提出了表征小穗沿穗轴分布的新指标“Spikelet Distribution Index（SDI，小穗分布指数）”，为揭示小麦穗型结构的形成机制及其遗传基础提供了新的技术手段。RachisSeg基于扫描仪图像输入，通过深度学习模型Faster R-CNN自动识别穗轴节节点，并结合距离变换算法将穗轴分割为连续节间，从而实现节间长度、宽度、穗轴长度、穗粒数和小穗分布等多类性状的高效测定。该方法在大规模样本中的表现优异，自动测量结果与人工测量高度一致，穗粒数和穗轴长度的R²分别达到0.975和0.998，显示出极高的精度与稳定性。研究团队提出的小穗分布定量指标能够刻画传统穗密度指标无法反映的穗轴上小穗分布排列差异。分析发现，不同小麦品种即使穗长和小穗数相似，其SDI值仍表现出显著差异。进一步的性状相关分析表明，SDI与每穗粒重和每穗产量均呈显著相关，穗顶小穗过度密集可能导致籽粒重量下降，从而影响产量形成。
利用郑农17×洋白麦RIL群体进行小麦穗轴性状的遗传定位，研究共鉴定到46个QTL位点。其中，6B染色体上的主效位点QSDI.ucas-6B控制小穗分布，表型解释率高达24.8%。进一步的候选基因分析发现，该区域内的基因TraesCS6B02G417000为潜在调控基因，其突变体表现出穗轴明显缩短和穗顶小穗密集化的表型，揭示其可能参与节间伸长与小穗分布的调控。该研究建立的 RachisSeg穗轴表型提取系统大幅提升了穗轴性状测定的效率和精度，使得以往难以量化的小穗分布特征得以系统研究。通过整合数字表型、群体遗传分析和突变体验证，研究揭示了小麦穗部结构改良的遗传机制，为穗型优化和高产育种提供了理论依据和技术支持。
遗传发育所博士生鲁任翔与副研究员郑树松为论文共同第一作者，蒋霓研究员为通讯作者。本研究得到了农业农村部重大专项和国家重点研发计划的资助。
小麦穗轴表型测量算法RachisSeg及其准确性验证
(a)原始穗轴图像，(b)二值化掩膜，(c)裁剪后的单根穗轴图像，(d) Faster R-CNN 检测的穗轴节点，(e)距离变换图，(f)穗轴节段分割结果，(g–h) RachisSeg 与人工测量的小穗数（SNS）和穗轴长度（RL）散点对比图。
