我国科学家提出人工智能推动葡萄育种新方法
一种结合人工智能的育种技术，正在大幅度缩短传统的葡萄育种时间。记者从中国农科院基因组所获悉，该所周永锋团队提出利用人工智能进行葡萄育种的新方法，将大幅缩短育种周期，且预测准确度高达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育种设计，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。相关研究成果发表在《自然·遗传学（NatureGenetics）》上。
葡萄育种技术的数次跨越
葡萄是人类喜爱的水果，富含多种营养成分，且用途多样。然而一粒葡萄种子从萌发到结出果实，需要3年。而想要培育出“令人满意的”葡萄品种，需要的时间更久。
有研究表明，约1万多年前，人们就开始尝试“改造”葡萄，所谓“改造”，就是有选择性地通过特定手段对原有葡萄性状进行改良，这一过程又被称为育种。
早期，人们发现野生葡萄后，会把品质优良的葡萄苗保存下来，通过一代又一代的繁育，只留下符合要求的后代，这种方法固然有用，但高度依赖自然种质资源，可改良程度有限，因此，被称为育种1.0技术。后来，人们发现如果既想要葡萄“产量高”，也想要“甜度高”，可以把“产量高”的葡萄品种和“甜度高”的葡萄品种进行杂交，以培育出聚合了双亲优良性状的杂交后代，这种方法满足了有针对性选育葡萄品种的需求，但育种周期十分漫长，往往需要经过数十年的筛选，工作量极大，且由于葡萄高度杂合，杂交后，后代会出现性状分离，杂交效果并不理想，该方法被称为育种2.0技术。
进入二十一世纪以来，随着分子生物学、数量遗传学、生物信息学等学科的兴起，育种家提出育种3.0技术，即分子育种，通过分子标记来“设计”性状，并在此基础上，提出育种4.0，即智能设计育种，基于海量基因组和遗传数据进行分析预测，以提高育种效率和精确度，全基因组选择育种便是其中最具代表性的一种。
首个葡萄泛基因组发布
目前，葡萄育种仍停留在2.0阶段。要想实现从2.0到4.0的跨越，首先需要足够全面、准确的基因组数据。
为此，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（HorticultureResearch）》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，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。
“AI”指导葡萄育种
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。该研究获得了国家重点研发计划、国家优秀青年科学基金（海外）、国家自然科学基金、中央政府引导地方科技发展专项资金等项目的支持。
新京报记者周怀宗
编辑张树婧校对王心