?Abstract??
摘 要
2025年1月9日，華中農(nóng)業(yè)大學李林教授團隊聯(lián)合陳洪教授團隊在Plant Communications在線發(fā)表了題為“AutoGP: An Intelligent Breeding Platform for Enhancing Maize Genomic Selection”的論文。該研究推出了智能育種平臺AutoGP (http://autogp.hzau.edu.cn)，將高質(zhì)量SNP篩選、輕便的田間表型采集系統(tǒng)，以及功能完備的GS功能模塊相結(jié)合，為育種者提供了簡便、可靠的育種工具。通過玉米CUBIC群體驗證，AutoGP能夠篩選出最優(yōu)的組配親本，為加速作物改良和簡化育種流程提供了新路徑。
https://doi.org/10.1016/j.xplc.2025.101240
研究背景
?Background
在氣候變化和全球人口增長的雙重挑戰(zhàn)下，加快高產(chǎn)作物品種的開發(fā)迫在眉睫。盡管GS領(lǐng)域已積累了豐富的基因型和表型數(shù)據(jù)，并開發(fā)出高精度的機器學習模型，但這些技術(shù)距離育種者的實際應用仍有較高門檻。
研究內(nèi)容
Contents
李林教授團隊研發(fā)了AutoGP智能育種平臺，旨在簡化GS技術(shù)的應用流程，更好地服務(wù)于育種實踐。AutoGP集成了高質(zhì)量SNP篩選、輕便的田間表型采集系統(tǒng)，以及功能完備的GS功能模塊，為育種者提供了一體化解決方案，具體路徑如下：
1，高質(zhì)量SNP篩選與精準智能設(shè)計育種芯片：相比全基因組研究，針對特定功能基因的深入研究更具針對性和實用價值。本研究構(gòu)建了一個基因分型系統(tǒng)，專注于與關(guān)鍵農(nóng)藝性狀（如開花期和株高）密切相關(guān)的高置信度功能基因。通過液相微陣列測序，成功識別出5,061個功能基因，并提取了與這些性狀高度相關(guān)的高質(zhì)量SNP。這些SNP不僅增強了對性狀的解釋力，還揭示了基因在復雜網(wǎng)絡(luò)中的交互作用。借助AutoGP平臺，育種者可以輕松低成本利用這些高質(zhì)量SNP，實現(xiàn)更精準的基因組預測。這種方法兼具高效性和成本效益，在減少所需遺傳特征的同時，大幅提升了預測的準確性和可靠性。
2，便攜輕簡式田間表型提取：傳統(tǒng)的手動表型分析不僅耗時長、重復性差，還需高強度勞動且容易出錯。為提高效率，本研究開發(fā)了一套完整的田間表型提取流程，包括通過微信小程序進行數(shù)據(jù)采集，3D高斯?jié)姖u算法重建玉米植株，點云分割算法或交互式分割方法提取表型。借助AutoGP平臺，用戶只需一部智能手機，即可快速獲取詳細的玉米植株點云模型及表型信息，如玉米高度、葉片數(shù)量和葉夾角。這一流程顯著提升了田間表型數(shù)據(jù)獲取的效率與準確性。育種家只需要一部手機即可實現(xiàn)田間表型采集與數(shù)據(jù)保存、管理、檢索、以及后續(xù)的設(shè)計育種。
3，完備的GS智能設(shè)計功能模塊：AutoGP提供了五個核心功能模塊：模型訓練、表型預測、集成訓練與預測、最優(yōu)親本選擇，以及集成訓練與選擇。用戶可以從模型庫中靈活選擇五種機器學習模型（SVM、XGBoost、GBDT、MLP和RF）或四種常用深度學習模型（DeepGS、DLGWAS、DNNGP和SoyDNGP），以確定最適合的GS模型。此外，AutoGP還配備了環(huán)境信息嵌入模塊，支持模型訓練、表型預測及集成訓練與預測。這一模塊的引入使用戶能夠針對不同地區(qū)開展統(tǒng)一模型的表型預測，從而顯著提升模型的適應性與實用性。
作者介紹
華中農(nóng)業(yè)大學陳洪教授團隊博士生吳昊、趙亮和李林教授團隊博士生韓瑞為該論文的共同第一作者；李林教授、李偉夫副教授為該論文的共同通訊作者。本論文得到了生物育種專項智能設(shè)計育種項目（2023ZD04076）等的資助。
李林教授團隊聚焦于玉米密植高產(chǎn)理論與育種技術(shù)研究，主要利用農(nóng)學、生物學、信息學、大數(shù)據(jù)與人工智能科學等多學科交叉技術(shù)，進行玉米株型建成分子機制研究，提出了稀有等位基因是玉米株型建成的決定因子的觀點，開發(fā)了基于基因組大數(shù)據(jù)快速精細定位克隆數(shù)量性狀基因QTG的新策略QTG-seq、DeepBSA、以及QTG-Miner等；構(gòu)建了玉米第一代生物網(wǎng)絡(luò)大數(shù)據(jù)圖譜并開發(fā)了人工智能挖掘工具，解析了玉米株型建成分子基礎(chǔ)，對玉米株型、產(chǎn)量、開花期等分子網(wǎng)絡(luò)進行了系統(tǒng)鑒定，開發(fā)作物精準智能設(shè)計育種體系CropGPT，目前已經(jīng)為十余家育種單位提供生物大數(shù)據(jù)輔助育種服務(wù)。近年來，以通訊作者(含共同)在Nature Genetics，Nature Biotechnology，Molecular Plant (5篇)，Genome Biology (2篇)，Nature Communications，Plant Communications (2篇)，Journal of Integrative Plant Biology (3篇)，New Phytologist， Cell Reports，Plant Physiology，Crop Journal (2篇) 等國際主流期刊上發(fā)表論文30余篇，總引用超過4900次。
植物科學最前沿，專注于植物科學前沿進展、資訊、招聘信息的發(fā)布及方法軟件共享等。投稿及招聘請后臺回復“投稿”，均為無償；商務(wù)合作請聯(lián)系微信ID：zwkxqy?；