Chinesische Wissenschaftler schlagen künstliche Intelligenz vor, um neue Methoden der Traubenzüchtung voranzutreiben
Autor：Eve Cole
Aktualisierungszeit：2024-11-14 19:30:01
Eine mit künstlicher Intelligenz kombinierte Züchtungstechnologie verkürzt die traditionelle Traubenzüchtungszeit erheblich. Der Reporter erfuhr vom Institut für Genomik der Chinesischen Akademie der Agrarwissenschaften, dass Zhou Yongfengs Team vom Institut eine neue Methode zur Traubenzüchtung mithilfe künstlicher Intelligenz vorgeschlagen hat, die den Zuchtzyklus erheblich verkürzen wird und die Vorhersagegenauigkeit bis zu 85 beträgt Im Vergleich zu herkömmlichen Methoden kann die Züchtungseffizienz um 400 % gesteigert werden. Es wird erwartet, dass diese Forschung zu einem präzisen Design der Traubenzüchtung führt, die Innovation von Rebsorten beschleunigt und methodische Referenzen für die Züchtung anderer mehrjähriger Nutzpflanzen liefert. Relevante Forschungsergebnisse wurden in Nature Genetics veröffentlicht. Mehrere Sprünge in der Traubenzüchtungstechnologie Die Traube ist eine beliebte Frucht der Menschheit, reich an verschiedenen Nährstoffen und hat vielfältige Verwendungsmöglichkeiten. Allerdings dauert es drei Jahre, bis ein Traubenkern keimt und Früchte trägt. Und es dauert noch länger, bis sich „zufriedenstellende“ Rebsorten entwickeln. Untersuchungen zeigen, dass Menschen vor etwa 10.000 Jahren begannen, Trauben zu „transformieren“. Die sogenannte „Transformation“ besteht darin, die ursprünglichen Traubenmerkmale durch gezielte Maßnahmen zu verbessern.
Die Geschichte der menschlichen Domestizierung von Weintrauben lässt sich bis vor 10.000 Jahren zurückverfolgen. Foto mit freundlicher Genehmigung des Genominstituts der Chinesischen Akademie der Agrarwissenschaften . In den frühen Tagen, nachdem die Menschen wilde Weintrauben entdeckt hatten, konservierten sie hochwertige Weintraubensämlinge und züchteten sie von Generation zu Generation, sodass nur Nachkommen übrig blieben, die diese Anforderungen erfüllten Die Methode ist nützlich, hängt jedoch stark von natürlichen Keimplasmaressourcen ab und kann in begrenztem Umfang verbessert werden. Daher werden sie als Breeding 1.0-Technologie bezeichnet. Später entdeckten die Menschen, dass sie, wenn sie sowohl „hohen Ertrag“ als auch „hohe Süße“ an Trauben wollten, die Rebsorten mit „hohem Ertrag“ und die Rebsorten mit „hoher Süße“ kreuzen konnten, um eine Hybride aus beiden Eltern zu erzeugen Die Methode erfüllt den Bedarf an gezielter Züchtung von Rebsorten. Der Züchtungszyklus ist jedoch sehr lang und erfordert oft jahrzehntelanges Screening. Da die Trauben sehr heterozygot sind, kommt es nach der Hybridisierung zu einer Trennung der Merkmale. und der Hybrideffekt ist nicht ideal. Diese Methode wird als Breeding 2.0-Technologie bezeichnet. Seit Beginn des 21. Jahrhunderts, mit dem Aufkommen der Molekularbiologie, der quantitativen Genetik, der Bioinformatik und anderer Disziplinen, haben Züchter die Technologie Breeding 3.0 vorgeschlagen, d , schlug Züchtung 4.0 vor, d. h. eine Züchtung mit intelligentem Design, die auf der Grundlage umfangreicher Genom- und genetischer Daten analysiert und vorhersagt, um die Züchtungseffizienz und -genauigkeit zu verbessern.
Eine intelligente Designzüchtung wird die Zuchteffizienz und -genauigkeit erheblich verbessern. Foto mit freundlicher Genehmigung des Genominstituts der Chinesischen Akademie der Agrarwissenschaften. Das erste Trauben-Pan-Genom wurde veröffentlicht. Derzeit befindet sich die Traubenzüchtung noch im Stadium 2.0. Um den Sprung von 2,0 auf 4,0 zu schaffen, benötigen wir zunächst ausreichend umfassende und genaue Genomdaten. Zu diesem Zweck konzentriert sich das Team von Zhou Yongfeng seit 2015 auf die Designzüchtung von Weintrauben und wird 2023 die erste vollständige Telomer-zu-Telomer-Referenzgenomkarte von Weintrauben veröffentlichen. Die entsprechende Forschung wurde als Titelartikel in Horticulture Research veröffentlicht. "Vorgesetzter. Für ein präzises „Design“ reichen jedoch einzelne Genomdaten bei weitem nicht aus. Auf dieser Grundlage sequenzierte und assemblierte das Team von Zhou Yongfeng nacheinander neun diploide Rebsorten, darunter wilde und kultivierte Sorten, und erhielt 18 Telomer-zu-Telomer-Haplotyp-Genome und integrierte vorhandene Genomdaten, um die erste umfassendste und genaueste Traube zu konstruieren Pan-Genom, das fast dreimal so groß ist wie ein einzelnes Referenzgenom.
Trauben-Pangenom. Foto bereitgestellt vom Institut für Genomik der Chinesischen Akademie der Agrarwissenschaften. Um die Beziehung zwischen Traubengenen und -merkmalen weiter zu klären, wählte das Team von Zhou Yongfeng mehr als 400 repräsentative Rebsorten aus fast 29 agronomischen Merkmalen aus Beeren, Beerengröße und Schalenfarbe wurden untersucht und eine Trauben-Genotypkarte und eine Merkmalskarte erstellt. Auf dieser Grundlage identifizierte das Team von Zhou Yongfeng mithilfe einer quantitativen genetischen Analyse 148 Loci, die in signifikantem Zusammenhang mit agronomischen Merkmalen stehen, von denen 122 Loci erstmals entdeckt wurden. Die Studie ergab, dass es einen Zusammenhang zwischen den Loci gibt, die verschiedene Merkmale regulieren, wie z. B. die Nähe der Loci im Zusammenhang mit dem Gehalt an löslichen Feststoffen und der Beerenbreite. Darüber hinaus gibt es Bereiche mit erheblichen Unterschieden zwischen verschiedenen Traubengruppen (Wein, Tafel, amerikanische Tafelhybriden), wobei mehrere Bereiche mit der Beerenfarbe, der Adstringenz der Schale, der Beerenform, dem Ährengewicht, der Fruchtfleischfestigkeit, der Fruchtgröße usw. zusammenhängen. Verwandte genetische Loci deuten darauf hin, dass eine unterschiedliche Selektion auf agronomische Merkmale die Differenzierung von Wein- und Tafeltrauben fördert.
29 agronomische Merkmale und ihre Korrelationen zwischen verschiedenen Traubengruppen. Bild bereitgestellt vom Institut für Genomik der Chinesischen Akademie der Agrarwissenschaften. Umfassende und genaue Genomdaten sind die Grundlage für ein präzises „Design“ der Züchtung . Dies ist eine Frage, die in der intelligenten Züchtung beantwortet werden muss. Das Team von Zhou Yongfeng beschloss, maschinelles Lernen einzuführen, um ein Vorhersagemodell zu erstellen, um frühe Individuen auf der Grundlage von Ergebnissen vorherzusagen und auszuwählen, um Zuchtstrategien zu steuern und zu optimieren.
Zuchtstrategien durch genomische Selektion. Foto mit freundlicher Genehmigung des Instituts für Genomik der Chinesischen Akademie der Agrarwissenschaften . In dieser Studie teilten die Forscher die Daten mit Merkmalen und Genotypen in drei Teilmengen auf: Trainingssatz, Validierungssatz und Testsatz. Algorithmen für maschinelles Lernen wurden verwendet, um die komplexen Netzwerkbeziehungen zwischen Genotyp- und Merkmalsdaten zu analysieren, und das erste genomweite Selektionsmodell für Trauben wurde unter Verwendung des Trainingsdatensatzes erstellt. Die Forschung passte die Modellparameter durch den Validierungssatz weiter an, um das Modell zu optimieren. und schließlich wurde der Testdatensatz verwendet, um die endgültige Modellleistung zu bewerten. Die Ergebnisse zeigen, dass die Genauigkeit der rechnerischen Polygen-Score-Vorhersage, die strukturelle Variationsinformationen und maschinelle Lernmodelle kombiniert, bis zu 85 % beträgt.
Die Vorhersagegenauigkeit wichtiger agronomischer Merkmale wurde erheblich verbessert. Foto mit freundlicher Genehmigung des Instituts für Genomik der Chinesischen Akademie der Agrarwissenschaften. Mithilfe dieses Modells können Züchter das genetische Potenzial großer Mengen an Zuchtmaterial schnell und genau bewerten und so hervorragende Sorten auswählen. Im Vergleich zur Kreuzung, die anhand des Phänotyps der Trauben nach der Reife beurteilt werden muss, kann die selektive Züchtungstechnologie des gesamten Genoms die Merkmale der Trauben nach der Reife im Keimlingsstadium vorhersagen, unqualifizierte Sämlinge so früh wie möglich eliminieren und unnötige Keimlinge reduzieren Aufgrund der geringeren Arbeitskosten und Investitionen bietet es ein großes Anwendungspotenzial in der Traubenzüchtung, verbessert die Effizienz der Traubenzüchtung, beschleunigt die Bildung von neuem Traubenkeimplasma und erneuert die Traubenzüchtungsstrategien. Derzeit wurden relevante Forschungsergebnisse beantragt und genehmigt. 6 nationale Erfindungspatente und 1 internationales Patent wurden angemeldet. Die Forschung wurde vom National Key Research and Development Program, dem National Science Fund for Outstanding Youth (Overseas), der National Natural Science Foundation und den Sonderfonds der Zentralregierung zur Steuerung der lokalen Wissenschafts- und Technologieentwicklung unterstützt.
