精准设计育种，加速新种质创制

人工智能，可期！

葡萄，因其独特的风味和口感，深受人们喜爱。种下一粒葡萄种子，从种子萌发到结出果实，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。能否找到一种既“快速”又“简便”的方法实现葡萄品种的“个性化”设计？育种家为此绞尽了脑汁。

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）周永锋团队提出利用人工智能指导葡萄育种的新方法，有望大幅缩短育种周期，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。近日，该研究成果发表在《自然·遗传学（Nature Genetics）》上。

从2.0到4.0 葡萄育种技术“跨越”

“葡萄美酒夜光杯，欲饮琵琶马上催。”这句千古流传的诗句反映了当时人们对葡萄的喜爱。

有研究表明，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。

总长度1.43Gb 构建全面的葡萄泛基因组

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（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，构建了目前最全面、最准确的的葡萄泛基因组（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。

预测准确率高达85% 早期选择更优化

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。

在研究中，研究人员将包含了性状和基因型的数据划分为3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的多基因评分预测模型，其预测准确率高达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。

　（宋雅娟）