我国科学家利用人工智能加速葡萄育种，效率提高 400%

最新 11 月 4 日消息，最新从中国农科院基因组所官方微信公众号获悉，今日《自然・遗传学（Nature Genetics）》在线发表了中国农业科学院深圳农业基因组研究所（岭南现代农业科学与技术广东省实验室深圳分中心）周永锋团队利用人工智能进行葡萄育种的最新研究成果。该研究将大幅缩短葡萄育种周期，且对葡萄农艺性状的预测准确度高达 85%。相比传统方法，育种效率可提高 400%。该研究有望实现葡萄的精准设计育种，加速葡萄品种创新，并为其他多年生作物育种提供方法参考。

周永锋团队自 2015 年起，便开始聚焦葡萄的设计育种工作，并于 2023 年发布首个葡萄端粒到端粒完整参考基因组图谱，相关研究以封面文章发表在《园艺研究（Horticulture Research）》上。

然而，要实现精准“设计”，一个基因组数据远远不够。在此基础上，周永锋团队又陆续对包括野生种和栽培品种在内的 9 个二倍体葡萄品种进行测序、组装，得到 18 个端粒到端粒的单倍型基因组，并整合已有的基因组数据，构建了目前首个最全面、最准确的葡萄泛基因组（Grapepan v1.0），总长度达 1.43Gb，是单个参考基因组大小的近 3 倍。

为了进一步弄清楚葡萄基因与性状之间的关联，周永锋团队从近万份葡萄品种中选取了 400 多份有代表性的葡萄品种，连续 3 年对包括果穗大小、浆果中代谢物含量、浆果大小和果皮颜色等在内的 29 个农艺性状进行调查，构建了葡萄基因型图谱和性状图谱。在此基础上，周永锋团队利用数量遗传学分析，鉴定到 148 个与农艺性状显著相关的位点，其中 122 个位点为首次发现。研究发现，调控不同性状的位点间存在关联性，如可溶性固形物含量和浆果宽度相关位点邻近。此外，不同葡萄群体（酿酒、鲜食、美洲鲜食杂种）之间存在显著分化的区域，这些区域中存在与浆果颜色、果皮涩味、浆果形状、果穗重量、果肉硬度、果实大小等相关的多个性状相关的遗传位点，表明对农艺性状歧化选择促进了酿酒与鲜食葡萄的分化。

全面、准确的基因组数据是精准“设计”育种的基础，而如何深入挖掘这些数据来优化育种策略并指导育种？是智能育种必须回答的问题。周永锋团队决定引入机器学习，通过构建预测模型，根据评分进行早期个体的预测和选择，从而指导、优化育种策略。

在本研究中，研究人员将包含了性状和基因型的数据划分为三个子集：训练集、验证集和测试集。利用机器学习算法解析基因型与性状数据间的复杂网络关系，运用训练数据集构建了首个葡萄全基因组选择模型，研究进一步通过验证集调整模型参数，对模型进行优化，最后测试数据集评估最终模型的性能。研究结果表明，结合了结构变异信息和机器学习模型的计算多基因评分预测准确率高达 85%。

通过这一模型，育种家可以快速准确地评估大量育种材料的遗传潜力，从而更好地选择优良品种。与杂交育种需要根据葡萄成熟后的表型作出判断相比，全基因组选择育种技术在葡萄幼苗时期就可以预测其成熟后的性状，尽早剔除掉不符合条件的幼苗，减少了不必要的人工成本和投入，在葡萄育种应用中有很大的应用潜力，提高葡萄育种效率，加速葡萄新种质的创制，革新葡萄育种策略。

目前，相关研究成果已申请获批国家发明专利 6 项，已申请国际专利 1 项。