分享華中農業(yè)大學農業(yè)微生物資源發(fā)掘與利用全國重點實驗室李國田教授與中國科學院遺傳發(fā)育所高彩霞研究員為共同通訊作者；華中農業(yè)大學李國田教授、華盛頓大學蛋白質設計研究所安琳娜博士、華中農業(yè)大學作物遺傳改良全國重點實驗室楊萬能教授、李國田教授團隊博士后楊磊為共同第一作者，聯(lián)合國內外多家研究單位，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、基因編輯、蛋白質設計與高通量表型等多技術協(xié)同的作物改良新范式，提出利用蛋白質設計按需打造功能元件的新途徑，并描繪了AI輔助的優(yōu)異種質設計藍圖，有望引領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資源，已逼近遺傳資源極限。組學技術（基因組、代謝組、單細胞組學和空間組學）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構變異，并結合作物“第二基因組”——微生物組研究，育種資源庫得以大幅擴展；單細胞空間組學可在細胞精度定位優(yōu)異性狀基因。未來，更高通量、普適性更強的技術及統(tǒng)一的數(shù)據(jù)標準將構建更精準的基因組圖譜，為精準分子操作奠定基礎。
▲圖1. 通過整合新技術促進作物改良
基因編輯：精準“雕刻”基因組
以CRISPR為核心的基因編輯技術已從單基因敲除拓展至兆堿基級染色體重排，實現(xiàn)對作物基因組的高效、精準、定向修飾。其優(yōu)勢在于：定向聚合多個優(yōu)良等位基因，大幅縮短育種周期；通過精細調控啟動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；實現(xiàn)對野生種質的快速定向馴化及優(yōu)異性狀精準導入。此外，人工智能驅動的基因編輯工具將深入揭示復雜性狀背后的多基因協(xié)同作用機制，并精準預測編輯結果，降低對大規(guī)模篩選的依賴。
▲圖2. 基因組編輯技術在作物遺傳改良中的應用策略
AI賦能蛋白質設計：
突破進化限制，精準“打印”功能蛋白
AI 驅動的蛋白質設計（2024年諾貝爾化學獎領域）為作物改良提供了新策略。文章提出利用蛋白質設計技術突破遺傳資源的限制，從頭設計具有特定功能的全新蛋白質（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”精準導入作物。這能系統(tǒng)性、可編程化調控植物關鍵生理過程（如脅迫響應、離子平衡、代謝流），協(xié)同增強其在復雜多變環(huán)境下的綜合適應能力，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解決方案，有望引領作物育種進入“按需設計”的分子智能育種新時代。
▲圖3. 蛋白設計技術在作物遺傳改良中的潛在應用
高通量表型：讓基因型與表型“握手”
組學和基因編輯/蛋白質設計技術發(fā)掘和創(chuàng)造了大量遺傳變異，對表型數(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、信息技術與自動化技術，實現(xiàn)了表型數(shù)據(jù)的高效精準獲取。跨尺度（遙感、地面、顯微）、多時序的表型采集體系正推動動態(tài)表型監(jiān)測的革新：高精度3D重建提升至立體空間維度，顯微成像技術揭示內在機制；基于光譜的代謝物建模實現(xiàn)生理性狀無損定量評估。未來，AI驅動的多學科融合解決方案將助力海量數(shù)據(jù)高效處理，實現(xiàn)對微觀生理響應的原位捕獲，推動高通量表型組的規(guī)模化應用。
▲圖4. 高通量表型組學（HTP）加速作物改良
邁向人工智能輔助的作物設計
文章還前瞻性提出了人工智能驅動的作物改良框架：通過AI驅動的多模態(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“設計—構建—測試—學習”閉環(huán)中，實現(xiàn)從傳統(tǒng)重組到編輯介導的定向導入。結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，可通過育種家設定目標（如增產(chǎn)、抗逆、優(yōu)品質），AI深度學習與知識推理生成最優(yōu)綜合育種方案，將育種從經(jīng)驗依賴轉變?yōu)閿?shù)據(jù)驅動的精準設計過程。
▲圖5. AI驅動的“設計—構建—測試—學習”閉環(huán)
文章也探討了新技術應用所面臨的挑戰(zhàn)和發(fā)展方向。高質量、標準化數(shù)據(jù)是訓練AI模型的基礎，需研究機構、育種公司和跨學科專家合作生成高質量的標準化數(shù)據(jù)集，并針對一系列作物和性狀要求對算法進行微調。同時，必須嚴格遵守生物安全和相關法規(guī)。值得期待的是，全球對基因組編輯作物的監(jiān)管政策正向更科學、簡化方向發(fā)展，為新技術的廣泛應用創(chuàng)造了有利條件。
華中農業(yè)大學農業(yè)微生物資源發(fā)掘與利用全國重點實驗室李國田教授與中國科學院遺傳發(fā)育所高彩霞研究員為共同通訊作者，華中農業(yè)大學農業(yè)微生物資源發(fā)掘與利用全國重點實驗室、湖北洪山實驗室為第一完成單位。華中農業(yè)大學李國田教授、華盛頓大學蛋白質設計研究所安琳娜（Linna An）博士（2024年諾貝爾化學獎得主David Baker實驗室博士后，現(xiàn)Rice University助理教授）、華中農業(yè)大學作物遺傳改良全國重點實驗室楊萬能教授、李國田教授團隊博士后楊磊為本論文共同第一作者。華大生命科學研究院魏桐研究員、楊萬能教授團隊博士后施家偉、博士研究生王江林、英國Aberystwyth大學國家植物表型組中心主任John Doonan教授、華中農業(yè)大學謝卡斌教授、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基因組學研究所所長、阿卜杜拉國王科技大學Rod A. Wing教授對文章寫作及作圖做出了重要貢獻。感謝李國田教授和高彩霞研究員團隊成員在圖表修訂及參考文獻整理方面的協(xié)助。同時，衷心感謝西湖大學盧培龍研究員、海南大學羅杰教授、中國科學院遺傳發(fā)育研究所王秀杰研究員、中國科學院動物研究所趙方慶研究員等專家對本文的寫作提出的寶貴意見。
文章來源：華中農業(yè)大學官方微信（微信號：hzau_news_center）
鄂公網(wǎng)安備42018502003245號 網(wǎng)站地圖
