本文刊載于《中國(guó)科學(xué)院院刊》2025年第2期“專題:智慧農(nóng)業(yè)的發(fā)展與思考”
景海春1,4* 胡偉娟2 金京波1,4 張景昱1,4 周姚1,4 鞏玥3 姚剛1 王雷1,4 種康1,4*
1 中國(guó)科學(xué)院植物研究所 飼草種質(zhì)高效設(shè)計(jì)與利用全國(guó)重點(diǎn)實(shí)驗(yàn)室
2 中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所 作物表型組學(xué)研究中心
3 中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心 咨詢服務(wù)部
4 國(guó)家鹽堿地綜合利用技術(shù)創(chuàng)新中心 黃三角農(nóng)高區(qū)院士工作站
當(dāng)今世界面臨百年未有之大變局,人口持續(xù)增長(zhǎng)加劇了糧食需求壓力,膳食結(jié)構(gòu)向多元化轉(zhuǎn)變?cè)黾恿孙暳霞Z需求,而氣候變化則通過(guò)影響農(nóng)業(yè)生產(chǎn)力和碳匯經(jīng)濟(jì)進(jìn)一步威脅我國(guó)的糧食安全。現(xiàn)階段,我國(guó)進(jìn)入口糧飼料并重新時(shí)期,飼草作為動(dòng)物的“口糧”,是飼料的核心組成部分,其產(chǎn)業(yè)的發(fā)展對(duì)于保障國(guó)家大糧食安全具有深遠(yuǎn)的戰(zhàn)略意義。文章分析了我國(guó)飼草種業(yè)的現(xiàn)狀,綜述了作物基礎(chǔ)科學(xué)前沿成果及人工智能(AI)在智能育種的應(yīng)用,剖析了飼草特化性狀與育種關(guān)鍵問題,指出飼草智能育種有望加速飼草新品種的培育,帶動(dòng)產(chǎn)業(yè)發(fā)展。文章最后給出了助力飼草智能育種發(fā)展的建議,并希望引起政府相關(guān)部門和廣大科技工作者對(duì)飼草育種與產(chǎn)業(yè)的關(guān)注。
飼草(forage crops)是指人工高度選擇馴化、定向培育的,用于規(guī)?;斯しN植的飼用作物,是草食畜牧業(yè)發(fā)展的物質(zhì)基礎(chǔ)。隨著我國(guó)草牧業(yè)的發(fā)展,飼草和飼草種子的需求日益增加,直接關(guān)乎乳肉供給和國(guó)家大糧食安全。為此,我國(guó)“十四五”期間,在重點(diǎn)研發(fā)計(jì)劃、種業(yè)“卡脖子”攻關(guān)、農(nóng)業(yè)種質(zhì)資源專項(xiàng)、生物育種專項(xiàng)等有部分飼草育種布局;黨的第二十屆中央委員會(huì)將飼草飼料確定為基本農(nóng)作物寫入了第三次全體會(huì)議公報(bào);2024年,《國(guó)務(wù)院辦公廳關(guān)于踐行大食物觀構(gòu)建多元化食物供給體系的意見》也明確提出“大力發(fā)展飼草產(chǎn)業(yè),增加草食畜產(chǎn)品供給”。飼草種子是飼草產(chǎn)業(yè)的芯片,育種科技水平直接決定了一個(gè)國(guó)家種源保障、產(chǎn)業(yè)發(fā)展和世界飼草種子貿(mào)易能力。
1.全球飼草育種戰(zhàn)略與科技水平概況
歐美發(fā)達(dá)國(guó)家長(zhǎng)期重視飼草育種。在美國(guó),飼草被譽(yù)為“綠色黃金產(chǎn)業(yè)”。美國(guó)農(nóng)業(yè)部2013年啟動(dòng)《面向21世紀(jì)的苜蓿研究路線圖》《國(guó)家奶牛牧草技術(shù)路線圖》;2019年啟動(dòng)5年計(jì)劃“天然草地,人工草地和農(nóng)牧耦合系統(tǒng)”。歐盟自2014年啟動(dòng)“LIFE-Viva Grass計(jì)劃”資助全歐草地畜牧業(yè),2020年投入1000萬(wàn)歐元啟動(dòng)“Smart Proteins水平線計(jì)劃”系統(tǒng)開始飼草蛋白研究。澳大利亞在2018年啟動(dòng)“面向2030年農(nóng)業(yè)創(chuàng)新研究計(jì)劃”,側(cè)重草—畜育種、環(huán)境監(jiān)測(cè)。
美國(guó)是世界飼草種業(yè)大國(guó)和強(qiáng)國(guó),我國(guó)則是世界飼草種子的進(jìn)口大國(guó)。美國(guó)在20世紀(jì)50年代就將紫花苜蓿列入戰(zhàn)略物資名錄,草產(chǎn)業(yè)已成為美國(guó)農(nóng)業(yè)中的重要支柱產(chǎn)業(yè),年產(chǎn)值約110億美元,僅次于玉米和大豆?!恫莘N研究動(dòng)態(tài)報(bào)告(2022)》顯示,2021年,世界飼草種子貿(mào)易量為87萬(wàn)噸,主要以黑麥草、羊茅、紫花苜蓿、三葉草和早熟禾等種子為主。美國(guó)2021年飼草種子出口量世界第一,市場(chǎng)份額達(dá)到27%。全球進(jìn)口飼草種子的國(guó)家主要有荷蘭、德國(guó)、中國(guó)、法國(guó)、意大利、加拿大、土耳其、比利時(shí)、英國(guó)、巴基斯坦、美國(guó)等。我國(guó)2021年飼草種子進(jìn)口份額為8%,位居全球第3??梢姡覈?guó)是世界飼草種子的進(jìn)口大國(guó)。
相對(duì)于糧食作物,飼草雖然也有著萬(wàn)年的馴化歷史,但其育種水平落后。作物育種技術(shù)隨著生命科學(xué)基礎(chǔ)理論的發(fā)展經(jīng)歷了4個(gè)不同的階段(圖1),而飼草育種還處在人工表型選育等早期階段,依賴“老把式”經(jīng)驗(yàn)育種。全球飼草育種水平有著如下特征。
圖1 育種技術(shù)的不同階段及相關(guān)理論與技術(shù)
1.基于表型選擇的常規(guī)育種為飼草育種的主要路徑。選擇育種、誘變育種、雜交育種是目前育成品種的主要技術(shù)手段,廣泛應(yīng)用于新種質(zhì)新品種(品系)的創(chuàng)制,優(yōu)異生產(chǎn)性狀(草產(chǎn)量、品質(zhì))和區(qū)域適應(yīng)性(耐逆、抗病等)的育種材料主要通過(guò)人工田間觀察和表型篩選獲得。
2.注重飼草種質(zhì)資源的收集保存與發(fā)掘利用。各國(guó)將飼草視為國(guó)家戰(zhàn)略生物資源,開展了種質(zhì)資源庫(kù)建設(shè),廣泛收集鑒定飼草種質(zhì)資源,保護(hù)力度不斷增加。在資源評(píng)價(jià)方面,結(jié)合表型、核型、分子遺傳等技術(shù),鑒定飼草種質(zhì)及其近緣種的農(nóng)藝性狀(如高產(chǎn)優(yōu)質(zhì)、環(huán)境韌性、病蟲害抗性等)。
3.逐步開展飼草重要性狀的分子遺傳機(jī)制解析與分子標(biāo)記等生物育種技術(shù)在育種中的應(yīng)用。獲得了主要飼草高質(zhì)量參考基因組,組學(xué)技術(shù)與分子遺傳工具應(yīng)用到重要基因的鑒定與功能分析。全基因組分子標(biāo)記技術(shù)、基因編輯技術(shù)也在飼草育種選擇中得到應(yīng)用,加速了性狀關(guān)聯(lián)位點(diǎn)的聚合和育種效率。
我國(guó)飼草育種戰(zhàn)略布局晚,起點(diǎn)低,短板突出。我國(guó)在飼草種質(zhì)資源發(fā)掘與育種技術(shù)方面,同其他發(fā)達(dá)國(guó)家沒有大的區(qū)別,加之長(zhǎng)期得不到重視,表現(xiàn)出如下3個(gè)突出問題。
1.育成品種少,性狀不突出。截至2024年,我國(guó)共有720個(gè)飼草新品種通過(guò)國(guó)家審定。選育的飼草品種品質(zhì)、生產(chǎn)能力和抗逆性都無(wú)法超越引進(jìn)品種,且有的品種出現(xiàn)了嚴(yán)重退化現(xiàn)象。與此相反,美國(guó)每年用于生產(chǎn)的飼草品種中豆科達(dá)4000多種,禾本科約1500種;西方發(fā)達(dá)國(guó)家經(jīng)貿(mào)成員國(guó)互認(rèn)的登記飼草品種達(dá)到5000多個(gè)。
2.主栽品種以進(jìn)口品種為主體。商業(yè)用種對(duì)外依存度高,2022年草種進(jìn)口6.84萬(wàn)噸,紫花苜蓿用種80%以上進(jìn)口。
3.豐富的牧草資源未得到充分發(fā)掘。僅草地飼用植物就達(dá)246科1545屬6704種,但無(wú)論是國(guó)家種質(zhì)資源庫(kù)的收集保存量還是育成草類品種都低于30%總量,寶貴的草資源尚未得到完全認(rèn)識(shí)和保護(hù)。
總之,全球范圍內(nèi),飼草育種的基本面為基礎(chǔ)生物學(xué)研究不系統(tǒng),對(duì)基因組變異了解不夠,功能基因解析不足,遺傳轉(zhuǎn)化與基因編輯等高效生物育種技術(shù)不成熟。因此,迫切需要強(qiáng)化飼草智能育種,從根本破解飼草產(chǎn)業(yè)與種源問題。
2.智能育種技術(shù)在作物上的應(yīng)用實(shí)踐及其發(fā)展態(tài)勢(shì)
2000年以來(lái)數(shù)智驅(qū)動(dòng)科研表現(xiàn)為3種形式:數(shù)據(jù)驅(qū)動(dòng)科研(data-driven science)、科學(xué)智能(artificial intelligence for science)和智能科學(xué)家(artificial intelligence scientist)。在作物育種領(lǐng)域,人工智能(AI)的應(yīng)用也成為熱點(diǎn)。近期,李家洋等提出了“未來(lái)育種5.0世代”的概念,將其定義為“智能作物育種”,并詳細(xì)闡述了其兩大基本特征:
1.“智能品種”,指能夠自主應(yīng)對(duì)環(huán)境變化的作物品種;
2.“智能培育”,指在品種培育過(guò)程中發(fā)展與利用前沿生物技術(shù)及信息技術(shù),實(shí)現(xiàn)生物技術(shù)(BT)與AI的深度融合。
具體而言,作物智能育種是指利用AI、大數(shù)據(jù)、基因組學(xué)、表型組學(xué)等前沿技術(shù),結(jié)合傳統(tǒng)育種方法,實(shí)現(xiàn)作物品種的高效、精準(zhǔn)改良。它通過(guò)整合多維度數(shù)據(jù),優(yōu)化育種流程,提高育種效率和精準(zhǔn)度,以滿足現(xiàn)代農(nóng)業(yè)對(duì)高產(chǎn)、優(yōu)質(zhì)、抗逆性強(qiáng)作物品種的需求。這一過(guò)程不僅依賴傳統(tǒng)的育種經(jīng)驗(yàn),更通過(guò)數(shù)據(jù)的深度分析,實(shí)現(xiàn)了對(duì)育種過(guò)程的全面優(yōu)化。
作物智能育種有以下4個(gè)特征。
1.數(shù)據(jù)驅(qū)動(dòng)。其往往利用大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法,從海量的基因組和表型數(shù)據(jù)中挖掘有價(jià)值的信息,指導(dǎo)育種決策。通過(guò)深度學(xué)習(xí)模型預(yù)測(cè)基因型與表型之間的關(guān)系,提高育種的準(zhǔn)確性和效率。如圖2所示,本文基于大數(shù)據(jù)構(gòu)架知識(shí)圖譜和復(fù)雜網(wǎng)絡(luò)理論,構(gòu)建了包含60年以來(lái)的中國(guó)水稻品種的系譜關(guān)系網(wǎng)絡(luò),發(fā)現(xiàn)中國(guó)水稻天然區(qū)分了亞種的交流親疏程度。
圖2 基于知識(shí)圖譜構(gòu)架的中國(guó)水稻品種關(guān)系網(wǎng)絡(luò)
2.多學(xué)科融合解析。綜合利用基因組學(xué)、表型組學(xué)、生物信息學(xué)、計(jì)算機(jī)科學(xué)等多學(xué)科技術(shù),實(shí)現(xiàn)從基因到表型的全面解析。
3.智能化決策。通過(guò)AI算法和模型,實(shí)現(xiàn)對(duì)育種過(guò)程的智能化管理和決策支持。例如,利用深度學(xué)習(xí)模型預(yù)測(cè)作物的生長(zhǎng)趨勢(shì)和病害發(fā)生概率,提前采取措施。表1列出了目前在作物育種方面常用的AI模型。
4.高效精準(zhǔn)。通過(guò)精準(zhǔn)基因編輯和分子標(biāo)記輔助選擇,提高育種效率和精準(zhǔn)度。例如,利用CRISPR/Cas9技術(shù)對(duì)目標(biāo)基因進(jìn)行編輯,快速培育出具有優(yōu)良性狀的作物品種。
近期,許操團(tuán)隊(duì)通過(guò)基因編輯技術(shù)將熱響應(yīng)元件(HSE)精準(zhǔn)敲入番茄細(xì)胞壁蔗糖轉(zhuǎn)化酶(CWIN)基因的啟動(dòng)子中,使番茄能夠感應(yīng)溫度變化并自動(dòng)調(diào)節(jié)光合產(chǎn)物分配。
作物智能育種實(shí)施要素。區(qū)別于傳統(tǒng)育種,作物智能育種需要以下4個(gè)方面要素。
1.高通量的表型組、基因組及環(huán)境組數(shù)據(jù)的采集與管理。圖3歸納了目前流行的作物表型獲取的傳感技術(shù),例如:無(wú)人機(jī)成像、高光譜成像、激光雷達(dá)等用于實(shí)時(shí)監(jiān)測(cè)獲取作物的生長(zhǎng)和生理狀態(tài);快速高效的基因組測(cè)序技術(shù)用于獲取作物的基因信息,構(gòu)建基因組數(shù)據(jù)庫(kù);精準(zhǔn)高效的環(huán)境參數(shù)監(jiān)測(cè)系統(tǒng)獲取和管理不同生態(tài)區(qū)的光、溫、水等各項(xiàng)環(huán)境參數(shù)。
2.數(shù)據(jù)分析與建模。需要研發(fā)各種機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,實(shí)現(xiàn)從海量數(shù)據(jù)中挖掘有價(jià)值的信息,構(gòu)建預(yù)測(cè)模型 (表1)。例如,利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)對(duì)基因型和表型數(shù)據(jù)進(jìn)行分析,預(yù)測(cè)作物的產(chǎn)量和抗逆性。
3.高效精準(zhǔn)的育種技術(shù)與工具。如利用CRISPR/Cas9基因編輯技術(shù)精準(zhǔn)改良作物的遺傳特性;分子標(biāo)記輔助選擇技術(shù)實(shí)現(xiàn)快速篩選優(yōu)良性狀的個(gè)體。
4.智能決策系統(tǒng)。應(yīng)用該系統(tǒng)實(shí)現(xiàn)對(duì)育種過(guò)程的智能化管理和決策支持。例如,通過(guò)機(jī)器學(xué)習(xí)模型預(yù)測(cè)作物的生長(zhǎng)趨勢(shì)和病害發(fā)生概率,提前采取措施。
表1 AI助力育種的人工智能模型
圖3 適宜于不同尺度的作物表型獲取的傳感技術(shù)
AI在作物育種方面的應(yīng)用進(jìn)展。作物智能育種處于興起階段,近年來(lái),多有AI育種的理論內(nèi)涵、方法體系和應(yīng)用場(chǎng)景的觀點(diǎn)與綜述文章,涉及算法模型、表型獲取、傳感技術(shù)、過(guò)程檢測(cè)和系統(tǒng)集成等各個(gè)側(cè)面。目前,智能育種僅在有限的主糧作物中開展,進(jìn)展可歸納為4個(gè)方面。
1.AI助力理解作物遺傳學(xué)基礎(chǔ)。中心法則的各個(gè)環(huán)節(jié)通過(guò)大數(shù)據(jù)驅(qū)動(dòng)來(lái)助力物種個(gè)體發(fā)育的新科學(xué)發(fā)現(xiàn)。CNN鑒定了更多高質(zhì)量單核苷酸變異并實(shí)現(xiàn)基因組變異的精準(zhǔn)預(yù)測(cè)。以3000多萬(wàn)單細(xì)胞測(cè)序數(shù)據(jù)作為學(xué)習(xí)語(yǔ)料,單細(xì)胞基底大模型優(yōu)化了基因表達(dá)模式和分子機(jī)制的預(yù)測(cè),如細(xì)胞類型注釋、基因共表達(dá)網(wǎng)絡(luò)和調(diào)控網(wǎng)絡(luò)推斷等。轟動(dòng)世界的AlphaFold模型利用蛋白結(jié)構(gòu)數(shù)據(jù)庫(kù)開展深度學(xué)習(xí)和算法優(yōu)化,從而高準(zhǔn)確度獲得了對(duì)未知蛋白復(fù)雜空間結(jié)構(gòu)和分子互作的解析。
2.AI助力高通量表型組學(xué)研究。我國(guó)在表型預(yù)測(cè)方面開展了有益的探索,例如:通過(guò)深度學(xué)習(xí)大樣本基因型與表型的非線性關(guān)系從而提高準(zhǔn)確性,應(yīng)用無(wú)人機(jī)遙感數(shù)據(jù)估算玉米地上生物量,基于高光譜圖像估算小麥產(chǎn)量和地上生物量;使用生成式對(duì)抗網(wǎng)絡(luò)預(yù)測(cè)水稻籽粒蛋白含量,采用單模態(tài)或多模態(tài)深度學(xué)習(xí)方法監(jiān)測(cè)小麥條銹病、番茄葉??;高光譜成像技術(shù)在作物表型上具有較大應(yīng)用潛力,也有開發(fā)出多功能的無(wú)監(jiān)督學(xué)習(xí)框架。
3.AI助力優(yōu)化作物編輯新工具。高彩霞團(tuán)隊(duì)等使用RNN開發(fā)了PREDICT的深度學(xué)習(xí)模型,高通量篩選了92423個(gè)pegRNA的主要編輯結(jié)果。通過(guò)對(duì)30多萬(wàn)引導(dǎo)RNA的高通量分析鑒定了最佳引導(dǎo)RNA,DeepPrime預(yù)測(cè)引導(dǎo)編輯效率,并優(yōu)化出適用于特定細(xì)胞類型的DeepPrime-FT和預(yù)測(cè)脫靶效應(yīng)的DeepPrime-Off。DeepCas9variants預(yù)測(cè)了9種Cas9變體的效率,DeepBE預(yù)測(cè)了63個(gè)堿基編輯器的效率。
4.AI助力田間集約化高效管理。借助機(jī)器學(xué)習(xí)或深度學(xué)習(xí)可實(shí)現(xiàn)雜草精準(zhǔn)管理、土壤墑情、土壤肥力評(píng)估、土壤污染和土壤生物多樣性評(píng)估等。
總體來(lái)講,智能育種技術(shù)尚處于處于興起階段,鑒于前期知識(shí)積累、數(shù)據(jù)充沛量、功能機(jī)制解析的深度等原因,目前智能育種僅在有限的主糧作物中開展。飼草智能育種尚未形成體系,僅限于少數(shù)表型高通量獲取方法探索與平臺(tái)建設(shè)、DNN和CNN等方法的嘗試應(yīng)用等,其現(xiàn)階段的水平離實(shí)質(zhì)性的智能育種技術(shù)要求相去甚遠(yuǎn),本文以下將詳盡分析。
3.飼草智能育種的關(guān)鍵科學(xué)問題及初步嘗試
飼草智能育種的關(guān)鍵科學(xué)問題
通過(guò)借鑒智能育種技術(shù)在作物上的應(yīng)用經(jīng)驗(yàn),應(yīng)當(dāng)從飼草基礎(chǔ)生物學(xué)的角度,針對(duì)以下科學(xué)問題及飼草特化性狀進(jìn)行布局研究。
1.飼草種質(zhì)多樣性與馴化性狀
在37萬(wàn)種開花植物中,有1000—2000個(gè)物種被馴化。飼草和糧食作物一樣,馴化改良利用始于萬(wàn)年前,如苜蓿等。然而,同糧食作物相比,其育種技術(shù)的發(fā)展水平與前沿基礎(chǔ)研究相差甚遠(yuǎn),顯見的是目前僅有6—7種不同飼草得到利用為人類供給能量和蛋白,絕大多數(shù)資源多樣性丟失或等待發(fā)掘利用。馴化性狀及馴化基因的鑒定和利用是作物遺傳改良的核心,但飼草因收獲器官和利用方式顯著不同于以籽粒為經(jīng)濟(jì)產(chǎn)量的糧食作物,如何定義飼草的馴化性狀,發(fā)展馴化育種基礎(chǔ)理論和開發(fā)馴化技術(shù)等成為需要首要思考的問題。
2.飼草再生與生物量生產(chǎn)性狀基因模塊及其網(wǎng)絡(luò)
飼草作物不同于糧食、油料作物的最大區(qū)別是地上生物量的全部收獲和利用,而其具有的刈割再生和多年生等特征顯著影響生物量的形成。應(yīng)研究生物量構(gòu)成要素與產(chǎn)量函數(shù),利用群體遺傳學(xué)、基因組學(xué)、基因編輯等手段,解析飼草刈割再生、多年生等特化性狀的遺傳基礎(chǔ),發(fā)掘重要基因模塊的功能及其調(diào)控機(jī)制,創(chuàng)制高生物量?jī)?yōu)異種質(zhì)。
3.飼草蛋白和能量總量與積累過(guò)程的生長(zhǎng)發(fā)育規(guī)律
飼草為畜牧養(yǎng)殖提供蛋白和能量。應(yīng)通過(guò)轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)與代謝組學(xué)等現(xiàn)代全景組學(xué)技術(shù)方法,闡明飼草地上部分蛋白與能量代謝、分布、積累的生長(zhǎng)發(fā)育規(guī)律,解析飼草蛋白與能量積累的遺傳基礎(chǔ)、基因模塊的功能及其調(diào)控機(jī)制,創(chuàng)制高蛋白或高能量積累的優(yōu)異種質(zhì)。
4.飼草特化生長(zhǎng)繁育性狀調(diào)控的基因模塊
飼草特化生長(zhǎng)繁育特性決定著生產(chǎn)方式和經(jīng)濟(jì)效益。應(yīng)解析器官分化、營(yíng)養(yǎng)生長(zhǎng)、開花期、自交不親和、近交衰退等形成的分子調(diào)控機(jī)制,創(chuàng)制生長(zhǎng)發(fā)育優(yōu)異、繁育障礙消減的新種質(zhì)。
5.飼草逆境韌性與生物量耦合的遺傳規(guī)律
我國(guó)飼草產(chǎn)業(yè)發(fā)展必須善加利用邊際土地,并適應(yīng)南北氣候差異大的特點(diǎn);同時(shí)需要探索逆境韌性生長(zhǎng)與高產(chǎn)的耦合機(jī)制。應(yīng)發(fā)展高通量無(wú)損表型組學(xué)等手段,解析飼草耐受非生物脅迫與生物脅迫的基因模塊,探索逆境韌性生長(zhǎng)與生物量形成的耦合機(jī)制,創(chuàng)制逆境穩(wěn)產(chǎn)的優(yōu)異種質(zhì)。
中國(guó)科學(xué)院等相關(guān)機(jī)構(gòu)飼草智能育種的初步嘗試
近年來(lái),中國(guó)科學(xué)院等相關(guān)機(jī)構(gòu)關(guān)注到飼草的重要性,布局了相關(guān)的科技創(chuàng)新戰(zhàn)略,圍繞著AI輔助飼草育種系統(tǒng)開展工作(圖4),在以下方面進(jìn)行了實(shí)踐和布局。
圖4 人工智能輔助飼草育種的流程與要求圖示
1.飼草基因組學(xué)與基因編輯技術(shù)方面
國(guó)內(nèi)科研人員先后成功獲得了紫花苜蓿、羊草、燕麥、黑麥草、狼尾草、田菁等飼草的全基因組序列;建立了紫花苜蓿、羊草、老芒麥、柳枝稷、甜高粱、飼用燕麥和田菁等飼草的遺傳轉(zhuǎn)化與基因編輯體系;發(fā)現(xiàn)紫花苜蓿、高粱、羊草等重要基因的功能,相關(guān)育種技術(shù)得到發(fā)展。如在甜高粱方面,通過(guò)泛基因組和群體基因組策略系統(tǒng)分析了高粱不同育種目標(biāo)對(duì)基因組變異的影響,解析了馴化基因的不同單倍型變化與利用方向,尤其克隆到調(diào)控甜高粱莖稈含糖量的重要節(jié)點(diǎn)基因,并開展基因組選擇育種,貫通了從基礎(chǔ)研究到產(chǎn)業(yè)化育種的鏈條。通過(guò)解析紫花苜蓿調(diào)控重要性狀的11個(gè)分子元件,開發(fā)了分子標(biāo)記10個(gè),選育出苜蓿新品系4個(gè),形成了紫花苜?;蚪M設(shè)計(jì)育種技術(shù)。
2.基于傳感技術(shù)的飼草獲取表型應(yīng)用方面
傳感技術(shù)發(fā)揮著至關(guān)重要的作用。配備RGB色彩模式和NDVI(歸一化差異植被指數(shù))成像的無(wú)人機(jī)技術(shù)尤為突出,它能夠提供飼草作物的生長(zhǎng)狀況、光合效率與葉綠素含量等多維度表型數(shù)據(jù),這為精準(zhǔn)農(nóng)業(yè)和作物表型分析開辟了新的方向。通過(guò)多時(shí)相遙感圖像結(jié)合RGB植被指數(shù)(RGVI),能夠有效監(jiān)測(cè)草地的生物量和葉片覆蓋度等關(guān)鍵性狀,為草地生產(chǎn)管理和質(zhì)量控制提供數(shù)據(jù)支持。此外,基于傳感器對(duì)土壤水分、溫度、pH等環(huán)境因素的實(shí)時(shí)監(jiān)測(cè),可以有效反映飼草作物對(duì)環(huán)境變化的響應(yīng)。多模態(tài)傳感器技術(shù)在紫花苜蓿(Medicago sativa)中實(shí)現(xiàn)了實(shí)時(shí)監(jiān)控其在不同環(huán)境條件下的生長(zhǎng)狀態(tài)。這些傳感器不僅能精確測(cè)量作物的物理特征(如植物高度、葉面積、根系分布等),還可以實(shí)時(shí)監(jiān)測(cè)作物的生理狀態(tài)(如水分狀況、氮素含量等重要生理指標(biāo))。例如,紅外傳感器技術(shù)在實(shí)時(shí)監(jiān)測(cè)作物水分狀況方面具有顯著優(yōu)勢(shì),通過(guò)探測(cè)作物葉片的溫度變化來(lái)評(píng)估其水分狀況,從而為研究作物的耐旱性提供重要依據(jù);激光掃描技術(shù)能夠精確測(cè)量作物的三維結(jié)構(gòu),利用高精度的點(diǎn)云數(shù)據(jù)為研究根系分布、葉片結(jié)構(gòu)及植物整體生長(zhǎng)提供詳細(xì)信息;近紅外光譜傳感器則可實(shí)時(shí)監(jiān)測(cè)作物的氮素含量、水分水平及其他關(guān)鍵營(yíng)養(yǎng)元素,進(jìn)而優(yōu)化作物的施肥策略和水分管理。
3.表型組學(xué)數(shù)據(jù)分析與知識(shí)圖譜的構(gòu)建方面
種康團(tuán)隊(duì)發(fā)展了表型組、代謝組雙組學(xué)表型鑒定方法,采用目標(biāo)數(shù)據(jù)特定型數(shù)據(jù)模型,無(wú)需大量數(shù)據(jù)實(shí)現(xiàn)目標(biāo)表型精準(zhǔn)鑒定,應(yīng)用于飼草育種將成為新品種創(chuàng)制強(qiáng)有力的工具。已有團(tuán)隊(duì)開始基于大數(shù)據(jù)和AI算法構(gòu)建農(nóng)業(yè)物種的表型知識(shí)圖譜,并結(jié)合基因組數(shù)據(jù)進(jìn)行聯(lián)合分析,以推動(dòng)育種效率和精準(zhǔn)化發(fā)展。例如,AgroLD知識(shí)圖譜平臺(tái)已將表型數(shù)據(jù)、基因型數(shù)據(jù)與環(huán)境數(shù)據(jù)結(jié)合,提供關(guān)于植物科學(xué)的知識(shí)圖譜,助力作物育種。類似的概念被引入飼草領(lǐng)域,逐步推動(dòng)了飼草育種的智能化進(jìn)程。例如,通過(guò)對(duì)苜蓿在鉛污染下的表型分析,揭示了其在重金屬脅迫下的耐性機(jī)制,顯著提升了其產(chǎn)量和抗逆性。苜蓿的GWAS研究揭示了在鹽堿脅迫和Phoma medicaginis病害感染下,影響生長(zhǎng)與生物量恢復(fù)的關(guān)鍵基因。也有耦合高光譜、代謝雙組學(xué)分析與特定型數(shù)據(jù)模型開展苜蓿耐鹽突變體篩選的工作。
4.相關(guān)建議
1.系統(tǒng)布局我國(guó)飼草智能育種BT IT底座,開辟基礎(chǔ)科研新賽道
在飼草飼料被確定為基本農(nóng)作物,以及出臺(tái)《國(guó)務(wù)院辦公廳關(guān)于踐行大食物觀 構(gòu)建多元化食物供給體系的意見》的背景下,國(guó)家發(fā)展和改革委員會(huì)、農(nóng)業(yè)農(nóng)村部和國(guó)家林業(yè)和草原局聯(lián)合發(fā)表了飼草產(chǎn)業(yè)高質(zhì)量發(fā)展意見,為飼草產(chǎn)業(yè)的未來(lái)發(fā)展提供了明確的行動(dòng)方案。飼草智能育種涉及種質(zhì)資源發(fā)掘、復(fù)雜基因組解析、基因組/表型組大數(shù)據(jù)與知識(shí)圖譜構(gòu)建,以及基因組智能選擇設(shè)計(jì)等多個(gè)方面,對(duì)BT和IT資源有著巨大的科技創(chuàng)新需求。因此,建議結(jié)合國(guó)家戰(zhàn)略,發(fā)展基于BT IT的飼草智能育種體系。
2.加強(qiáng)全國(guó)飼草智能育種基地網(wǎng)絡(luò)建設(shè)
我國(guó)自然資源稟賦差異大,適宜飼草產(chǎn)業(yè)發(fā)展的土地資源為鹽堿荒地、酸性貧瘠等障礙性土壤和草山草坡等。根據(jù)上述情況,建議充分發(fā)揮舉國(guó)體制的優(yōu)勢(shì),按照生態(tài)區(qū)劃,系統(tǒng)布局主要飼草作物的智能育種基地網(wǎng)絡(luò),全國(guó)一盤棋,在傳感器、表型獲取、數(shù)據(jù)分析、育種模型等多方面實(shí)現(xiàn)歸一化、標(biāo)準(zhǔn)化,以縮短育種周期、加速飼草品種的產(chǎn)業(yè)化。例如,由于開展DUS和VCU測(cè)試具有一定的復(fù)雜性,很多飼草(如紫花苜蓿)為自交不親和,一個(gè)品種的最小單株群體應(yīng)該多大才能代表一個(gè)品種符合DUS和VCU的測(cè)試,智能育種聯(lián)網(wǎng)試驗(yàn)體系的建立有利于系統(tǒng)解決上述問題。
3.發(fā)展飼草AI育種與數(shù)字孿生
發(fā)展飼草育種的數(shù)字孿生虛擬表達(dá)體系,模擬、分析和優(yōu)化育種場(chǎng)景的現(xiàn)實(shí)過(guò)程,結(jié)合傳感器數(shù)據(jù)、機(jī)器學(xué)習(xí)算法、高級(jí)建模技術(shù)和合成育種環(huán)境創(chuàng)建,準(zhǔn)確地反映飼草育種現(xiàn)實(shí)的對(duì)應(yīng)場(chǎng)景,從而實(shí)現(xiàn)“虛擬育種”。建議加速二者的融合發(fā)展,以實(shí)現(xiàn)更復(fù)雜、更精準(zhǔn)的飼草育種表達(dá)和建模,促進(jìn)飼草數(shù)字生命超越現(xiàn)實(shí)生命得以保存和發(fā)展,從而改善決飼草育種決策并提高整體育種效率。
景海春中國(guó)科學(xué)院植物研究所研究員。主要從事甜高粱基因組與分子育種研究。
種康中國(guó)科學(xué)院院士,中國(guó)科學(xué)院植物研究所研究員,國(guó)家自然科學(xué)基金委員會(huì)生命科學(xué)部主任,中國(guó)植物學(xué)會(huì)理事長(zhǎng),Journal of Integrative Plant Biology共同主編。長(zhǎng)期從事植物溫度感知信號(hào)網(wǎng)絡(luò)和飼草性狀分子設(shè)計(jì)理論研究與技術(shù)研發(fā)工作。
文章源自:
景海春, 胡偉娟, 金京波, 等. 加快飼草智能育種科技創(chuàng)新的思考與建議. 中國(guó)科學(xué)院院刊, 2025, 40(2): 310-319.
DOI:10.16418/j.issn.1000-3045.20250119001.
文章來(lái)源:中國(guó)科學(xué)院院刊,作者:景海春等
版權(quán)聲明: 1.依據(jù)《服務(wù)條款》,本網(wǎng)頁(yè)發(fā)布的原創(chuàng)作品,版權(quán)歸發(fā)布者(即注冊(cè)用戶)所有;本網(wǎng)頁(yè)發(fā)布的轉(zhuǎn)載作品,由發(fā)布者按照互聯(lián)網(wǎng)精神進(jìn)行分享,遵守相關(guān)法律法規(guī),無(wú)商業(yè)獲利行為,無(wú)版權(quán)糾紛。 2.本網(wǎng)頁(yè)是第三方信息存儲(chǔ)空間,阿酷公司是網(wǎng)絡(luò)服務(wù)提供者,服務(wù)對(duì)象為注冊(cè)用戶。該項(xiàng)服務(wù)免費(fèi),阿酷公司不向注冊(cè)用戶收取任何費(fèi)用。 名稱:阿酷(北京)科技發(fā)展有限公司 聯(lián)系人:李女士,QQ468780427 網(wǎng)絡(luò)地址:www.arkoo.com 3.本網(wǎng)頁(yè)參與各方的所有行為,完全遵守《信息網(wǎng)絡(luò)傳播權(quán)保護(hù)條例》。如有侵權(quán)行為,請(qǐng)權(quán)利人通知阿酷公司,阿酷公司將根據(jù)本條例第二十二條規(guī)定刪除侵權(quán)作品。 |