编辑丨&

农业，生民之本。当金黄的麦浪与稻田在风中起伏，农业研究者的辛劳不知是否会因此而减轻少许。部分研究者所采用的传统针对作物改良的方式受限于自然与植株本身的潜力，在当下还无法满足粮食安全的需要。

华中农业大学与中国科学院等深入分析了组学技术、基因组编辑这类可应用技术，共同探讨了如何利用人工智能模型，将上述技术提取出的精英基因纳入到现有与从头驯化的基因组中。

他们所探讨的研究结论，以「Integrated biotechnological and AI innovations for crop improvement」为题，于 20205 年 7 月 23 日刊登在《Nature》。

相关链接：https://www.nature.com/articles/s41586-025-09122-8

多模态数据整合与AI驱动的作物改良

在人均耕地面积不断减少的当下，气候极端事件、病虫灾害等威胁无疑是为日益严峻的粮食问题雪上加霜。在上个世纪，杂交育种将两个基因型不同的亲本系杂交，充分发挥了杂种优势，从玉米开始扩展到水稻小麦等主要粮食作物。

只是在当下，传统作物改良往往局限于单一的遗传信息，难以理解作物的复杂形状。这就需要整合组学技术、基因编辑等策略，从不同方面不同角度，对作物进行改良。

组学技术

组学技术已被用于系统地表征基因组学、转录组学、蛋白质组学以及其他方面如表观遗传学和分子相互作用。借助这些技术，研究者可以全面深入地了解作物的生物学特性、基因表达及代谢过程，构建更全面的作物性状图谱，识别出与产量、抗逆性等重要性状相关的关键基因和通路。

基因编辑

基因编辑已成为农业中的一种强大工具，提供了对作物基因组进行精确和高效修改的方法。现如今的相关技术，在发现新的生物学功能、精确的染色体工程、精细调节基因表达以及将 AI 与基因编辑的整合这四个方面有着快速的发展。

图 1：作物改良中的基因编辑。

借助 CRISPR/Cas9 等基因编辑技术，研究者能够精准地修改作物的基因组，赋予作物新的抗性或改良某些不良性状。同时，基于蛋白质设计的技术也可以优化作物的生理功能，提高其抗逆性和资源利用效率。

AI 正迅速通过提高效率、特异性和蛋白质工程能力来推动基因编辑的发展，最近如 AlphaFold 3 和蛋白质语言模型的突破 ，大幅推进了基于 AI 的蛋白质工程在基因编辑中的应用。

这些 AI 驱动的基因编辑进步为作物改良提供了前所未有的机会，但同时也存在一些挑战，包括可靠训练数据的短缺、生物系统的复杂性等。 为了应对这些挑战，未来的研究者就必须要尝试开发低成本的高通量测试系统、设计创新的模型架构、使用迁移学习对方法进行快速微调以及探索可解释的模型评估技术。

蛋白质设计

AI 驱动的蛋白质设计已经在生物工程的许多领域证明了其力量，但却很少有人将其应用在作物改良上。植物在蛋白设计应用上有许多优势，譬如更简单的表达，或者不会引起免疫等。蛋白质设计在植物学中有诸多应用，比如各类黏合剂，植物激素，生物传感器。

图 2：作物改良中的蛋白质设计。

从头设计的蛋白质可能会引发生物安全问题，为了避免该问题需要限制设计蛋白质作为辅助工具，指定更为完善的相关规则，在转录和翻译水平上对从头设计的蛋白质进行严格控制，以减少转基因作物的担忧。

人工智能在农业中的应用不仅限于数据处理，AI 通过深度学习算法对大数据进行分析，可以发现潜在的模式和关系，帮助研究者更好地预测作物改良的潜在路径。在大规模数据分析中，AI 算法可以筛选出最具潜力的作物性状，提升育种效率。

构建智能化作物育种平台

在论文中，团队借助一个假设 AI 模型，基于多模态数据进行训练，整合了农业领域的知识，如可用于作物改良的资源和技术。团队设想，使用时首先会将目标作物或通过从头驯化开发的新底盘作物的多模态数据输入模型，并与 AI 模型互动，设定合适的育种目标。

AI 模型随后生成一个全面的作物改良方案，该方案按照特定需求优先使用技术并按序执行，比如说传统育种，基因编辑这种工序，进行智能化的作物育种。

图 3：人工智能辅助作物设计进展示意图。

人工智能辅助作物改良在现代技术的支持下，必须与可持续农业的最佳实践相结合，并满足监管要求，以最大限度地发挥全球影响，确保长期、可持续的全球粮食安全。