Guangming Daily, Peking, 6. November: Reporter Yang Shu erfuhr vom Shenzhen Institute of Agricultural Genomics der Chinesischen Akademie der Agrarwissenschaften (Shenzhen Branch des Lingnan Modern Agricultural Science and Technology Guangdong Laboratory), dass das Team von Zhou Yongfeng vom Institut eine Methode vorgeschlagen hat Durch den Einsatz künstlicher Intelligenz beim Weinanbau kann die neue Züchtungsmethode die Züchtungseffizienz um das Vierfache steigern und den Züchtungszyklus der Trauben erheblich verkürzen. Von dieser Forschung wird erwartet, dass sie eine präzise Gestaltung und Züchtung von Trauben ermöglicht, die Innovation von Rebsorten beschleunigt und methodische Referenzen für die Züchtung anderer mehrjähriger Nutzpflanzen liefert. Relevante Forschungsergebnisse wurden am 4. November in der internationalen Fachzeitschrift „Nature Genetics“ veröffentlicht.
Zhou Yongfeng, ein Forscher am Shenzhen Institute of Agricultural Genomics der Chinesischen Akademie der Agrarwissenschaften, sagte, dass Trauben eine mehrjährige Kulturpflanze seien. Es dauert etwa drei Jahre, einen Traubenkern von der Keimung bis zur Fruchtbildung zu pflanzen. Will man aber gute Rebsorten anbauen, dauert es noch länger. Derzeit ist in der Züchtungsgemeinschaft noch immer die Kreuzungszüchtung die Methode der Wahl. Diese Methode erfordert oft jahrzehntelanges Screening und ist äußerst arbeitsintensiv. Darüber hinaus kommt es aufgrund des hochkomplexen Traubengenoms häufig zu einem hybriden Effekt nicht ideal nach Kreuzung.
Seit dem 21. Jahrhundert schlagen Züchter die molekulare Züchtung vor, die auf der Grundlage umfangreicher genetischer Variationsdaten im Genom analysiert und vorhersagt, um die Effizienz und Genauigkeit der Züchtung zu verbessern. Dabei ist die Beschaffung umfassender und genauer Daten zum Pflanzengenom von entscheidender Bedeutung.
Das Team von Zhou Yongfeng begann sich 2015 auf die Züchtung von Traubendesign zu konzentrieren und veröffentlichte 2023 die erste vollständige Referenz-Genomkarte von Trauben. Anschließend setzte das Team die Sequenzierung und Zusammenstellung fort und konstruierte das bislang umfassendste und genaueste Trauben-Pangenom.
Um die Beziehung zwischen Traubengenen und -merkmalen weiter zu klären, wählte das Team von Zhou Yongfeng mehr als 400 repräsentative Rebsorten aus fast 10.000 Rebsorten aus und führte drei Jahre in Folge 29 Tests durch, darunter Ährengröße, Hautfarbe usw. Agronomische Merkmale waren untersucht und eine Trauben-Genotypkarte und eine Merkmalskarte erstellt. Auf dieser Grundlage identifizierte das Team von Zhou Yongfeng mittels quantitativer genetischer Analyse 148 Genorte, die einen signifikanten Zusammenhang mit agronomischen Merkmalen haben, von denen 122 Genorte erstmals entdeckt wurden.
Angesichts der oben genannten Traubengenom- und Merkmalsdaten führte das Team von Zhou Yongfeng maschinelle Lerntechnologie in der künstlichen Intelligenz ein, um die komplexe Netzwerkbeziehung zwischen Genotyp- und Merkmalsdaten zu analysieren, und erstellte das erste genomweite Auswahlmodell für Trauben. Im Vergleich zur Kreuzung, die eine Beurteilung auf der Grundlage des Phänotyps der Trauben nach der Reife erfordert, kann dieses Züchtungsmodell mit Sequenzierung des gesamten Genoms mithilfe von Computersoftware die Merkmale der Trauben nach der Reife im Sämlingsstadium vorhersagen. Die Ergebnisse zeigen, dass die Vorhersagegenauigkeit des Multigen-Score-Vorhersagemodells, das strukturelle Variationsinformationen kombiniert, bis zu 85 % beträgt.
Mithilfe dieses Modells können Züchtungsexperten das genetische Potenzial großer Mengen an Traubenzuchtmaterial schnell und genau beurteilen, um bessere Sorten auszuwählen. Gleichzeitig werden Setzlinge, die die Bedingungen nicht erfüllen, so früh wie möglich beseitigt, wodurch unnötige Kosteninvestitionen reduziert und die Effizienz der Traubenzüchtung erheblich verbessert werden. Derzeit wurden relevante Forschungsergebnisse beantragt und genehmigt. 6 nationale Erfindungspatente und 1 internationales Patent wurden angemeldet.