ePlant for quantitative and predictive plant science research in the big data era —Lay the foundation for the future model guided crop breeding, engineering and agronomy

Abstract

Background: The increase in global population, climate change and stagnancy in crop yield on unit land area basis in recent decades urgently call for a new approach to support contemporary crop improvements. ePlant is a mathematical model of plant growth and development with a high level of mechanistic details to meet this challenge.

Results: ePlant integrates modules developed for processes occurring at drastically different temporal (10–8–106 seconds) and spatial (10–10–10 meters) scales, incorporating diverse physical, biophysical and biochemical processes including gene regulation, metabolic reaction, substrate transport and diffusion, energy absorption, transfer and conversion, organ morphogenesis, plant environment interaction, etc. Individual modules are developed using a divide-and-conquer approach; modules at different temporal and spatial scales are integrated through transfer variables. We further propose a supervised learning procedure based on information geometry to combine model and data for both knowledge discovery and model extension or advances. We finally discuss the recent formation of a global consortium, which includes experts in plant biology, computer science, statistics, agronomy, phenomics, etc. aiming to expedite the development and application of ePlant or its equivalents by promoting a new model development paradigm where models are developed as a community effort instead of driven mainly by individual labs’ effort.

Conclusions: ePlant, as a major research tool to support quantitative and predictive plant science research, will play a crucial role in the future model guided crop engineering, breeding and agronomy.

Graphical abstract

Keywords

systems modeling / quantitative / predictive / homeostasis / multiscale / crop in silico

References

[1] Zhu, X.-G., Zhang,  G. L., Tholen, D. ,  Wang, Y. ,  Xin, C. P.  and  Song, Q. F.  (2011) The next generation models for crops and agro-ecosystems. Sci. China Inf. Sci., 54, 589–597

[2] Hammer, G. L. ,  van Oosterom, E. ,  McLean, G. ,  Chapman, S. C. ,  Broad, I. ,  Harland, P.  and  Muchow, R. C.  (2010) Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops. J. Exp. Bot., 61, 2185–2202

[3] Ruíz-Nogueira, B. ,  Boote, K. J.  and  Sau, F.  (2001) Calibration and use of CROPGRO-soybean model for improving soybean management under rainfed conditions. Agric. Syst., 68, 151–173

[4] Ma, W., Trusina,  A., El-Samad, H. ,  Lim, W. A.  and  Tang, C.  (2009) Defining network topologies that can achieve biochemical adaptation. Cell, 138, 760–773

[5] Xin, C. P., Yang,  J. and Zhu, X.-G.  (2013) A model of chlorophyll a fluorescence induction kinetics with explicit description of structural constraints of individual photosystem II units. Photosynth. Res., 117, 339–354

[6] Xiao, Y. and Zhu,  X.-G. (2016) Chlorophyll fluorescecence and stable isotope signals in photosynthesis research. Plant Physiology Journal (in Chinese), 52, 1663–1670

[7] Tholen, D. and Zhu,  X.-G. (2011) The mechanistic basis of internal conductance: a theoretical analysis of mesophyll cell photosynthesis and CO₂ diffusion. Plant Physiol., 156, 90–105

[8] Wang, Y., Song,  Q., Jaiswal, D. ,  de Souza, A. P. ,  Long, S. P.  and  Zhu, X.-G.  (2017) Development of a three dimensional ray-tracing model of sugarcane canopy photosynthesis and its applications in assessing impacts of varied row spacing. Bioenerg Res., doi: 10.1007/s12155-017-9823-x

[9] Zheng, B., Biddulph,  B., Li, D. ,  Kuchel, H.  and  Chapman, S.  (2013) Quantification of the effects of VRN1 and Ppd-D1 to predict spring wheat (Triticum aestivum) heading time across diverse environments. J. Exp. Bot., 64, 3747–3761

[10] Tubiello, F. N. ,  Soussana, J.-F.  and  Howden, S. M.  (2007) Crop and pasture response to climate change. Proc. Natl. Acad. Sci. USA, 104, 19686–19690

[11] Miguez, F. E. ,  Zhu, X. ,  Humphries, S. ,  Bollero, G. A.  and  Long, S. P.  (2009) A semimechanistic model predicting the growth and production of the bioenergy crop Miscanthus×giganteus: description, parameterization and validation. GCB Bioenergy, 1, 282–296

[12] Li, T., Hasegawa,  T., Yin, X. ,  Zhu, Y. ,  Boote, K. ,  Adam, M. ,  Bregaglio, S. ,  Buis, S. ,  Confalonieri, R. ,  Fumoto, T. ,  (2015) Uncertainties in predicting rice yield by current crop models under a wide range of climatic conditions. Glob. Change Biol., 21, 1328–1341

[13] Sellers, P. J. ,  Randall, D. A. ,  Collatz, G. J. ,  Berry, J. A. ,  Field, C. B. ,  Dazlich, D. A. ,  Zhang, C. ,  Collelo, G. D.  and  Bounoua, L.  (1996) A revised land surface parameterization (SiB2) for atmospheric GCMs. part I: model formulation. J. Clim., 9, 676–705

[14] Falkowski, P., Scholes,  R. J., Boyle, E. ,  Canadell, J. ,  Canfield, D. ,  Elser, J. ,  Gruber, N. ,  Hibbard, K. ,  Högberg, P. ,  Linder, S. ,  (2000) The global carbon cycle: a test of our knowledge of earth as a system. Science, 290, 291–296

[15] Xue, Y., Chong,  K., Han, B. ,  Gui, J. ,  Wang, T. ,  Fu, X., He,  Z., Chu, C. ,  Tian, Z. ,  Cheng, Z. ,  Lin, S.  (2015) New chapter of designer breeding in China: update on strategic program of molecular module-based designer breeding systems. Buttletin of Chinese Academy of Sciences, 30, 393–402

[16] Zhu, X.-G., Portis,  A. R. Jr and Long, S. P.  (2004) Would transformation of C₃ crop plants with foreign Rubisco increase productivity? A computational analysis extrapolating from kinetic properties to canopy photosynthesis. Plant Cell Environ., 27, 155–165

[17] Zhu, X.-G., Ort,  D. R., Whitmarsh, J.  and  Long, S. P.  (2004) The slow reversibility of photosystem II thermal energy dissipation on transfer from high to low light may cause large losses in carbon gain by crop canopies: a theoretical analysis. J. Exp. Bot., 55, 1167–1175

[18] Drewry, D. T. ,  Kumar, P.  and  Long, S. P.  (2014) Simultaneous improvement in productivity, water use, and albedo through crop structural modification. Glob. Change Biol., 20, 1955–1967

[19] Song, Q.-F., Zhang,  G. and Zhu, X.-G.  (2013) Optimal crop canopy architecture to maximise canopy photosynthetic CO₂ uptake under elevated CO₂ – a theoretical study using a mechanistic model of canopy photosynthesis. Funct. Plant Biol., 40, 108–124

[20] Zhu, X.-G., de Sturler,  E. and Long, S. P.  (2007) Optimizing the distribution of resources between enzymes of carbon metabolism can dramatically increase photosynthetic rate: a numerical simulation using an evolutionary algorithm. Plant Physiol., 145, 513–526

[21] Wang, Y., Long,  S. P. and Zhu, X. G.  (2014) Elements required for an efficient NADP-malic enzyme type C₄ photosynthesis. Plant Physiol., 164, 2231–2246

[22] Xin, C. P., Tholen,  D., Devloo, V.  and  Zhu, X. G.  (2015) The benefits of photorespiratory bypasses: how can they work? Plant Physiol., 167, 574–585

[23] Wang, S., Tholen,  D. and Zhu, X. G.  (2017) C₄ photosynthesis in C₃ rice: a theoretical analysis of biochemical and anatomical factors. Plant Cell Environ., 40, 80–94

[24] Xiao, Y., Tholen,  D. and Zhu, X.-G.  (2016) The influence of leaf anatomy on the internal light environment and photosynthetic electron transport rate: exploration with a new leaf ray tracing model. J. Exp. Bot., 67, 6021–6035

[25] Simkin, A. J. ,  McAusland, L. ,  Headland, L. R. ,  Lawson, T.  and  Raines, C. A.  (2015) Multigene manipulation of photosynthetic carbon assimilation increases CO₂ fixation and biomass yield in tobacco. J. Exp. Bot., 66, 4075–4090

[26] Kromdijk, J., Głowacka,  K., Leonelli, L. ,  Gabilly, S. T. ,  Iwai, M. ,  Niyogi, K. K.  and  Long, S. P.  (2016) Improving photosynthesis and crop productivity by accelerating recovery from photoprotection. Science, 354, 857–861

[27] Nunes-Nesi, A., Carrari,  F., Lytovchenko, A., Smith, A. M. ,  Loureiro, M. E. ,  Ratcliffe, R. G. ,  Sweetlove, L. J.  and  Fernie, A. R.  (2005) Enhanced photosynthetic performance and growth as a consequence of decreasing mitochondrial malate dehydrogenase activity in transgenic tomato plants. Plant Physiol., 137, 611–622

[28] Sweetlove, L. J. ,  Lytovchenko, A. ,  Morgan, M. ,  Nunes-Nesi, A. ,  Taylor, N. L. ,  Baxter, C. J. ,  Eickmeier, I.  and  Fernie, A. R.  (2006) Mitochondrial uncoupling protein is required for efficient photosynthesis. Proc. Natl. Acad. Sci. USA, 103, 19587–19592

[29] Zhu, X.-G., Wang,  Y., Ort, D. R.  and  Long, S. P.  (2013) e-Photosynthesis: a comprehensive dynamic mechanistic model of C₃ photosynthesis: from light capture to sucrose synthesis. Plant Cell Environ., 36, 1711–1727

[30] Owen, N. A. and Griffiths, H. (2013) A system dynamics model integrating physiology and biochemical regulation predicts extent of crassulacean acid metabolism (CAM) phases. New Phytol., 200, 1116–1131

[31] Cortassa, S., Aon,  M. A., O’Rourke, B., Jacques, R. ,  Tseng, H. J. ,  Marbán, E.  and  Winslow, R. L.  (2006) A computational model integrating electrophysiology, contraction, and mitochondrial bioenergetics in the ventricular myocyte. Biophys. J., 91, 1564–1589

[32] Thornley, J. H. M.  and  Cannell, M. G. R.  (2000) Modelling the components of plant respiration: representation and realism. Ann. Bot. (Lond.), 85, 55–67

[33] Lawson, T., Simkin,  A. J., Kelly, G.  and  Granot, D.  (2014) Mesophyll photosynthesis and guard cell metabolism impacts on stomatal behaviour. New Phytol., 203, 1064–1081

[34] Flexas, J., Ribas-Carbó,  M., Diaz-Espejo, A., Galmés, J. and Medrano, H.  (2008) Mesophyll conductance to CO₂: current knowledge and future prospects. Plant Cell Environ., 31, 602–621

[35] Baroli, I., Price,  G. D., Badger, M. R.  and  von Caemmerer, S.  (2008) The contribution of photosynthesis to the red light response of stomatal conductance. Plant Physiol., 146, 737–747

[36] Wong, S.-C., Cowan,  I. R. and Farquhar, G. D.  (1979) Stomatal conductance correlates with photosynthetic capacity. Nature, 282, 424–426

[37] Farquhar, G. D.  and  Sharkey, T. D.  (1982) Stomatal conductance and photosynthesis. Annu. Rev. Plant Physiol., 33, 317–345

[38] Buckley, T. N. ,  Mott, K. A.  and  Farquhar, G. D.  (2003) A hydromechanical and biochemical model of stomatal conductance. Plant Cell Environ., 26, 1767–1785

[39] Ball, J. T., Woodrow,  I. E. and Berry, J. A.  (1987) A Model Predicting Stomatal Conductance and Its Contribution to The Control of Photosynthesis Under Different Environmental Conditions.  In Progress in Photosynthesis Research. Biggens, J. ed., Vol, IV, pp.221–224. Berlin: Springer Netherlands

[40] Loreto, F., Harley,  P. C., Di Marco, G. and Sharkey, T. D.  (1992) Estimation of mesophyll conductance to CO₂ flux by three different methods. Plant Physiol., 98, 1437–1443

[41] Pons, T. L., Flexas,  J., von Caemmerer,  S., Evans, J. R. ,  Genty, B. ,  Ribas-Carbo, M.  and  Brugnoli, E.  (2009) Estimating mesophyll conductance to CO₂: methodology, potential errors, and recommendations. J. Exp. Bot., 60, 2217–2234

[42] Tholen, D., Boom,  C. and Zhu, X.-G.  (2012) Opinion: prospects for improving photosynthesis by altering leaf anatomy. Plant Sci., 197, 92–101

[43] Xiong, D., Liu,  X., Liu, L. ,  Douthe, C. ,  Li, Y., Peng,  S. and Huang, J.  (2015) Rapid responses of mesophyll conductance to changes of CO₂ concentration, temperature and irradiance are affected by N supplements in rice. Plant Cell Environ., 38, 2541–2550

[44] Ho, Q. T., Berghuijs,  H. N., Watté, R., Verboven, P. ,  Herremans, E. ,  Yin, X. ,  Retta, M. A. ,  Aernouts, B. ,  Saeys, W. ,  Helfen, L. ,  (2016) Three-dimensional microscale modelling of CO₂ transport and light propagation in tomato leaves enlightens photosynthesis. Plant Cell Environ., 39, 50–61

[45] Price, N. D., Reed,  J. L. and Palsson, B. O.  (2004) Genome-scale models of microbial cells: evaluating the consequences of constraints. Nat. Rev. Microbiol., 2, 886–897

[46] Guo, Y., Ma,  Y., Zhan, Z. ,  Li, B., Dingkuhn,  M., Luquet, D.  and  De Reffye, P.  (2006) Parameter optimization and field validation of the functional-structural model GREENLAB for maize. Ann. Bot. (Lond.), 97, 217–230

[47] Watanabe, T., Hanan,  J. S., Room, P. M. ,  Hasegawa, T. ,  Nakagawa, H.  and  Takahashi, W.  (2005) Rice morphogenesis and plant architecture: measurement, specification and the reconstruction of structural development by 3D architectural modelling. Ann. Bot. (Lond.), 95, 1131–1143

[48] Song, Y. H., Smith,  R. W., To, B. J. ,  Millar, A. J.  and  Imaizumi, T.  (2012) FKF1 conveys timing information for CONSTANS stabilization in photoperiodic flowering. Science, 336, 1045– 1049

[49] Domagalska, M. A.  and  Leyser, O.  (2011) Signal integration in the control of shoot branching. Nat. Rev. Mol. Cell Biol., 12, 211–221

[50] Minchin, P. E. H.  and  Lacointe, A.  (2005) New understanding on phloem physiology and possible consequences for modelling long-distance carbon transport. New Phytol., 166, 771–779

[51] Rasse, D. P. and Tocquin, P. (2006) Leaf carbohydrate controls over Arabidopsis growth and response to elevated CO₂: an experimentally based model. New Phytol., 172, 500–513

[52] Lynch, J. P. (2013) Steep, cheap and deep: an ideotype to optimize water and N acquisition by maize root systems. Ann. Bot. (Lond.), 112, 347–357

[53] Dyson, R. J., Vizcay-Barrena,  G., Band, L. R. ,  Fernandes, A. N. ,  French, A. P. ,  Fozard, J. A. ,  Hodgman, T. C. ,  Kenobi, K. ,  Pridmore, T. P. ,  Stout, M. ,  (2014) Mechanical modelling quantifies the functional importance of outer tissue layers during root elongation and bending. New Phytol., 202, 1212–1222

[54] Chang, T. G. and Zhu, X. G. (2017) Source-sink interaction: a century old concept under the light of modern molecular systems biology. J. Exp. Bot. erx002

[55] Yin, X. and Struik,  P. C. (2010) Modelling the crop: from system dynamics to systems biology. J. Exp. Bot., 61, 2171–2183

[56] Li, Y., Pearl,  S. A. and Jackson, S. A.  (2015) Gene networks in plant biology: approaches in reconstruction and analysis. Trends Plant Sci., 20, 664–675

[57] Segal, E., Shapira,  M., Regev, A. ,  Pe’er, D. ,  Botstein, D. ,  Koller, D.  and  Friedman, N.  (2003) Module networks: identifying regulatory modules and their condition-specific regulators from gene expression data. Nat. Genet., 34, 166–176

[58] Zheng, G., Xu,  Y., Zhang, X. ,  Liu, Z. P. ,  Wang, Z. ,  Chen, L.  and  Zhu, X. G.  (2016) CMIP: a software package capable of reconstructing genome-wide regulatory networks using gene expression data. BMC Bioinformatics, 17, 535

[59] Wenden, B. and Rameau,  C. (2009) Systems biology for plant breeding: the example of flowering time in pea. C. R. Biol., 332, 998–1006

[60] Salazar, J. D. ,  Saithong, T. ,  Brown, P. E. ,  Foreman, J. ,  Locke, J. C. ,  Halliday, K. J. ,  Carré, I. A. ,  Rand, D. A.  and  Millar, A. J.  (2009) Prediction of photoperiodic regulators from quantitative gene circuit models. Cell, 139, 1170–1179

[61] Bassel, G. W. ,  Lan, H. ,  Glaab, E. ,  Gibbs, D. J. ,  Gerjets, T. ,  Krasnogor, N. ,  Bonner, A. J. ,  Holdsworth, M. J.  and  Provart, N. J.  (2011) Genome-wide network model capturing seed germination reveals coordinated regulation of plant cellular phase transitions. Proc. Natl. Acad. Sci. USA, 108, 9709–9714

[62] Chew, Y. H., Wenden,  B., Flis, A. ,  Mengin, V. ,  Taylor, J. ,  Davey, C. L. ,  Tindal, C. ,  Thomas, H. ,  Ougham, H. J. ,  de Reffye, P. ,  (2014) Multiscale digital Arabidopsis predicts individual organ and whole-organism growth. Proc. Natl. Acad. Sci. USA, 111, E4127–E4136

[63] Zhu, X.-G., Song,  Q. and Ort, D. R.  (2012) Elements of a dynamic systems model of canopy photosynthesis. Curr. Opin. Plant Biol., 15, 237–244

[64] Parton, W. J. ,  Scurlock, J. M. O. ,  Ojima, D. S. ,  Gilmanov, T. G. ,  Scholes, R. J. ,  Schimel, D. S. ,  Kirchner, T. ,  Menaut, J.-C. ,  Seastedt, T. ,  Garcia Moya, E. ,  (1993) Observations and modelling of biomass and soil organic matter dynamics for the grassland biome wordwide. Global Biogeochem. Cycles, 7, 785–809

[65] Parton, W. J. ,  Stewart, J. W. B.  and  Cole, C. V.  (1988) Dynamics of C, N, P and S in grassland soils: a model. Biogeochemistry, 5, 109–131

[66] Buckley, T. N.  (2005) The control of stomata by water balance. New Phytol., 168, 275–292

[67] Lynch, J. P., Nielsen,  K. L., Davis, R. D.  and  Jablokow, A. G.  (1997) SimRoot: modeling and visualization of root systems. Plant Soil, 188, 139–151

[68] Jones, J. W., Hoogenboom,  G., Porter, C. H. ,  Boote, K. J. ,  Batchelor, W. D. ,  Hunt, L. A. ,  Wilkens, P. W. ,  Singh, U. ,  Gijsman, A. J.  and  Ritchie, J. T.  (2003) The DSSAT cropping system model. Eur. J. Agron., 18, 235–265

[69] McCown, R. L. ,  Hammer, G. L. ,  Hargreaves, J. N. G. ,  Holzworth, D. P.  and  Freebairn, D. M.  (1996) APSIM: a novel software system for model development, model testing and simulation in agricultural systems research. Agric. Syst., 50, 255–271

[70] Humphries, S. W.  and  Long, S. P.  (1995) WIMOVAC: a software package for modelling the dynamics of plant leaf and canopy photosynthesis. Comput. Appl. Biosci., 11, 361–371

[71] Song, Q., Chen,  D., Long, S. P.  and  Zhu, X. G.  (2017) A user-friendly means to scale from the biochemistry of photosynthesis to whole crop canopies and production in time and space— development of Java WIMOVAC. Plant Cell Environ., 40, 51–55160;

[72] Norman, J. M. (1980) Interfacing leaf and canopy light interception models. In Predicting Photosynthesis for Ecosystem Models. Hesketh, J. D. & Jones, J. W. eds. Vol. 2, pp. 49–67. Boca Raton: CRC Press

[73] Farquhar, G. D. ,  von Caemmerer, S.  and  Berry, J. A.  (1980) A biochemical model of photosynthetic CO₂ assimilation in leaves of C₃ species. Planta, 149, 78–90

[74] Pokhilko, A., Flis,  A., Sulpice, R. ,  Stitt, M.  and  Ebenhöh, O.  (2014) Adjustment of carbon fluxes to light conditions regulates the daily turnover of starch in plants: a computational model. Mol. Biosyst., 10, 613–627

[75] de Oliveira Dal’Molin, C. G., Quek, L.-E. ,  Palfreyman, R. W. ,  Brumbley, S. M.  and  Nielsen, L. K.  (2010) C4GEM, a genome-scale metabolic model to study C₄ plant metabolism. Plant Physiol., 154, 1871–1885

[76] de Oliveira Dal’Molin, C. G., Quek, L. E. ,  Palfreyman, R. W. ,  Brumbley, S. M.  and  Nielsen, L. K.  (2010) AraGEM, a genome-scale reconstruction of the primary metabolic network in Arabidopsis. Plant Physiol., 152, 579–589

[77] Warren, J. M. ,  Hanson, P. J. ,  Iversen, C. M. ,  Kumar, J. ,  Walker, A. P.  and  Wullschleger, S. D.  (2015) Root structural and functional dynamics in terrestrial biosphere models — evaluation and recommendations. New Phytol., 205, 59–78

[78] Zhu, X.-G., Govindjee, Baker,  N. R., deSturler, E. ,  Ort, D. O. and  Long, S. P.  (2005) Chlorophyll a fluorescence induction kinetics in leaves predicted from a model describing each discrete step of excitation energy and electron transfer associated with Photosystem II. Planta, 223, 114–133

[79] Yu, X., Zheng,  G., Shan, L. ,  Meng, G. ,  Vingron, M. ,  Liu, Q.  and  Zhu, X. G.  (2014) Reconstruction of gene regulatory network related to photosynthesis in Arabidopsis thaliana. Front. Plant Sci., 5, 273

[80] Chandrasekaran, S.  and  Price, N. D.  (2010) Probabilistic integrative modeling of genome-scale metabolic and regulatory networks in Escherichia coli and Mycobacterium tuberculosis. Proc. Natl. Acad. Sci. USA, 107, 17845–17850

[81] Enquist, B. J.  and  Niklas, K. J.  (2002) Global allocation rules for patterns of biomass partitioning in seed plants. Science, 295, 1517–1520

[82] Box, G. E. P.  (1976) Science and statistics. J. Am. Stat. Assoc., 71, 791–799

[83] Machta, B. B. ,  Chachra, R. ,  Transtrum, M. K.  and  Sethna, J. P.  (2013) Parameter space compression underlies emergent theories and predictive models. Science, 342, 604–607

[84] Zhou, M., Wang,  W., Karapetyan, S., Mwimba, M. ,  Marqués, J. ,  Buchler, N. E.  and  Dong, X.  (2015) Redox rhythm reinforces the circadian clock to gate immune response. Nature, 523, 472–476

[85] Zuo, J. and Li,  J. (2014) Molecular dissection of complex agronomic traits of rice: a team effort by Chinese scientists in recent years. Natl. Sci. Rev. 1, 253–276

[86] Valluru, R., Reynolds,  M. P. and Salse, J.  (2014) Genetic and molecular bases of yield-associated traits: a translational biology approach between rice and wheat. Theor. Appl. Genet., 127, 1463–1489

[87] Wallace, J. G. ,  Larsson, S. J.  and  Buckler, E. S.  (2014) Entering the second century of maize quantitative genetics. Heredity (Edinb), 112, 30–38

[88] Kaul, S., Koo,  H. L., Jenkins, J. ,  Rizzo, M. ,  Rooney, T. ,  Tallon, L. J. ,  Feldblyum, T. ,  Nierman, W. ,  Benito, M. ,  Lin, X.  (2000) Analysis of the genome sequence of the flowering plant Arabidopsis thaliana. Nature, 408, 796–815

[89] Zhu, X. G., Lynch,  J. P., LeBauer, D. S. ,  Millar, A. J. ,  Stitt, M.  and  Long, S. P.  (2016) Plants in silico: why, why now and what? — an integrative platform for plant systems biology research. Plant Cell Environ., 39, 1049–1057

[90] Marshall-Colon, A. ,  Long, S. P. ,  Allen, D. K. ,  Allen, G. ,  Beard, D.A. ,  Benes, B. ,  von Caemmerer, S. ,  Christensen, A. J. ,  Cox, D. J. ,  Hart, J. C.   (2017) Crops in silico: a prospectus from the plants in silico symposium and workshop. Front. Plant Sci. 8,786

[91] Yabusaki, S., Fang, Y., Chen, X. ,  Scheibe, T. D.  (2016) Single Plant Root Systems Modeling Under Soil Moisture Variation. In 2016 American Geophysical Union, San Francisco

ACKNOWLEDGEMENTS

The work in XGZ’s lab is supported by CAS strategic leading project on designer breeding by molecular module (No. XDA08020301), the National High Technology Development Plan of the Ministry of Science and Technology of China (2014AA101601), the National Natural Science Foundation of China (No. C020401), the National Key Basic Research Program of China (No. 2015CB150104), Bill and Melinda Gates Foundation (No. OPP1060461), CAS-CSIRO Cooperative Research Program (No. GJHZ1501).

COMPLIANCE WITH ETHICS GUIDELINES

The authors Yi Xiao, Tiangen Chang, Qingfeng Song, Shuyue Wang, Danny Tholen, Yu Wang, Changpeng Xin, Guangyong Zheng, Honglong Zhao and Xin-Guang Zhu declare that they have no conflict of interests.

This article is a perspective article and does not contain any studies with human or animal subjects performed by any of the authors.

RIGHTS & PERMISSIONS

2017 Higher Education Press and Springer-Verlag Berlin Heidelberg