表型组学是一门研究生物个体或群体, 在特定条件下(如各类环境和生长阶段等)所表现出的可观察的形态特征及其变化规律的学科^[1-2]。该研究领域近年来发展较快, 特别是针对人、动物和植物单一或系列表型的研究已经受到学术界和业界的广泛关注^[3-5]。目前, 表型组学在作物育种和农业研究中的作用已获得普遍认可, 植物表型组学正在成为植物基因组功能分析、分子育种和农业应用中的重要技术支撑^[6-11]。

科技文献是科学研究成果的主要表现形式和载体。科技文献数量和结构变化以及相互引用、相互促进的规律反映了相应科技领域的发展特征^[12]。因此, 文献计量方法可以反映和预测科学技术发展的历史和趋势。目前, 文献计量学的理论和方法已经被广泛应用于科研绩效评价、学科评估等领域^[13-15]。

高水平学术成果的数量和质量是衡量该领域科学技术研究水准的重要指标。为了量化分析植物表型组学研究的现状, 本文基于Scopus数据库对植物表型组学领域学术产出的文献数量、引用次数、合作单位、研究方向、学术机构和科研团队等信息进行大数据量化分析, 通过可视化展示植物表型组学领域的研究现状, 为植物表型组学的发展方向提供参考。

Scopus是爱思唯尔出版社于2004年推出的文摘引文数据库^[16], 收录全球5 000余家出版社的23 000余种同行评议期刊、75 000多册图书以及500万多篇会议论文, 也包括一些非英语国家和地区的文献资源。文献引文可追溯至20世纪70年代, 并且每日更新。爱思唯尔出版社提供的SciVal研究分析工具可以从跨学科的角度揭示科研绩效的产出, 通过共引聚类原理和可视化数据分析, 量化比较全球8 500多个研究机构和220个国家的Scopus数据库中近6年数据。

本文基于Scopus数据库检索植物表型组学相关的研究成果, 主要包括学术论文、专著、专利等学术产出, 利用SciVal平台重点分析2013年—2018年9月植物表型组学应用及相关方法研究的论文及专著等学术产出类型, 主要包括学术论文产出量、合作和影响力、重要研究机构和学者、热点主题等内容^[17]。科研团队合作情况则利用Scopus数据输出功能, 导入到CiteSpace 5.0工具进行分析^[18]。由于专利成果的复杂性, 针对专利的详细分析将作为本研究的后续工作。

检索用的一级关键词包括:phenomics、phenotyping、phenotype、image analysis; 二级关键词包括:plants、crops, 检索时间:2018年9月。

从学术角度分析植物表型组学的研究现状, 所选用的主要评估指标见表 1。

基于Scopus共检索到与植物表型组学研究和应用相关的文献共51 618篇, 其中研究型期刊论文44 950篇, 占87.1%;综述型期刊论文2 709篇, 占5.2%;还包括会议论文、图书等, 时间跨度为1935年—2018年9月。学科范围涵盖了Scopus 27个研究领域中的26个领域, 体现出植物表型组学广泛的应用领域和多学科交叉发展的特性, 其中农业与生物科学领域31 642篇, 占61.3%;生物化学、遗传学和分子生物学领域31 154篇, 占60.3%;计算机科学领域1 867篇, 占3.6%。

本文根据不同时期相关文献的数量情况, 把植物表型组学研究的发展大致分成4个阶段。第1阶段, 1935—1968年, 共50篇文献, 年发文量 < 10篇, 年均1.5篇; 第2阶段, 1969—1984年, 共635篇文献, 年发文量 < 100篇, 年均39.7篇; 第3阶段, 1985—2000年, 共10 062篇文献, 年发文量 < 1 000篇, 年均628.9篇; 第4阶段, 2001年—2018年9月, 共发文36 538篇, 年均2 029.9篇。本文对2013年—2018年9月植物表型组学学术产出情况进行了详细的统计分析, 结果见表 2。

从表 2可以看出:植物表型组学及相关研究经历了长时间的积累, 近年来的文献数量仍呈不断上升趋势, 参与的学者数量也在继续增加, 目前已有超过2万名科研人员参与植物表型组学研究。从归一化文献引用次数(field-weighted citation impact, FWCI)可以看出论文整体质量较高, 2013年—2018年9月发文的FWCI达到1.44, 远高于世界平均水平1, TOP1%高被引论文比例2.0%, TOP10%高被引论文比例达到26.7%, 这些数据均说明植物表型组学研究具有较高的科研水平。另外, 近5年植物表型组学专利申请量与发表文献数量相比并未呈现同步增长的趋势, 表明目前植物表型组学研究还处于基础和理论研究阶段。

从表 3可知:从学术产出归属国家和地区分布来看, 欧美和东亚发文量和引用率都处于世界前列。其中美国、中国、德国是文献数量和总被引数均排前三的国家, 相比较而言, 美国发文数量和总被引数均排世界第一, 中国发文数量比美国略少, 但总被引情况还有待提升。从FWCI看, 部分西欧国家(特别是英国、法国、德国)以及日本、澳大利亚等国家发表了很多高影响力的学术成果。在中国, 北京产出的植物表型组学及相关研究文献最多, 南京、武汉、杭州等地也是重要的产出区。

从表 4可见:在被引总量TOP10机构名单中, 美国和法国有3个机构入选, 中国有2个机构入选。其中中国科学院共发文835篇, 被引13 137次, 均位列世界第一, 中国农业科学院共发文695篇, 被引8 195次, 位列世界第五, 2个机构的篇均被引和TOP10%高被引论文比例均相对较高, 可以看出在植物表型组学领域的应用和研究, 中国已经具备巨大的潜力, 走在了世界的前列。

从表 5可见:德国克斯·普朗克分子植物生理研究所Alisdair Robert Fernie发表58篇植物细胞表型论文, 被引1 246次, 在被检索的所有学者中排名第一, 其H指数和H5指数均非常高, 是一位高产的研究工作者。另外, 因为使用了表型组学的方法开展研究, 中国农业科学院的Wan Jianmin(万建民)、Guo Xiuping(郭秀萍)和中国科学院的Li Jiayang(李家洋)都进入TOP10学者名单。

学术产出的合作包括国际合作、国内合作、机构内合作3种类型。2013—2017年间植物表型组学研究的这3种合作方式占97.2%, 只有2.8%属于无合作方式, 由单个学者完成的学术成果, 这说明合作是植物表型组学领域研究的主要方式。从图 1可见:植物表型组学研究的国际合作比例远高于其他学科国际合作的平均比例, 机构内合作比例却低于其他学科的平均比例。说明学术合作已逐渐成为全球植物表型组学领域的研究基础, 而且国际间的合作也提升了该领域的学术产出水平(表 6)。

	图 1 植物表型组学研究的合作与学术产出国际合作的比较 Figure 1 The collaboration status between plant phenomics related research and other research domains
图选项

学术产出的合作数据也可以反映不同科研团队的合作程度。图 2是植物表型组学及其相关领域学术产出TOP20学者合作网络图, 基于Scopus导出数据, 利用CiteSpace 5.0工具绘制科研团队合作图谱, 可视化展示学者学术产出情况以及相互间合作关系。图 2中包括TOP20及其合作者共210个节点, 因篇幅限制, 只显示文献数量相对较多的节点。各节点的大小代表作者文献数量的多少, 数量越多节点越大; 节点之间的连线表示在文献中的共现关系, 其粗细表明共现的强度, 颜色则对应节点第1次共现的时间; 图中颜色由冷色调到暖色调的变化对应发表年份由远及近。图 2揭示植物表型组学及相关研究已经形成一定规模的合作网络。比如, 以万建民、江玲和张欣等学者为核心的科研团队构成了图 2中最大的合作子网, 显示出中国农业科学院与南京农业大学密切的合作关系。国外的主要研究团队规模则相对较小, 如A.R.Fernie、R.K.Varshney等学者发文量进入了该领域的TOP10, 但跨团队协作规模不大。

图 2 2013—2017植物表型组学及相关研究领域学术产出TOP20学者合作图 Figure 2 Collaborative mapping of TOP20 scholars in plant phenomics related research between 2013 and 2017 各节点的大小代表作者文献数量的多少，数量越多节点越大；节点之间连线的粗细表明共现的强度，图中颜色由冷色调到暖色调的变化对应发表年份由远及近。 The size of each node represents the number of articles published by a given author. The more publications, the larger the node. The thickness of connections between these nodes indicates the strength of co-occurrence; and the color change(i.e. from cool to warm tone)corresponds to the year of the publication.

图选项

虽然植物表型组学是一个多学科交叉发展的研究方向, 但论文多发表在农业与生物学期刊上, 发文比较分散。从表 7可以看出:2013—2017年间《PLoS One》是植物表型组学及相关研究领域发文最多的期刊, 共发表1242篇研究论文。而植物表型组学领域的高水平论文主要发表在《Plant Cell》《New Phytologist》和《Plant Physiology》等期刊上, TOP10%高被引论文比例分别达到68.7%、59.6%和54.2%。

利用SciVal提供的科学主题显著性研究模块对植物表型组学2013年—2018年9月共发表的20 953篇论文进行主题词分析。首先使用爱思唯尔的“指纹技术”(FingerPrint)^[20]提取文献题目和摘要里出现的TOP50主题词, 并加以归并和处理, 最后画出主题图谱(图 3)。图 3中包括了2013年—2018年9月所有学术产出的研究热词图谱, 以及2013、2015、2017年的研究热词图谱。其中, 绿色代表发文增加, 蓝色代表发文减少, 灰色代表基本持平, 字体越大代表与植物表型组学的关联性越强, 字体的位置是随机的。从图 4可以看出植物表型组学研究的主题特征和变化趋势, 出现最多的主题词包括数量性状基因座(quantitative trait loci)、特征(traits)、突变体(mutants)、基因表达调控(gene expression regulation)、表现型(phenotype)、干旱(droughts)、抗病性(disease resistance)、图像分析(image analysis)等, 与作物品种相关联的词包括拟南芥(Arabidopsis)、植物(plants)、水稻(rice、Oryza sativa)、小麦(Triticum、wheat)、玉米(Zea mays)等。通过对2013、2015、2017年热词图谱进行对比, 可以看出植物表型组学研究的主题变化。2013年主要以拟南芥为主, 研究拟南芥蛋白、数量性状基因座、基因表达等, 这些主题词呈现逐渐减少的趋势; 2015年除了拟南芥, 又出现了水稻、小麦等作物表型的研究; 2017年研究水稻表型的不断增多, 在研究手段上“图像分析”出现较多, 目前还处于不断增加的趋势。

图 3 2013年—2018年9月植物表型组学及相关研究热词图谱 Figure 3 Top keyword maps of plant phenomics and related research fields between 2013 and September 2018 绿色代表发文增加，蓝色代表发文减少，灰色代表基本持平，字体越大代表与植物表型组学的关联性越强。 Green represents increasing in publications; blue represents decreasing in publications; and gray represents publication reaching a plateau or slow growth. The larger the font, the stronger the connection with plant phenomics.

图选项

	图 4 2013—2017年植物表型组学不同植物学术产出量 Figure 4 Different plant model species studied in plant phenomics related publications between 2013 and 2017
图选项

Elsevier公司研究人员基于Scopus数据库采用Topic of Prominence模型^[21]从全球范围内聚类成96 000个研究主题方向。从中筛选与植物表型组学相关的研究主题, 经过匹配只得到1个研究方向与植物表型组学相关, 这个主题是“植物表型组学高通量图像和数据分析”, 主题显著度指数达到98.8%, 发表在TOP10%期刊上文献比例达52.8%, 说明这个研究方向与表型组学研究有极强的关联性。基于图像和大数据的分析方法获取有实际生物学意义的信息是表型组学的研究重心^[1]。通过构建植物表型组学研究热词图谱, 出现了很多与计算机科学领域相关的词, 包括软件树冠方法学、计算机断层扫描、图像处理、计算机辅助等, 体现出信息学科与农业学科交叉性的特点。

将与植物种类相关的主题词进行归并, 筛选出相对较多的植物种类, 与水稻相关主题包括rice、Oryza sativa等, 与小麦相关的主题词包括wheat、Triticum等。从检索结果(图 4)看, 目前植物表型组学研究的植物种类较少, 主要包括拟南芥(Arabidopsis)、水稻(rice)、小麦(wheat)、玉米(Zea mays)、番茄(tomato)和大豆(soybean)。拟南芥作为重要的模式植物, 2014年以前拟南芥的表型组学文献数量超过了其他植物种类的总和, 此后呈下降的趋势。水稻的表型组学文献数量占第2位, 而且学术产出相对稳定。近几年，针对小麦表型组学的研究文献也呈增加趋势。水稻和小麦表型组学研究整体学术产出总量每年不到1 000篇, 而水稻和小麦每年总学术产出总量在15 000篇左右, 可以看出目前植物表型组学研究还处于新兴阶段。

表型信息获取与分析是植物功能基因组学和现代作物育种研究的基础。长期以来, 对于表型的研究一直停留在传统人工获取阶段, 劳动量大, 效率低, 对大批量植物样本的生长测量几乎是不可行的; 同时表型数据的质量受人工主观因素的影响也比较大。植物表型的研究经历了相对较长的发展过程, 本文的数据也说明了这个情况, 从1935年到1984年植物表型研究领域以论文为主体的学术产出总量年均不足100篇。计算机和网络技术的快速发展为表型组学研究提供了新方法。近10年植物表型组学相关研究论文数量从2 000篇增加到4 000篇, 逐渐成为研究热点, 并且出现了各种专业化的表型测量平台^[22]。植物表型的研究已由单纯的农业学科研究演变成由农业、自动控制、光学成像、图像分析及计算机技术等多领域多学科共同关注的研究方向, 多领域的深度合作给作物育种学科的发展带来革命性的推动作用。

目前, 植物表型组学研究是一个新兴的研究领域, 以学术论文为主体的学术产出总量还不是很多。研究主题体现出农业、栽培、育种、生物学与计算机科学等多学科交叉发展的特性。高通量图像和数据分析是现阶段植物表型组学的重要研究方向, 主题显著度指数达到98.8%, 受关注度较高。现阶段植物表型组学研究主要植物种类包括拟南芥、水稻、小麦和玉米等。

虽然植物表型组学研究已经呈现多学科合作发展的趋势, 但植物科学还是主体领域。在世界范围内, 美国、中国、德国等国家实力较强。中国科学院是学术产出数量最多也是引用总量最多的研究机构, 同时中国农业科学院、中国农业大学、南京农业大学等8个机构占据植物表型组学学术产出TOP20的地位, 可以看出植物表型组学及相关技术已逐渐为各类植物研究团队所接受, 而且中国对植物表型组学研究和相关应用已处于世界前列。

本文针对植物表型组学领域主题词的聚类分析只获取到“高通量图像和数据分析”一个热点, 显示出目前大量已发表的植物表型组学研究手段相对单一。现阶段图像识别、机器学习、自动驾驶等人工智能技术已经深入影响并改变着人类的生活方式^[23]。因此, 植物表型组学的研究也应该积极寻求与其他领域的合作, 由多领域共同合作推动该学科的发展。从相关的研究综述可以看出, 植物表型组学正在向如何把海量图像和传感器数据转化为真正有意义的生物学知识方向探索^{[1, 24]}。在完善大规模、高通量表型数据采集环节的基础上, 使用全新的大数据分析方法对表型数据集进行数据标注、标准化、动态存储和优化整合, 通过引入机器学习算法, 在大数据中提取可靠的植物性状信息成为植物表型组学今后的发展趋势。由于表型分析需要开发团队具备数学、算法、软(硬)件和生命科学等多方面的专业背景, 因此, 来自不同学科的各个科研团队之间的长期合作是表型组学必不可少的发展基础。另外, 基于大数据的植物表型组学研究不同于以往的实验室研究, 在开放环境下如果不注意数据安全和管理将会出现数据质量和保存等方面的问题。因此, 在研究过程中还需要数据领域专家共同参与合作。

现在不同国家和地区的研究团队在植物表型组学研究中的侧重点各不相同。比如, 德国注重大规模、可扩展的表型数据采集技术和基于自动化的数据分析方法; 荷兰注重室内植物表型自动化筛分系统以及可控环境中的植物形态特征分析; 法国在结合表型和作物遗传育种研究的基础上, 偏重于室内外植物环境动态互作分析和生长预测建模; 英国对遥感技术和基于机器学习的计算机视觉、图像分析的表型分析十分重视; 日本则对小型、高精度的定性分析有较大的科研投入; 而澳大利亚的表型研究主要针对各类田间作物的系列生长表型, 并开发了一系列技术手段^[25-28]。中国在植物表型组领域的研究应结合我国植物研究和农业生产的实际情况, 在吸收其他国家经验的基础上, 掌握关键技术, 加速从实验走向实际应用。

植物表型组学研究的学术产出以期刊文献为主, 所有学术产出在几个主要相关学科中均处于较高水平。国际合作较多, 且国际合作提升了学术产出的水平。大部分学术论文发表在与植物与生物学相关的期刊上, 其中《Plant Cell》《New Phytologist》和《Plant Physiology》是发文较多且论文质量较高的期刊。然而，大部分学术论文发表在与农学、生物学相关的期刊上, 这种情况不利于调动其他领域专家参与的积极性。因此, 增加植物表型组学研究相关的出版载体将加快该领域的发展, 有利于植物表型组学研究的传播和交流。2018年南京农业大学与Science合作创办英文期刊《Plant Phenomics》, 这将有利于推动植物表型组学的快速发展。

Elsevier公司靳辉先生给予帮助, 谨致谢意。