雞年接近尾聲，各行各業都已經做了各種年度盤點，小編也不能免俗，以影響因子和引用次數為標準，將近五年跟植物表型研究相關的文章，做了盤點，列出了植物表型研究文章的TOP10 ，從微觀表型到宏觀表型，從實驗室表型到田間表型，從基因型到表型，趕緊一睹為快吧。
TOP 10
● 植物表型組學數據中動態數量性狀位點的分析
（Trends Plant Sci.,2015）
高通量成像技術能夠連續測量植物表型，這可能有助于生長發育相關性狀的QTL分析。功能作圖的一個主要好處是它集成了多個時間點上的信息，因此可以增加QTL檢測的統計功效。 為了處理高維基因分型和表型數據，計算效率是動態QTL分析的新型統計方法的重點。
162個擬南芥RIL隨時間推移的表型軌跡
此文回顧了目前復雜數量性狀功能作圖的發展，這些方法為我們分析后基因組時代的大規模時間進程數據提供了寶貴的工具。
TOP 9
● 基因組技術用于作物的遺傳改良
（Nature,2017）
保證未來的糧食供應，同時減少對生態系統的影響，植物基因組和遺傳多樣性的研究對于應對這些挑戰至關重要。 基因組測序和組裝方面的進展正被用于獲取作物及其野生親緣的大型而復雜的基因組。 這些已經幫助確定了廣泛的遺傳變異，并且可以進行遺傳多樣性與多種農藝表型的關聯性分析。結合改進的自動化表型分析和功能基因組研究，基因組學為作物育種系統提供了新的基礎。
作物野生前體種群的遺傳多樣性（上圖彩色圓圈）已被馴化，其中在最初選擇和采用的地方品種中存在有限的多樣性。隨后的育種吸引了地方品種中存在的有限范圍的變異，以用于現代農業中優秀栽培品種生產。作物改良基因的鑒定可以使用誘變將變異引入作物的DNA，具有所需特征的突變體可以通過篩選所需的性質來鑒定，這些性質稱為表型。這樣的表型鑒定需要大量的群體來進行，費時且不準確，需要依靠高通量的表型手段來實現。
TOP 8
● 利用高通量的非侵入性表型技術揭示水稻耐鹽基因位點
（Nat Commun,2016）
高通量的表型分析隨著時間的推移會產生多種測量結果，這需要新的分析方法，這些分析方法可以靈活地對植物生長和蒸騰進行量化，但在計算上是經濟的。在這里，我們開發了這樣的分析，并將其應用于用700k SNP高密度陣列上的水稻群體基因分型。相對增長率（RGR），蒸騰速率和蒸騰利用效率（TUE）使用新的關聯模型進行分析，該模型考慮到處理（對照和鹽處理）與遺傳標記之間的相互作用。該模型能夠鑒定出先前未檢測到的影響TUE的位于水稻第11號染色體上的基因位點，從而深入了解水稻對鹽度的早期反應，特別是鹽度對植物生長和蒸騰作用。
不同處理水稻的相對生長率變化