共检索到508条,权限内显示50条;
[前沿资讯 ] 专家团队在稻田固碳领域取得重要进展 进入全文
南京农业大学
稻田土中的有机质对于实现作物高产可持续性和缓解气候变化至关重要。该团队依托地处江苏省丹阳市延陵镇南京农业大学实验站的长期稻田定位试验和盆栽试验，首先明确了长期施肥后移（fertilizer postponing，FP）通过提高土壤有机质来提高水稻产量，该部分成果已发表在The Crop Journal上。基于之前的工作，该团队又采用宏基因组测序和13C-PLFA技术从植物残体碳和活根释放碳两个角度探究长期肥料后移提高土壤有机质的固存规律，为长江中下游稻麦轮作区作物高产高效可持续发展提供科学依据和技术支撑。论文Long-term fertilizer postponing promotes soil organic carbon sequestration in paddy soils by accelerating lignin degradation and increasing microbial necromass，该研究表明长期肥料后移主要通过增加根茬生物量提高土壤有机质含量，并影响根残体转化为有机质的过程。一方面，长期肥料后移提高了土壤酚氧化酶和过氧化物酶活性，但不影响β-葡萄糖苷酶活性，表明长期肥料后移加速了木质素降解，而非纤维素降解。宏基因组结果也表明，长期肥料后移通过激活相关微生物的生长显著增加了木质素降解基因的相对丰度。另一方面，肥料后移通过提高微生物生物量显著增加细菌和真菌残体碳含量。并且基于冗余分析、结构方程模型和随机森林回归的结果，该研究得出在较高根残体输入和土壤NH4+-N含量充足的条件下，主要通过加速木质素降解和增加微生物残体含量提高SOM，论文Long-term fertilizer postponing increases soil carbon sequestration by changing microbial composition in paddy soils: A 13CO2labelling and PLFA study，该研究通过对幼穗分化期（panicle initiation stage，PI）和抽穗期（heading stage，HS）的植株进行13CO2脉冲标记，探究在长期肥料后移下，水稻活根释放的碳对土壤有机质的影响。结果表明肥料后移不影响植物在幼穗分化期和抽穗期同化光合碳的能力，但显著降低了幼穗分化期同化光合碳的损失。13C损失量与微生物生物量[13C磷脂衍生脂肪酸（PLFA）含量]和微生物群落组成显著正相关。在幼穗分化期13CO2标记6小时后，肥料后移显著降低了总13C-PLFA含量，这主要是因为肥料后移减少了利用该时期同化13C的优势微生物[即G−（α15:0和α17:0）和G+（16:1ω7c）细菌]。而在抽穗期13CO2标记6小时至收获时，肥料后移显著增加了13C-PLFA含量，主要是因为肥料后移增加了利用该时期同化13C的优势微生物（即真菌18:1ω9c和20:1ω9c）。并且冗余分析表明，在幼穗分化期和抽穗期使用13C的微生物分别受到土壤可溶性有机氮和总氮的调节。因此，长期肥料后移通过减少幼穗分化期土壤中G−和G+细菌的含量降低了同化光合碳的损失，并通过增加抽穗期土壤中真菌的含量提高了土壤中微生物碳源的输入。
[前沿资讯 ] 在不同种植体系镉污染生物炭修复效果评估方面取得研究进展 进入全文
华南农业大学
近日，华南农业大学资源与环境学院国家环境保护土壤健康诊断与绿色修复重点实验室土壤化学与环境团队，在不同种植体系镉（Cd）污染生物炭修复效果评估方面取得新进展，相关成果发表在Journal of Hazardous Material上。Cd是我国农田土壤的首要污染物，具有较高的毒性与迁移性，易在水稻、小麦、玉米等主粮的食用部分富集，对人类健康安全构成重大威胁。生物炭因其原位、绿色、可持续性等特征，在降低Cd污染方面极具潜力，被广泛应用于Cd污染土壤的修复治理。然而，生物炭理化性质多变，且应用场景复杂，现有研究对生物炭修复效果的差异性缺乏统一认识。鉴于此，华南农业大学土壤化学与环境团队通过meta分析，量化生物炭在淹水禾谷类、旱地禾谷类、非禾谷类种植体系中对Cd污染土壤修复效果，结合单因素荟萃回归（Single Meta-regressions）和随机森林机器学习（Random Forest），明确了生物炭修复的关键影响因素。研究结果表明，生物炭能显著降低各种植体系土壤、植物根系和可食用部分的Cd含量，下降幅度在24.9%-45.0%之间。生物炭的原料、施用量、pH以及土壤pH和阳离子交换量是影响生物炭Cd修复效果的关键因素。木质纤维素和草本生制备的物炭适用于所有种植体系，而粪便、木材和生物质为前驱物的生物炭在谷类种植体系中的效果有限。通过控制生物炭制备条件并匹配适用场景，可极大提升修复效果并降低环境经济成本，该结论可为实现污染土壤精准高效修复，农业绿色可持续发展提供理论依据和科技支撑。此外，本研究还发现生物炭对水稻土的修复效果比旱地更持久，这可为降低生物炭老化不利影响，近一步优化土壤重金属修复策略提供新思路。
[前沿资讯 ] 中科院遗传发育所傅向东团队揭示DEP1-GW7协同调控水稻产量和品质的新机制 进入全文
网易
我国是水稻种植和消费大国。近年来优质大米的市场销售份额逐渐提升，人们对稻米品质的要求也逐步提高。然而，水稻育种和生产上长期存在“高产不优质、优质不高产”的瓶颈问题，迫切需要优质高产协同改良的新品种。2023年2月28日，中国科学院遗传与发育生物学研究所傅向东研究员团队在Journal of Genetics and Genomics在线发表题为“Heterotrimeric G protein γ subunit DEP1 synergistically regulates grain quality and yield by modulating the TTP (TON1-TRM-PP2A) complex in rice”的研究论文，揭示了G蛋白协同调控水稻产量与品质的全新分子机制，为作物优质高产协同改良育种提供新思路。水稻DEP1基因编码G蛋白γ亚基，其优异等位dep1在我国高产粳稻育种中发挥重要作用。然而，dep1伴随籽粒变短的负效应，影响了稻米外观品质。该研究从长粒型美国粳稻品种L204中成功分离并克隆了一个控制水稻籽粒长宽比和外观品质的重要基因GW7，该基因编码一类微管相关蛋白TRM (TON1 Recruiting Motif) ，可与TON1 (TONNEAU1) 和2A型蛋白磷酸酶PP2A共同形成TON1-TRM-PP2A (简称TTP) 蛋白复合体。研究发现DEP1可与TTP复合体蛋白发生竞争性互作，抑制该复合体的形成，进而有效控制水稻籽粒的极性生长。综上所述，dep1-GW7高产优质分子模块的解析首次揭示G蛋白可以直接通过胞质微管参与细胞形态建成调控，且为优质高产水稻协同改良育种提供新思路。
[前沿资讯 ] 南京土壤所在全国水稻氮肥用量优化研究中获进展 进入全文
南京土壤研究所
“民以食为天，食以米为先”，水稻是我国三粮之首，事关国计民生。过去农户常以“水大肥勤不问人”作为水稻种植的金科玉律，导致“化肥依赖症”越来越重。如何实现既保证水稻增产，又最大限度降低环境成本，是实现我国水稻绿色可持续生产的必然要求，建立一套高产、高效与环保等多目标并重、简单易推广的施氮量优化技术是解决这一问题的关键环节。现行两类施氮量优化途径：一是通过土壤和/或植株测试直接确定满足作物所需的适宜施氮量，而我国以小农户种植和分散经营为主、田块小而多、复种指数高茬口紧，故该途径耗时耗力、投入较高，且当前较难大面积推行；二是以产量/施氮量田间试验为基础，确定边际效应最大化的平均适宜施氮量作为区域推荐，具有纲举目张、简便易掌握的特点和优点，但多以产量或经济效益为施氮量确定依据，忽略了环境效益，不符合水稻可持续生产的新时代要求。另外，小农户种植模式下，田块间的产量表现不尽相同，同一稻区统一氮肥优化管理仍会带来小农户田间产量的波动。因此，动员数以千万计的小农户氮肥减施颇具挑战性，同时，需要对小农户氮肥优化面临的减产风险和环境影响进行权衡分析，以达到满足社会、经济和环境效益多目标协同。对此，中国科学院南京土壤研究所与美国加利福尼亚大学、美国马里兰大学、中国农业大学等合作，构建了不同稻区水稻产量/活性氮排放与施氮量定量关系模型，建立了以经济和环境经济指标为优化依据的适宜氮量分区确定方法，并通过大范围田间试验验证了可行性，分析了产量、经济和环境经济效益变异，多角度评估了氮量优化的有效性，提出了以区域适宜施氮量为核心、可持续生产为目标的我国水稻氮肥分区控制新策略。研究提出，以氮肥减施的环境收益和区域产量经济损失上限对比作为稻区推荐施氮量确定方法，在东北和华南稻区采用更偏重经济收益，而华东、华中等活性氮排放热区更重视环境收益，通过全盘规划实现经济和环境效益双赢目标。区域施氮量优化技术可保障水稻总产能需求下，减少氮肥投入10-27%，减排活性氮7-24%。田块变异分析表明，区域氮量优化可在85-90%的点位上实现水稻基本平产或增产，90-92%点位上做到收益大体持平或增加，93-95%点位上实现环境经济效益无明显降低或提高，同时提高氮肥利用率30-36%。研究从科技、管理、政策三个层面提出了构建全国尺度大范围田块产量-施氮量动态监测试验网和“控氮”决策智能管理系统，建立适度规模经营下的氮肥配额管理与实名购买定额使用制度，出台面向全体种植户的优化氮量激励补贴等建议，可有效降低土壤、品种、栽培、管理等生产条件变化造成的田块时空异质性，实现优化施氮量的动态调整，提高准确度和适用性，以最低的技术推广成本，确保科学精准实施氮肥分区宏观调控，达到区域效益的最大化。该方法亦可与其他优化施氮技术相结合，进一步完善科学施肥。
[前沿资讯 ] 学者搭建克服籼粳亚种间杂种不育“桥梁” 进入全文
华中农业大学
水稻杂种优势的利用为保障世界粮食安全做出了巨大贡献。亚洲栽培稻分为籼稻和粳稻两个亚种，亚种间的杂交后代表现出更强的杂种优势和更高的产量潜力。但是籼稻和粳稻亚种间存在合子后生殖隔离，导致亚种间的杂种结实率仅为10%-30%，这种杂种不育现象极大地限制了亚种间强杂种优势的利用。培育与籼稻和粳稻杂交都产生正常可育后代的广亲和品种，是克服籼粳杂种不育、利用亚种间杂种优势的有效途径。但是，杂种不育的表型涉及雄配子败育、雌配子败育、雌雄配子不亲和等多种类型，在不同杂交组合鉴定的水稻杂种不育位点或基因超过50个，这些位点和基因间可能存在复杂的互作，给广亲和品种的精准设计和培育带来了困难。2023年2月25日，华中农业大学作物遗传改良全国重点实验室、湖北洪山实验室欧阳亦聃教授、米甲明副教授合作在Molecular Plant杂志在线发表了题为A minimal genome design to maximally guarantee fertile inter-subspecific hybrid rice的研究成果。该研究提出了“最简”基因组设计育种策略：鉴定到籼粳杂种不育效应最大的四个位点S5、f5、pf12和Sc，图位克隆了pf12位点并基于基因编辑创建了该位点的人工亲和系。剖析了四个位点自然变异的广亲和等位基因类型，通过对不同亲和模块在恢复系的组装创制了强广亲和性品种，可培育花粉和胚囊育性超过90%、正常结实的籼粳亚种间杂交稻，对未来培育高产籼粳杂交稻具有重要的理论和实践意义。研究工作提出“三步走”的实验方案（图1）：首先是以少投入、短周期和高效率为目标，通过籼稻、粳稻和广亲和种质材料的F1杂种评估杂种不育的程度，并通过籼粳交的F2群体鉴定了效应最大的杂种不育位点，发现杂种胚囊不育位点S5和杂种花粉不育位点f5、pf12、Sc在典型籼粳交的遗传效应最大，是培育广亲和品种必须要关注的位点。在此基础上图位克隆了定位于第12染色体的杂种花粉不育位点pf12。研究团队对pf12位点的研究源起20年前，通过对籼稻、粳稻和广亲和材料的三交群体定位到了这个位点，发现pf12位点严重降低杂种花粉和小穗的育性。研究团队基于近等基因系对pf12进行了精细定位，发现定位区间内来自籼稻特异的pf12A基因在杂种中扮演着杀死粳稻雄配子、导致杂种后代偏分离的角色。通过基因编辑创建了pf12位点的人工亲和系，结果表明pf12A敲除后，杂种的花粉育性和结实率显著上升，且后代分离比恢复为孟德尔分离比。但是需要指出，对pf12位点的操纵是创建广亲和品种的必要非充分条件。鉴于此，研究团队进一步基于籼稻、粳稻和广亲和种质资源Dular两两杂交的F2群体剖析了S5、f5、pf12和Sc位点自然变异的广亲和等位基因类型，并将不同组合的亲和模块组装到优良恢复系9311中。获得的系列广亲和中间材料和6个粳稻、2个籼稻的测交结果表明，籼粳杂种的花粉育性随着组装的亲和模块的增加可提高至90%以上，表现出明显的“剂量效应”；而一直被认为调控杂种花粉育性的f5、pf12和Sc位点，其对应的广亲和等位基因在聚合系中，对胚囊育性的提高表现出“协同效应”，可以显著地降低杂种胚囊降解、小胚囊和极核异位的比例，从而将籼粳杂种的胚囊育性提高到90%以上。最终籼粳杂种的平均结实率为84.75%，可以保障亚种间杂交稻的大田生产，实现了“一桥飞架籼粳，天堑变通途”的设想，让未来籼粳杂交稻的基因组设计育种进入新纪元。
[前沿资讯 ] 端粒到端粒的无缺失染色体组装技术新路线 进入全文
南京农业大学
近日，南京农业大学农学院甘祥超教授与其原德国马克斯·普朗克植物育种研究所团队在《Nature Communications》上发表题为“GALA: a computational framework for de novo chromosome-by-chromosomeassembly with long reads”的研究论文，并发布了相应的开源软件GALA (http://github.com/ganlab/gala)，为利用三代测序实现端粒到端粒的无缺失染色体组装提供了一条全新的技术路线。植物和动物基因组中通常包含多条染色体，比如水稻有12对染色体，而我们人类有23对染色体。现有的染色体分离技术虽然可用实现染色体的物理分离，但是该技术依赖昂贵仪器，需要大量人力物力，难以大规模应用于基因组测序。对当前的整个基因组混合测序的数据，现有的基因组组装算法都是“先组装、后染色体分离”的流程。本研究针对现有的测序技术中多条染色体混合、数据互相串扰的瓶颈问题，首创了“先分离，后组装”的技术路线。利用多层统计网络模型，研发了将无参考序列组装复杂的流程模块化技术，首次实现了三代测序中Pacbio、Nanopore数据的集成组装，和多种异质性数据如参考基因组、遗传图谱以及Hi-C数据的灵活利用，并开发了算法GALA 。首先利用多层统计网络模型实现对预组装和原始数据编码，并利用计算机图论经典算法对数据纠错。然后利用统计网络对原始测序数据实现染色体级别的分离，该网络模型同时也可以Hi-C、Bionano、近亲或者同物种参考基因组组信息辅助数据分离。利用GALA这种先数据分离，然后组装的策略，我们可以实现线虫、水稻基因组端粒到端粒的无缺失组装。对更复杂的人类基因组，仅利用Nanopore测序数据，也能实现多条染色体的无缺失组装，进一步分析表明，部分染色体中的缺失是源自数据自身的缺失造成的。
