Китайские ученые предлагают искусственный интеллект для продвижения новых методов селекции винограда
Автор：Eve Cole
Время обновления：2024-11-14 19:30:01
Технология селекции в сочетании с искусственным интеллектом значительно сокращает традиционное время селекции винограда. В Институте геномики Китайской академии сельскохозяйственных наук репортер узнал, что команда Чжоу Юнфэна из института предложила новый метод селекции винограда с использованием искусственного интеллекта, который значительно сократит цикл селекции, а точность прогнозирования достигает 85. % По сравнению с традиционными методами эффективность размножения может быть увеличена на 400%. Ожидается, что это исследование позволит достичь точного дизайна селекции винограда, ускорить внедрение новых сортов винограда и предоставить методологическую основу для селекции других многолетних культур. Соответствующие результаты исследования были опубликованы в журнале Nature Genetics. Несколько скачков в технологии селекции винограда Виноград – любимый плод человечества, богатый различными питательными веществами и имеющий разнообразное применение. Однако виноградному семени требуется три года, чтобы прорасти и принести плоды. А для выведения «удовлетворительных» сортов винограда требуется еще больше времени. Исследования показывают, что около 10 000 лет назад люди начали пытаться «трансформировать» виноград. Так называемая «трансформация» заключается в избирательном улучшении исходных качеств винограда с помощью определенных средств. Этот процесс также называется селекцией.
Историю одомашнивания винограда человеком можно проследить 10 000 лет назад. Фотография предоставлена Институтом генома Китайской академии сельскохозяйственных наук . В первые дни, после того как люди открыли дикий виноград, они сохраняли высококачественные саженцы винограда и разводили их из поколения в поколение, оставляя только потомство, отвечающее требованиям. Метод полезен, но он сильно зависит от природных ресурсов зародышевой плазмы, которые могут быть улучшены в ограниченной степени, поэтому их называют технологией Разведения 1.0. Позже люди обнаружили, что если они хотят получить одновременно «высокую урожайность» и «высокую сладость» винограда, они могут скрестить сорта винограда с «высокой урожайностью» и сорта винограда с «высокой сладостью», чтобы создать гибрид обоих родителей. Метод удовлетворяет потребность в целенаправленной селекции сортов винограда. Однако цикл селекции очень длительный и часто требует десятилетий скрининга. Рабочая нагрузка огромна, а поскольку виноград очень гетерозиготен, после гибридизации в потомстве будет наблюдаться сегрегация признаков. и гибридный эффект не идеален. Этот метод называется технологией Breeding 2.0. С начала XXI века, с развитием молекулярной биологии, количественной генетики, биоинформатики и других дисциплин, селекционеры предложили технологию Breeding 3.0, то есть молекулярную селекцию, которая использует молекулярные маркеры для «проектирования» признаков и на этой основе , предложил «Разведение 4.0», то есть интеллектуальное проектирование разведения, которое анализирует и прогнозирует на основе массивных геномных и генетических данных для повышения эффективности и точности разведения. Наиболее репрезентативным является полногеномное селекционное разведение.
Интеллектуальный дизайн селекции значительно повысит эффективность и точность селекции. Фотография предоставлена Институтом генома Китайской академии сельскохозяйственных наук. Опубликован первый пангеном винограда. В настоящее время селекция винограда все еще находится на стадии 2.0. Чтобы совершить скачок от 2.0 к 4.0, нам сначала нужны достаточно полные и точные геномные данные. С этой целью команда Чжоу Юнфэна с 2015 года сосредоточилась на проектной селекции винограда и в 2023 году выпустит первую полную справочную карту генома теломер-теломеры винограда. Соответствующее исследование было опубликовано в качестве титульной статьи в журнале Horticultural Research. "начальство. Однако для достижения точного «проектирования» данных одного генома недостаточно. На основе этого команда Чжоу Юнфэна последовательно секвенировала и собрала 9 диплоидных сортов винограда, включая дикие и культивируемые сорта, и получила 18 геномов гаплотипов теломеры-теломеры, а также объединила существующие геномные данные, которые были использованы для создания первого наиболее полного и точного винограда. пангеном, который почти в три раза превышает размер одного эталонного генома.
Пангеном винограда. Фотография предоставлена Институтом геномики Китайской академии сельскохозяйственных наук. Чтобы дополнительно прояснить взаимосвязь между генами и характеристиками винограда, команда Чжоу Юнфэна выбрала более 400 репрезентативных сортов винограда из почти 10 000 сортов винограда по 29 агрономическим признакам, включая содержание метаболитов. Исследовали ягоды, размер ягод и цвет кожуры, построили карту генотипа и карту признаков винограда. На этом основании команда Чжоу Юнфэна использовала количественный генетический анализ для идентификации 148 локусов, значимо связанных с агрономическими признаками, из которых 122 локуса были обнаружены впервые. Исследование показало, что существует корреляция между локусами, которые регулируют различные признаки, такие как близость локусов, связанных с содержанием растворимых твердых веществ и шириной ягоды. Кроме того, существуют области значительной дифференциации между различными группами винограда (винные, столовые, американские столовые гибриды), причем множество областей связано с цветом ягод, терпкостью кожицы, формой ягоды, массой початка, твердостью мякоти, размером плода и т. д. Родственные генетические локусы указывают на то, что дивергентный отбор по агрономическим признакам способствует дифференциации виноделия и столового винограда.
29 агрономических признаков и их соотношение между разными группами винограда. Изображение предоставлено Институтом геномики Китайской академии сельскохозяйственных наук. «ИИ» руководит селекцией винограда. Комплексные и точные геномные данные являются основой для точной «проектной» селекции. Как глубоко изучить эти данные, чтобы оптимизировать стратегии селекции и руководить селекцией? Это вопрос, на который необходимо ответить в разумном разведении. Команда Чжоу Юнфэна решила внедрить машинное обучение для создания модели прогнозирования, позволяющей прогнозировать и выбирать ранних особей на основе оценок, чтобы направлять и оптимизировать стратегии разведения.
Стратегии геномной селекции. Фотография предоставлена Институтом геномики Китайской академии сельскохозяйственных наук . В этом исследовании исследователи разделили данные, содержащие признаки и генотипы, на три подмножества: обучающий набор, проверочный набор и тестовый набор. Алгоритмы машинного обучения использовались для анализа сложных сетевых взаимосвязей между данными о генотипе и признаках, а первая модель отбора по всему геному винограда была построена с использованием набора обучающих данных. В ходе исследования параметры модели были дополнительно скорректированы с помощью набора проверки для оптимизации модели. и, наконец, набор тестовых данных использовался для оценки окончательной производительности модели. Результаты показывают, что точность прогнозирования вычислительной оценки полигенов, которая объединяет информацию о структурных вариациях и модели машинного обучения, достигает 85%.
Точность прогнозирования основных агрономических показателей значительно улучшилась. Фотография предоставлена Институтом геномики Китайской академии сельскохозяйственных наук. С помощью этой модели селекционеры могут быстро и точно оценить генетический потенциал большого количества селекционного материала, тем самым лучше отбирая превосходные сорта. По сравнению со скрещиванием, о котором необходимо судить по фенотипу винограда после зрелости, технология полногеномной селекции позволяет прогнозировать признаки винограда после зрелости на стадии рассады, как можно раньше устранять неквалифицированные саженцы и сокращать ненужные затраты на рабочую силу и инвестиции, он имеет большой потенциал применения в селекции винограда, повышает эффективность селекции винограда, ускоряет создание новой зародышевой плазмы винограда и внедряет инновационные стратегии селекции винограда. В настоящее время на соответствующие результаты исследований поданы заявки и утверждены 6 национальных патентов на изобретения и 1 международный патент. Исследование было поддержано Национальной программой ключевых исследований и разработок, Национальным научным фондом для выдающейся молодежи (за рубежом), Национальным фондом естественных наук и специальными фондами центрального правительства для руководства развитием местной науки и технологий.
