华中农大近期科学研究进展

玉米团队跨学科合作开发出玉米杂种优势利用“新钥匙”

玉米是全球最大的粮食和饲料作物之一，全球年产量超过10亿吨。玉米还是世界上最早利用杂种优势，也是利用最彻底的作物之一。近百年来，大量研究人员在水稻、玉米和油菜等作物中，对杂种优势进行了大量研究。但这些研究往往基于单一遗传群体，对杂种优势的理解存在一定局限性。

华中农业大学玉米研究团队前期以我国育种中常用的24个玉米骨干材料，穷十年之功，构建了一个玉米人工合成CUBIC群体。在此基础上，为系统解析玉米杂种优势，该团队创建了一套迄今为止植物中最大规模的杂交遗传设计群体，共42820个F1杂交种，涵盖30组半同胞F1群体。这套F1群体具有广泛的多样性，遗传背景清晰，是研究杂种优势的理想材料，也能为玉米遗传育种提供优良的中间材料。2017年，在安徽丰大种业公司的支持下，华中农业大学严建兵教授和清华大学鲁志教授团队联合发起玉米杂种优势预测挑战赛 (e-Maize Challenge)，期待通过挑战赛，利用提供的基因组学数据和参赛选手的创新性数据分析方法，建立起一个精准、稳健、高效的计算分析方法，实现利用基因组学大数据来精准预测具有强优势表型的杂交组合。共吸引来自世界各地高校、企业等不同学科和行业的30多个代表队角逐，中国农业大学王向峰教授团队最终获得挑战赛冠军。

在挑战赛的基础上，各方进一步深度合作，探索基础、应用和开发的有机融合。经过多年攻关，合作团队结合基因组大数据、机器学习和全基因组关联分析方法，在42820个F1杂交种中，系统解析了玉米杂种优势和特殊配合力形成的遗传学基础，研究发现了一个“显性-互作”共调控模型对杂种优势形成具有重要贡献。通过杂交，显性互补作用大范围地解除了亲本中基因组抑制性互作，激活了亲本中被抑制的主效位点的表达，从而在玉米F1上表现为杂种优势。基于这些基因组设计的杂交组合，多个预测的F1组合已进入区试和释放阶段。

2021年5月10日，相关成果以“The genetic mechanism of heterosis utilization in maizeimprovement”为题，在Genome Biology(《基因组生物学》)上发表。华中农业大学植物科学技术学院肖英杰副教授、中国农业大学博士后姜淑琴、西北农林科技大学博士生程前、北京市农林科学院王夏青博士为论文共同第一作者。我校严建兵教授、中国农业大学王向峰教授和北京市农林科学院赵久然研究员为共同通讯作者。

相关研究人员表示，通过数学模型决策鉴定杂种优势基因、寻找性状改良基因的最优组合模式，同时利用基因编辑技术创制优异变异，有望精准实现育种材料的千里选一、万里选一，将极大降低育种成本、加速育种进程。

论文链接：

https://genomebiology.biomedcentral.com/articles/10.1186/s13059-021-02370-7

揭示氯酚污染物光催化脱氯新机制

近日，华中农业大学理学院陈浩教授领衔的“先进材料与绿色催化”团队在氯酚污染物光催化脱氯机理研究中取得新进展，通过精准调控光催化过程中的活性氧物种的产生，揭示了五氯酚钠光催化降解过程中的脱氯和解毒机制，为环境中多氯酚类有机污染物的迁移转化机制提供了参考。相关研究成果发表在国际期刊Applied Catalysis B: Environmental上。

日益严重的环境污染问题给生态环境和人类健康都带来了巨大的威胁。太阳光驱动的光催化高级氧化技术具有高效、绿色环保等优点，在污染控制和环境修复领域具有极大的应用潜力。光催化诱导产生的活性氧物种（ROS）作为反应的直接参与者，在污染物降解矿化和机理调控过程中发挥了至关重要的作用。然而，目前的研究更关注于催化剂的设计，对ROS介导的污染物降解机制仍有待深入研究。

▲活性氧物种介导的五氯酚钠脱氯机理

华中农业大学理学院“先进材料与绿色催化”团队在前期研究的工作基础上，首先通过溶剂热法合成了铋负载的氧空位钼酸铋材料（Bi-BMO-OVs），并以此为模型光催化剂，探究了超氧阴离子自由基和单线态氧在五氯酚钠光催化脱氯过程中的作用机制。利用铋助催化剂和氧空位的协同效应，在促进光生载流子分离、迁移的同时，也对半导体光催化剂的能带位置进行了有效调控，进而实现了抑制羟基自由基（干扰自由基）的产生和促进超氧阴离子自由基和单线态氧的生成。

随后，研究人员利用气相色谱-质谱联用技术，对五氯酚钠的降解路径进行了分析。结果表明，五氯酚钠的降解主要以羟基化脱氯和直接脱氯的两条途径进行。而毒性分析发现，两条途径产生的降解中间体也都有不同程度的毒性减弱。为进一步探究ROS与五氯酚钠脱氯、解毒的内在关系。上述研究进行了一系列相关的理论计算和捕获试验，结果证实在五氯酚钠降解脱氯过程中，超氧阴离子自由基主要参与五氯酚钠的羟基化脱氯过程，而单线态氧主要参与五氯酚钠的直接脱氯过程。该工作为ROS介导的多氯酚类污染物光催化降解和快速解毒提供了理论参考。

华中农业大学博士研究生徐骁为第一作者，理学院陈浩教授和丁星副教授为通讯作者。该工作也得到了汪圣尧教授、丁驰竹副教授和汪佩博士的帮助。

论文链接：

https://www.sciencedirect.com/science/article/pii/S0926337321004781

在克服植被覆盖对遥感反演土壤有机碳影响的研究中取得新进展

▲基于时序遥感影像的不同农田尺度的土壤有机碳制图

▲基于机载高光谱遥感影像和时序多光谱遥感影像的农田土壤有机碳制图及差异对比

近日，华中农业大学资源与环境学院土壤遥感团队解析了“土壤—农作物—遥感”三者之间的相互作用过程，提出了利用时序遥感影像反演作物生长状况，从而表达土壤有机碳空间分布特征的研究思路，为平原农田土壤有机碳空间制图提供了重要的理论依据。

土壤可见光近红外反射率是土壤理化属性综合特征的反映，高光谱遥感影像可以通过提供裸土光谱信息，实现土壤属性的快速反演。但是在农作物覆被条件下，这一优势将被极大的限制，如何克服农作物覆被对遥感反演土壤属性的影响，一直以来是数字土壤制图和遥感领域所面临的首要问题。土壤有机碳是作物生长所需养分元素的主要来源，能促进植物的生长发育、改善土壤的物理性质、提高土壤的保肥性和缓冲性，从而影响作物的生长状况。而作物生长状况完全可以通过时序多光谱遥感影像进行反映，为此我校土壤遥感团队提出了基于时序遥感影像进行农田土壤有机碳制图的研究思路。

在大尺度农田范围上，研究人员假设农民会习惯性地采用相似的田间管理措施进行农作物的耕作和管理，例如播种时间、施肥时间及施肥量、收获时间等，并且相同作物遵循相同的物候期。研究团队将农田土壤养分状况作为本底，作物生长状况作为输出，农田管理措施作为一个具有均质性特点的黑匣子，借助于“盲源分离”思想，利用机器学习算法或者数据挖掘手段建立土壤有机碳和作物生长状况之间的相关关系，从而实现农田土壤有机质的高精度制图。研究成果以“Prediction of Soil Organic Carbon based on Landsat 8 Monthly NDVI Data for the Jianghan Plain in Hubei Province, China”为题发表在Remote Sensing杂志上，本科生张杨成思为论文第一作者。

在此基础上，研究团队成员借助于时序无人机多光谱遥感影像、直升飞机机载高光谱遥感影像、卫星遥感影像等多源遥感数据探讨了研究尺度尺度（田间和平原）、卫星影像（无人机、直升飞机、Landsat 8和Sentinel 2）、扫描时间（影像获取月份）以及模型算法等对预测农田土壤有机碳空间差异性的影响，进一步验证了时序遥感影像在农田土壤有机碳制图上的可行性，这为进一步动态监测农田土壤有机碳时空变化提供了重要的启示。研究成果以“Mapping field-scale soil organic carbon with unmanned aircraft system-acquired time series multispectral images”“Exploring influence factors in mapping soil organic carbon on low-relief agricultural lands using time series of remote sensing data”和“Mapping soil organic carbon stock by hyperspectral and time-series multispectral remote sensing images in low-relief agricultural areas”为题分别发表在土壤领域国际期刊Geoderma和Soil Tillage and Research上，华中农业大学资源与环境学院郭龙老师为该论文第一作者。

华中农业大学土壤遥感团队专注于利用多源异构自然环境和人为活动数据进行土壤属性反演制图、农作物长势监测和生态环境评估等，重在探索环境变量与土壤属性之间的相互作用关系，土壤养分和作物生长之间的内在循环机理和特性，从时空角度分析土壤属性与生态环境效应之间的变化趋势和协同作用，为农田管理、城市健康、生态环境评估等提供有价值的信息。

论文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0016706121001981

https://www.sciencedirect.com/science/article/pii/S0167198721000520

https://www.sciencedirect.com/science/article/pii/S0167198718314612

https://www.mdpi.com/2072-4292/11/14/1683