学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2021-04-14 16:59所属平台：学报论文发表咨询网浏览： 次
摘要：当前，世界种业已进入空前的密集创新和产业变革时代，作物育种正迎来以信息技术和生物技术融合发展为标志的新一轮科技革命，并将引领种业进入智慧种业时代。为此，抢占农业智能设计育种技术及其产业发展的制高点已成为世界各国增强国际竞争力的重大战
摘要：当前，世界种业已进入空前的密集创新和产业变革时代，作物育种正迎来以信息技术和生物技术融合发展为标志的新一轮科技革命，并将引领种业进入智慧种业时代。为此，抢占农业智能设计育种技术及其产业发展的制高点已成为世界各国增强国际竞争力的重大战略。本文回顾了作物主要育种技术及模式的发展历程，总结了智能设计育种的含义和基本流程，论述了信息技术与智能装备在智能设计育种中的主要作用，包括表型-环境大数据获取解析、多重组学大数据分析、多维大数据驱动的智能育种预测模型构建、育种大数据存储管理与应用以及育种装备的机械化、自动化和智能化方面的内容;最后从信息技术和智能装备视角探讨了当前作物智能设计育种面临的主要问题与挑战，并从加速作物表型组技术体系构建、加快育种大数据建设、加强生物技术和信息技术的深度融合、务实推进种业智能装备自主研发和开展智能设计育种大联合大协作五个方面提出了具体建议。
关键字：育种;智能设计育种;信息技术;智能装备
引言
育种就是改变基因的组成来获得优良性状，正如中国农业大学陈绍江教授指出的：育种的核心就是发现和创造，选择和固定优势。当前，育种正迎来以基因编辑、合成生物学、人工智能等技术融合发展为标志的现代生物育种科技革命，需要紧密组织信息科学、生命科学、农学等多学科交叉合作，通过开展协同创新研究来系统获取表型组基因组环境大数据，从组学水平系统挖掘表型基因型环境型内在关联，全面解析重要性状形成机制，创制智能组合优良等位基因育种设计方案，最终实现作物新品种的智能、高效和定向培育。
农艺师论文投稿刊物：《分子植物育种》是北京大学图书馆《中文核心期刊要目总览》(2011年版)之核心期刊、中国科学技术信息研究所的中国科技论文统计源期刊之核心期刊;是中国科学院文献情报中心的中国科学引文数据库(CSCD)来源期刊，也被中国知网的中国期刊全文数据库(CJFD)、维普的中文科技期刊数据库、万方公司的中国核心期刊(遴选)数据库以及中国生物学文献数据库(CBA)收录。
育种技术的发展大体经历了驯化育种、遗传育种和分子育种个标志性阶段，目前正迈入大数据智能设计育种阶段。早期驯化育种，主要依靠自然变异选育农家品种，进程慢、效率低。得益于遗传学的发展，诱变育种、杂交育种等育种技术的应用，如杂交玉米、水稻的创制，以及矮化小麦的选育，使作物产量实现了第一次的飞跃。20世纪末，生物技术的发展促进了分子育种理论与技术的突破，做到了对基因的直接选择和有效聚合，实现了从“经验育种”到“精确育种”革命性转变。
目前，各国对分子技术精准育种的理论和试验研究很多，但全球范围内仅有少数育种企业，如拜尔孟山都、科迪华建立了完整的作物分子技术育种流程并开展分子设计育种实践应用，其育种流程可大致分为五大环节：基因挖掘，植物表型高通量测量与分析，大规模基因转化，制种与田间测试，和市场推广。其中，前三个环节需要借助高通量的基因测序技术、分子标记技术、高通量的表型获取技术对大量种质资源的基因型、表型进行精准鉴定;需要高效的大数据分析技术开展多重组学大数据偶联分析，高效筛选目标优势基因;并利用现代生物技术进行作物遗传改良及大规模基因转化改良，最后进行田间测试以及安全评价，逐步从实验室、温室走向大田，并完成市场推广工作。
随着测序、基因芯片技术等高通量基因型检测技术的普惠、以及生物信息技术的快速发展，大群体种质资源的基因型测序，分子标记高通量检测已经不再是现代育种技术的“卡点”和限速因素。然而，与飞速发展的基因组技术相比，作物表型高通检测技术和多重组学大数据整合分析模型算法等的发展明显滞后，已成为阻碍现代育种技术跨越式发展的瓶颈挑战。进入二十一世纪以来，物联网、移动互联网、大数据、云计算和人工智能等新一代信息技术的发展正加速推进人类社会向大数据、智能化时代迈进，一种新的育种理念——智能设计育种在世界范围逐渐兴起。在科研需求的驱动和技术方法快速发展的背景下，信息技术和生物技术将引领种业进入智慧种业时代。
人工智能、大数据、智能装备等技术与分子设计育种、基因编辑、合成生物学深度融合，将有助于破解作物表型高通检测技术、多重组学大数据整合分析模型算法等瓶颈问题，强化种质资源深度挖掘，加速智能设计育种创新体系构建，对培育战略性新品种、打赢种业翻身仗，实现我国种业跨越式发展具有重要意义。
1作物主要育种技术和模式回顾：从育种1.0至4.0科技进步推动育种技术不断向前发展，从早期的自然驯化、人工选择、诱变育种、杂交育种，逐渐发展到转基因育种、分子标记辅助选择育种、分子设计育种和全基因组选择育种等。无论是现代生物技术育种还是传统育种技术，育种的目标始终不变。高产、稳产、优质、高效和绿色是农业领域对作物品种的共同要求，也是国内外作物育种的主要目标。依据所涉及的主要育种技术，作物育种模式的变革历程可以被划分为四个阶段(图和表)：育种1.0阶段，即驯化育种时代。
一万年前，耕种者依靠对肉眼可见表型的观察，有意识的选择符合既定需求的野生物种并培育成作物[2]。从野生植物驯化为栽培植物，已经初步显示出遗传改良的作用，但很缓慢。在自然选择过程中，有助于作物生存和繁殖的变异经过世代累积得到加强，不利的变异被逐步淘汰，进而形成新的物种或变种，增加了对其环境的适应性。在过去上万年的时间里，世界各地的耕种者发现并培育了近7000种可供食用的植物[3]，这些依靠人工选择和驯化获得的原始地方品种，为现代栽培品种奠定了丰富的种质资源基础。但此时的育种处于凭借耕作者经验和技巧的初级状态，存在很大的盲目性和不可预测性，育种目标主要是选择能够适应环境且保证产量的品种，通常需要历经成百上千年才会出现一种主要粮食作物的驯化、栽培和大规模种植，作物改良进程十分缓慢。
育种2.0阶段，即遗传育种时代。十九世纪末，随着遗传学、进化论及有关基础理论的发展和育种效率的提高，作物育种逐渐发展为具有系统理论和科学方法的一门应用科学，并迅速迈入2.0阶段。孟德尔定律的发现作为跨时代的转折点，为现代育种奠定了理论基础，促进了作物育种的快速发展。这一时期的作物育种开始融入经典遗传理论[4-5]、田间试验设计和统计分析等，人类定向选择起到主要作用，育种结果具有一定的预见性，古老的原始地方品种也经不断选育发展为优秀的现代栽培品种。
在过去近100年时间里，传统育种技术极大地提高了作物产量，缓解了世界范围的粮食紧缺问题，但杂交育种、杂种优势育种和诱变育种等常规育种技术存在育种时间长、技术复杂、操作难度大、可控性差、改良效果不佳等不足，如杂交育种通常需要代及以上世代才能完成新品种的育成工作，育种效率仍然无法满足人们的需求。育种3.0阶段，即分子育种时代。
20世纪末，现代分子生物学与基因工程快速发展，转基因技术和分子标记也随之被用于选育优良品种[6-8]，作物育种也随之进入3.0阶段。分子育种时代利用分子标记、转基因、基因编辑等技术的定向、高效精确育种，克服了传统育种技术在实践中已不能有效地增强作物基因组，进而培育出新的作物品种的障碍，确定了高产、稳产、优质、抗逆和适应机械化的作物育种目标。
但是，从作物的育种流程来看，一个新的品种的培育至少需要年，甚至10年以上的时间，育种时间仍有很大的压缩潜力。育种4.0阶段，大数据智能设计育种时代。2018年初，“育种4.0”的理念提出[9]。与以往相比，这是一个由遗传学和信息系统的重大技术进步所催化的全新的育种阶段。从18世纪首次获得人工杂交种到如今基因工程育种，作物育种技术迅速发展，几百年的育种历程积累了大量育种数据，特别是近年来伴随高通量测序技术、表型获取技术的发展[10-11]，推动作物科学进入一个大数据、大平台、大发现的新时代。
大数据、云计算、人工智能等新一代信息技术、智能装备技术与生物技术深度融合的智能设计育种4.0，将驱动育种跨越式发展，加速实现精准化、智能化和工厂化的育种模式的变革。预计到世纪中期，作物新品种的培育周期可以缩短至一年或数月，甚至实现崭新作物品种的快速驯化。2智能设计育种21世纪以来，随着互联网、人工智能、深度学习等现代信息技术迅速发展，全球已迈入大数据时代。同时，信息科学与生命科学跨学科交叉融合为育种技术的跨越发展提供了新的契机。
2018年美国康奈尔大学玉米遗传育种学家、美国科学院院士EdwardsBuckler教授提出“育种4.0”——智能设计育种的构想[9]。随后，意大利科学家Harfouched等(2019)[12]、中国科学家王向峰等(2019)[13]、印度科学家Varshney等(2020)[1]相继提出育种4.0、智能育种的理念。智能设计育种是在分子设计育种的基础上融合最新的大数据、人工智能等技术的智能化育种解决方案，实现作物新品种高效、个性化选育，从而推动育种从“科学”到“智能”的颠覆性转变[13]。在分子设计育种中，重要农艺性状基因的克隆、定位以及重要性状形成的遗传机制解析是前提和基础[14]。目前，在作物遗传育种领域，对主要作物，如玉米、小麦、大豆等单个基因的功能鉴定及重要农艺性状形成的分子调控网络等研究仍显不足。
例如，在玉米万个功能基因中，进行克隆和功能验证的基因不足00个[13]。此外，作物产量、品种、抗逆等复杂性状大多数是由众多微效基因共同调控的数量性状，其遗传调控网络解析难度大、理论知识仍欠缺，极大地限制了分子设计育种技术在新品种培育中的应用。随着人工智能和大数据时代的到来，信息技术和智能装备在复杂对象的特征表征、多模态融合、基因挖掘、预测模型、决策反馈等方面表现出独特的优势，为克服分子设计育种的短板，实现复杂农艺性状精准、高效、个性化的智能育种提供了可能。
智能设计育种通过生命科学、信息科学等多学科交叉与协同创新，以作物基因型、表型、环境及遗传资源等组学大数据为核心，以人工智能技术为依托，通过遗传变异数据、多组学大数据、杂交育种数据的整合，实现基因的快速挖掘与表型的精准预测;基于全基因组层面上建立机器学习预测模型，创制智能组合优良等位基因育种设计方案，最终实现智能、高效、定向培育作物新品种[1,9,12-13]。
基因型大数据、表型大数据、环境大数据等多维大数据是驱动智能设计育种的核心，人工智能、育种机械化、传感器、大数据、转基因、基因编辑、分子设计育种、合成生物等技术是实现智能、高效、定向育种的动力支撑。智能设计育种的流程如图所示。根据不同作物的具体育种目标，通过多学科交叉协同，首先获取、集成基因组、表型组和环境组的多组学大数据，综合生物学、遗传学、育种学、生物信息学、计算科学等学科的相应信息，解析重要性状形成的分子基础;利用人工智能系统训练育种模型，在田间重复测产之前，应用基于基因型大数据、表型大数据、环境大数据已建立和验证的基因型表型环境模型，对“目标品种”的产量、抗逆性、适应性、品质性状进行海量计算并模拟其在不同环境条件下的表现与稳定性，最终创建基因型表型环境多维大数据驱动的精准育种方案，利用现代生物技术定向高效改良和培育新品种，可以显著缩短育种时间、提升育种效率、节省育种成本。
3信息技术与智能装备在智能设计育种中的作用
随着新一代基因测序、表型获取技术的高速发展，作物育种研究领域涌现出越来越多的基因数据、表型数据和环境数据，人工智能、信息技术与常规育种、生物技术深度融合，推动育种从杂交育种和田间筛选的传统育种流程向数据驱动的智能育种技术体系转变。未来育种将呈现数据获取(表型、基因型、环境型大数据、人工智能、5G)数据处理(人工智能、算法、模型)田间管理(机械、栽培、植保)的大数据驱动的育种模式。在此新的育种体系中，信息技术与智能装备技术应用在育种数据获取、解析、存储、管理、应用等各环节，将形成电脑辅助或代替人脑工作，智能装备代替人工劳作的颠覆性育种新模式。
3.1作物表型-环境大数据获取解析
2008年《自然》杂志首次提出“大数据”的概念[15]，随着新一代测序技术、生物传感器、表型高通量获取设备、平台、以及物联网技术、人工智能技术飞速发展以及其在农业领域的应用，作物育种大数据逐渐形成，包含基因型大数据、表型大数据、环境大数据等的多维大数据成为驱动智能设计育种的核心。数据获取与解析是育种大数据发展的重要基础，本部分将从传感器、作物表型高通量获取设施装备、物联网、表型智能解析四个方面进行论述。
新一代传感器。二十世纪80年代以来，作为现代信息技术的三大支柱之一的传感器技术获得了飞速发展。传感器是育种大数据获取的首要部件，主要包括两大类型：生命信息传感器和环境传感器。生命信息传感器主要是对作物生长过程在其细胞、组织、器官、植株和群体结构及功能特征的物理、生理和生化性状的检测，及时了解作物生长变化;环境传感器主要是对水分、土壤、空气等作物所生长的环境进行监控分析，及时了解环境变化。当前，结合RGB相机、激光扫描、热成像、多光谱和高光谱、荧光成像、射线、超声波等传感器，实现了从细胞、组织、器官、植株到群体多尺度的作物形态结构、生理动态等表型数据采集，形成从室内可控环境到田间的多生境、多维度、数万亿字节的大规模数据[16]。与此同时，环境传感器可对局部地区多年、多点、全生育期环境数据的自动化采集，包括气象数据、土壤数据、病虫害等多类数据，为育种方案精准设计以及品种最优种植生态区域选择提供强大的数据支撑。019年，美国国家科学院将新一代传感器技术列为未来农业发展的五大方向之一，并指出新一代传感技术将成为推动农业领域进步的底层驱动技术，将为系统认知提供数据基础[17]。
作物表型高通量获取设施装备。随着测序技术及生物信息技术的迅速发展，尤其是三代测序技术的日臻成熟，水稻、玉米、小麦等主要作物基因组精细物理图相继完成，作物功能基因组研究进入高通量时代，形成海量基因组大数据。此外，转录、蛋白、代谢数据累积也将进一步拓展，为作物重要农艺性状基因发掘及分子调控机理解析提供广泛数据支撑。伴随作物功能基因组学的飞速发展，传统表型技术的瓶颈日益突显，在此背景下作物表型组学应运而生。通过生物学、机械学、图形图像、计算科学等多学科交叉，以新型物理、化学和生物、生理传感器为依托，结合人工智能技术及物联网技术为代表的新一代表型获取装备体系正在为海量育种试验数据获取提供技术支撑，打破了几百年来“一把尺子一杆秤”的作物性状获取瓶颈。1998年，比利时CropDesign公司成功开发世界上首套大型植物高通量表型平台，命名为TraitMill，大规模开展水稻转基因及其性状的评价[18]。
之后，德国LemnaTec公司[19-20]、捷克PSI(PhotonSystemsInstruments)公司、澳大利亚植物表型组学中心[21]、德国尤利希植物表型研究所[22]、华中农业大学[23]、北京农业信息技术研究中心[24]等机构结合高通量的数字植物成像技术与性状演绎技术，相继研发室内、温室及田间高通量表型获取平台，实现室内可控环境下作物生长指标的高通量、自动化获取;野外无人机、田间表型平台、农业机械搭载的表型高通量采集系统实现大田作物表型、环境信息的自动化、高效获取。表型技术迅猛发展，正逐步满足高通量、高精度的需求，为作物功能基因组研究和作物智能设计育种提供强大的数据支持。物联网。以大数据为核心的智能育种时代，育种数据呈现信息大爆发现象。传统的数据记录、保存、传输方式存在速度慢、效率低、难以实现实时收集与分析等问题。
物联网是实现海量育种数据实时获取的保障，通过整合各类环境、土壤和植物传感器，以及基本感应器件(RFID、二维码、红外感应器和GPS等)，利用无线有线通信技术(ZigBee技术、蓝牙技术、射频识别技术、无线网络组网技术等)构建出育种场景传感网络，实现海量育种数据的实时获取。物联网在农业领域的发展应用受到世界各国的重视，欧洲已将农业物联网列为物联网18个重要发展方向之一;在我国，农业物联网也被列为物联网大领域重点示范工程之一。未来智能设计育种时代，结合物联网、5G技术等技术，将实现任意环境下育种数据采集传输存储应用各个环节的实时性、在线化和可视化[25]。
如何把获取的作物表型原始数据转化为具有生物学意义的信息至关重要。近年来，计算机视觉算法、图形图像处理以及人工智能技术在作物表型解析中得到广泛应用，通过融合育种专家的先验知识，可以从各种结构化和非结构化信息中自动提取作物形态、生长发育、生理变化、开花时间、病虫害等重要表型性状和逻辑关系，在海量大数据中实现表型性状的自动识别与精准计算。
目前，利用人工神经网络(ANN)[26]、卷积神经网络(CNN)[27-28]、深度卷积神经网络(CNN)[29-30]等算法实现了对玉米、小麦等不同作物器官的自动分类和识别、形态结构、生理指标、抗性指标等表型的高通量解析。今后，随着高通量、多生境、多尺度、多维度表型数据的进一步积累，适用于大数据分析的算法更新、软硬件系统升级、以及交互式可视化分析系统的构建将必不可少[25]。
3.2多重组学大数据分析
现代作物育种技术进入以生物技术与信息技术深度融合的智能化“4.0”阶段，直接推动作物科学乃至植物科学进入一个大数据、大发现的组学研究时代[25,31]。
高通量的环境传感器和作物表型获取设备正在产生越来越多的半结构化和非结构化数据(如图像、点云和光谱)，传统的数据分析和表达方法已无法满足解决复杂、抽象问题的需求[25。随着人工智能和大数据时代的到来，信息技术在复杂对象的特征表征、多模态融合、基因挖掘、表型预测等方面表现出独特的优势，为实现机器辅助或代替人工提供了可能。
近年来，通过开展将基因组数据与表型组、转录组、代谢组数据相结合的多组学研究，大量未知基因的功能被迅速解码，为精准设计育种提供了重要理论基础和科学依据[23,32-34]。华中农大严建兵课题组整合了来自同一玉米群体的基因组、转录组、表型组、代谢组、表观基因组、遗传变异以及遗传定位结果等多组学数据，构建了ZEAMAP，利用多维度生物组学数据的联合分析，挖掘株型、产量等性状的重要基因和遗传变异，实现了玉米多组学数据“云端”集成、快速检索和智能分析[35]。
4面临挑战与建议
在我国开局“十四五”、开启全面建设社会主义现代化国家新征程之际，“种业翻身仗”已提上日程，加速以信息技术与生物技术深度融合的智能设计育种是抢占未来农业产业发展制高点的关键。面对我们在进入智能设计育种的新模式过程中面临的诸多问题和挑战，从以下几个方面提出具体的建议。
(1)加速作物表型感知机理研究，构建作物表型组技术体系和标准体系。基因型、表型、环境型大数据是智能设计育种的核心，然而在农业领域，表型数据量明显积累不足，传统人工检测的问题日益突出，必须综合考量准确性、通量和成本之间的平衡。虽然“育种家的眼睛”可能永远都不会被完全替代，信息技术却让育种家看到更多，并为基于表型的筛选提供更好的信息[39。新一代传感器技术的突破与创新是加速作物表型大数据获取的底层驱动技术。因此，建议加强作物表型环境感知机理研究，运用生物传感器和新型材料突破多性状的连续监测，提高表型检测精度、增加生育动态、代谢组分等可测表型数量。相对于实验室或温室中进行的作物表型鉴定或筛选研究，大田试验是育种中最重要的一环。田间表型采集设备的智能化程度真正决定了作物表型组大数据发展进程的快慢。
因此，在未来的1020年，建议整合新一代传感器技术，加强边缘计算、机器人技术、无人机和遥感技术为田间育种提供表型大数据。另外，作物地下表型、微观表型、生理表型被列为未来表型技术的发展趋势与研究热点，解决作物深层表型精准采集和智能分析关键问题，可为农艺学家和育种学家提供更为丰富和全面的表型信息，将对智能设计育种基础研究具有重要意义。表型组学是一个多学科交叉协同的系统工程，建议加速作物表型组技术体系和作物表型数据采集、分析规范、数据存储与传输、知识服务等标准体系的构建。
(2)加快育种大数据建设，推进信息大融合与深度挖掘。我国农作物资源丰富，但对种质资源精准鉴定方面，比如是否具有高产、优质、抗逆、抗虫等性状，跟国外相比还有较大的差距。目前，我国作物种质资源保存总量已超过52万份，但完成资源精准鉴定的不到1.5万份。另外，我国农业数据繁多且杂，大量数据采集标准不统一，数据差异性大;表型数据、环境数据等育种数据不开放共享，各自独立，导致大量数据形成“信息孤岛”，可比较可利用的数据量少而又少。
大数据时代下，智能化育种的前提是标准化、系统化大数据体系。随着基因组测序、表型高通量获取技术及数据科学的迅猛发展，为规模化、批量化的种质资源精准鉴定、大数据存储与管理、开放共享的数据库构建提供了硬件基础和技术支撑。
因此，建议加快高通量、精准化、规模化、数字化的种质资源精准鉴定体系建设，加强基于大数据技术框架的育种数据采集、存储、管理、整合、挖掘技术研究，如在表型大数据构建方面，加强作物表型组大数据的结构标准化，推进挖掘语言的标准化，促进并形成系统化、数字化的作物种质资源数据库;鼓励以种业企业为驱动，建设覆盖全国性的大数据作物育种信息化体系，如2021年中央一号文件提出支持种业龙头企业建立健全商业化育种体系，实现数据的标准化采集、归类、融合和挖掘，同时实现数据的公共分析与服务，加强种质资源创新和品种研发创新，提高品种研发效率，缩短品种研发周期。
参考文献：
[1]VarshneyRK,SinhaP,SinghVK,etal.5Gsforcropgeneticimprovement[J].CurrOpinPlantBiol,2020,56190196.[2]MooseSP,MummRH.Molecularplantbreedingasthefoundationfor21stCenturyCropImprovement[J].PlantPhysiol,2008,147(3):969.
[3]KhoshbakhtK,HammerK.Howmanyplantspeciesarecultivated?[J].GeneticResourcesandCropEvolution,2008,55(7):925928.
[4]FisherRA.XV.—Thecorrelationbetweenrelativesonthesuppositionofmendelianinheritance[J].TransactionsoftheRoyalSocietyofEdinburgh,1919,52(2):399433.
[5]WrightS.Systemsofmating.I.Thebiometricrelationsbetweenparentandoffspring[J].Genetics,1921,6(3):309.
[6]AbdallahNA,PrakashCS,MchughenAG.Genomeeditingforcropimprovement:challengesandopportunities[J].GMrops&ood,2015,6(4):183205.
[7]ZhangF,WenY,GuoX.CRISPR/Cas9forgenomeediting:progress,implicationsandchallenges[J].HumMolGenet,2014,23(R1):R406.
作者：张颖，廖生进，王璟璐，郭新宇，杨信廷，赵春江
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/6400.html
《信息技术与智能装备助力智能设计育种》