分享華中農(nóng)業(yè)大學(xué)農(nóng)業(yè)微生物資源發(fā)掘與利用全國重點(diǎn)實(shí)驗(yàn)室李國田教授與中國科學(xué)院遺傳發(fā)育所高彩霞研究員為共同通訊作者；華中農(nóng)業(yè)大學(xué)李國田教授、華盛頓大學(xué)蛋白質(zhì)設(shè)計(jì)研究所安琳娜博士、華中農(nóng)業(yè)大學(xué)作物遺傳改良全國重點(diǎn)實(shí)驗(yàn)室楊萬能教授、李國田教授團(tuán)隊(duì)博士后楊磊為共同第一作者，聯(lián)合國內(nèi)外多家研究單位，在《自然》（Nature）雜志發(fā)表的一篇題為“Integrated biotechnological and AI innovations for crop improvement”的研究論文。
文章鏈接：
https://doi.org/10.1038/s41586-025-09122-8
文章系統(tǒng)闡述了組學(xué)、基因編輯、蛋白質(zhì)設(shè)計(jì)與高通量表型等多技術(shù)協(xié)同的作物改良新范式，提出利用蛋白質(zhì)設(shè)計(jì)按需打造功能元件的新途徑，并描繪了AI輔助的優(yōu)異種質(zhì)設(shè)計(jì)藍(lán)圖，有望引領(lǐng)新一輪作物改良革命。
從“看天吃飯”到“看透基因組”
傳統(tǒng)育種受限于表型觀察和種質(zhì)資源，已逼近遺傳資源極限。組學(xué)技術(shù)（基因組、代謝組、單細(xì)胞組學(xué)和空間組學(xué)）首次“高清呈現(xiàn)”作物的遺傳全貌，顯著加速了性狀解析與品種選育。通過泛基因組解析結(jié)構(gòu)變異，并結(jié)合作物“第二基因組”——微生物組研究，育種資源庫得以大幅擴(kuò)展；單細(xì)胞空間組學(xué)可在細(xì)胞精度定位優(yōu)異性狀基因。未來，更高通量、普適性更強(qiáng)的技術(shù)及統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)將構(gòu)建更精準(zhǔn)的基因組圖譜，為精準(zhǔn)分子操作奠定基礎(chǔ)。
▲圖1. 通過整合新技術(shù)促進(jìn)作物改良
基因編輯：精準(zhǔn)“雕刻”基因組
以CRISPR為核心的基因編輯技術(shù)已從單基因敲除拓展至兆堿基級(jí)染色體重排，實(shí)現(xiàn)對(duì)作物基因組的高效、精準(zhǔn)、定向修飾。其優(yōu)勢(shì)在于：定向聚合多個(gè)優(yōu)良等位基因，大幅縮短育種周期；通過精細(xì)調(diào)控啟動(dòng)子及上游開放閱讀框（uORF），破解抗病性與產(chǎn)量間的平衡難題；實(shí)現(xiàn)對(duì)野生種質(zhì)的快速定向馴化及優(yōu)異性狀精準(zhǔn)導(dǎo)入。此外，人工智能驅(qū)動(dòng)的基因編輯工具將深入揭示復(fù)雜性狀背后的多基因協(xié)同作用機(jī)制，并精準(zhǔn)預(yù)測(cè)編輯結(jié)果，降低對(duì)大規(guī)模篩選的依賴。
▲圖2. 基因組編輯技術(shù)在作物遺傳改良中的應(yīng)用策略
AI賦能蛋白質(zhì)設(shè)計(jì)：
突破進(jìn)化限制，精準(zhǔn)“打印”功能蛋白
AI 驅(qū)動(dòng)的蛋白質(zhì)設(shè)計(jì)（2024年諾貝爾化學(xué)獎(jiǎng)?lì)I(lǐng)域）為作物改良提供了新策略。文章提出利用蛋白質(zhì)設(shè)計(jì)技術(shù)突破遺傳資源的限制，從頭設(shè)計(jì)具有特定功能的全新蛋白質(zhì)（如抗病蛋白、代謝物生物傳感器、離子通道），并將這些“定制化生物零件”精準(zhǔn)導(dǎo)入作物。這能系統(tǒng)性、可編程化調(diào)控植物關(guān)鍵生理過程（如脅迫響應(yīng)、離子平衡、代謝流），協(xié)同增強(qiáng)其在復(fù)雜多變環(huán)境下的綜合適應(yīng)能力，跨越遺傳與環(huán)境壁壘，這一策略為跨越遺傳與環(huán)境壁壘提供了范式級(jí)解決方案，有望引領(lǐng)作物育種進(jìn)入“按需設(shè)計(jì)”的分子智能育種新時(shí)代。
▲圖3. 蛋白設(shè)計(jì)技術(shù)在作物遺傳改良中的潛在應(yīng)用
高通量表型：讓基因型與表型“握手”
組學(xué)和基因編輯/蛋白質(zhì)設(shè)計(jì)技術(shù)發(fā)掘和創(chuàng)造了大量遺傳變異，對(duì)表型數(shù)據(jù)的精度與效率提出了更高要求。高通量表型分析融合前沿影像學(xué)、信息技術(shù)與自動(dòng)化技術(shù)，實(shí)現(xiàn)了表型數(shù)據(jù)的高效精準(zhǔn)獲取?？绯叨龋ㄟb感、地面、顯微）、多時(shí)序的表型采集體系正推動(dòng)動(dòng)態(tài)表型監(jiān)測(cè)的革新：高精度3D重建提升至立體空間維度，顯微成像技術(shù)揭示內(nèi)在機(jī)制；基于光譜的代謝物建模實(shí)現(xiàn)生理性狀無損定量評(píng)估。未來，AI驅(qū)動(dòng)的多學(xué)科融合解決方案將助力海量數(shù)據(jù)高效處理，實(shí)現(xiàn)對(duì)微觀生理響應(yīng)的原位捕獲，推動(dòng)高通量表型組的規(guī)?；瘧?yīng)用。
▲圖4. 高通量表型組學(xué)（HTP）加速作物改良
邁向人工智能輔助的作物設(shè)計(jì)
文章還前瞻性提出了人工智能驅(qū)動(dòng)的作物改良框架：通過AI驅(qū)動(dòng)的多模態(tài)模型，整合基因型、表型、環(huán)境與田間管理多模態(tài)數(shù)據(jù)，在“設(shè)計(jì)—構(gòu)建—測(cè)試—學(xué)習(xí)”閉環(huán)中，實(shí)現(xiàn)從傳統(tǒng)重組到編輯介導(dǎo)的定向?qū)?。結(jié)合微生物組育種等新興策略，突破基因互作及基因-環(huán)境互作限制，加速現(xiàn)有品種優(yōu)化、再馴化乃至從頭馴化。這一前瞻性框架，可通過育種家設(shè)定目標(biāo)（如增產(chǎn)、抗逆、優(yōu)品質(zhì)），AI深度學(xué)習(xí)與知識(shí)推理生成最優(yōu)綜合育種方案，將育種從經(jīng)驗(yàn)依賴轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)設(shè)計(jì)過程。
▲圖5. AI驅(qū)動(dòng)的“設(shè)計(jì)—構(gòu)建—測(cè)試—學(xué)習(xí)”閉環(huán)
文章也探討了新技術(shù)應(yīng)用所面臨的挑戰(zhàn)和發(fā)展方向。高質(zhì)量、標(biāo)準(zhǔn)化數(shù)據(jù)是訓(xùn)練AI模型的基礎(chǔ)，需研究機(jī)構(gòu)、育種公司和跨學(xué)科專家合作生成高質(zhì)量的標(biāo)準(zhǔn)化數(shù)據(jù)集，并針對(duì)一系列作物和性狀要求對(duì)算法進(jìn)行微調(diào)。同時(shí)，必須嚴(yán)格遵守生物安全和相關(guān)法規(guī)。值得期待的是，全球?qū)蚪M編輯作物的監(jiān)管政策正向更科學(xué)、簡(jiǎn)化方向發(fā)展，為新技術(shù)的廣泛應(yīng)用創(chuàng)造了有利條件。
華中農(nóng)業(yè)大學(xué)農(nóng)業(yè)微生物資源發(fā)掘與利用全國重點(diǎn)實(shí)驗(yàn)室李國田教授與中國科學(xué)院遺傳發(fā)育所高彩霞研究員為共同通訊作者，華中農(nóng)業(yè)大學(xué)農(nóng)業(yè)微生物資源發(fā)掘與利用全國重點(diǎn)實(shí)驗(yàn)室、湖北洪山實(shí)驗(yàn)室為第一完成單位。華中農(nóng)業(yè)大學(xué)李國田教授、華盛頓大學(xué)蛋白質(zhì)設(shè)計(jì)研究所安琳娜（Linna An）博士（2024年諾貝爾化學(xué)獎(jiǎng)得主David Baker實(shí)驗(yàn)室博士后，現(xiàn)Rice University助理教授）、華中農(nóng)業(yè)大學(xué)作物遺傳改良全國重點(diǎn)實(shí)驗(yàn)室楊萬能教授、李國田教授團(tuán)隊(duì)博士后楊磊為本論文共同第一作者。華大生命科學(xué)研究院魏桐研究員、楊萬能教授團(tuán)隊(duì)博士后施家偉、博士研究生王江林、英國Aberystwyth大學(xué)國家植物表型組中心主任John Doonan教授、華中農(nóng)業(yè)大學(xué)謝卡斌教授、德國馬克斯·普朗克分子植物生理研究所Alisdair R. Fernie教授、澳大利亞聯(lián)邦科工組織Evans Lagudah院士和美國亞利桑那大學(xué)基因組學(xué)研究所所長(zhǎng)、阿卜杜拉國王科技大學(xué)Rod A. Wing教授對(duì)文章寫作及作圖做出了重要貢獻(xiàn)。感謝李國田教授和高彩霞研究員團(tuán)隊(duì)成員在圖表修訂及參考文獻(xiàn)整理方面的協(xié)助。同時(shí)，衷心感謝西湖大學(xué)盧培龍研究員、海南大學(xué)羅杰教授、中國科學(xué)院遺傳發(fā)育研究所王秀杰研究員、中國科學(xué)院動(dòng)物研究所趙方慶研究員等專家對(duì)本文的寫作提出的寶貴意見。
文章來源：華中農(nóng)業(yè)大學(xué)官方微信（微信號(hào)：hzau_news_center）
鄂公網(wǎng)安備42018502003245號(hào) 網(wǎng)站地圖
