隨著分子生物學(xué)和信息技術(shù)的發(fā)展，全基因組選擇已廣泛應(yīng)用于作物育種中，但單一組學(xué)的解釋瓶頸也越來(lái)越大，實(shí)現(xiàn)遺傳－表型聯(lián)合預(yù)測(cè)亟待開(kāi)展研究。近紅外光譜技術(shù)作為一種快速、無(wú)損的分析方法，在牧草品質(zhì)檢測(cè)中得到了廣泛應(yīng)用，但在牧草育種及其聯(lián)合應(yīng)用中，還沒(méi)有研發(fā)提出可靠模型。
近日，我院草業(yè)所草地管理與加工利用創(chuàng)新團(tuán)隊(duì)開(kāi)展牧草近紅外光譜模型分析及深度學(xué)習(xí)建模，開(kāi)發(fā)了基于多組學(xué)貝葉斯算法的建模框架。通過(guò)核函數(shù)壓縮技術(shù)，從數(shù)千個(gè)光譜波長(zhǎng)中提取關(guān)鍵特征，解決了高維數(shù)據(jù)冗余問(wèn)題；結(jié)合再生核希爾伯特空間算法，突破線性模型限制，精準(zhǔn)捕捉光譜吸收峰的非線性交互效應(yīng)。首次建立牧草光譜－基因組聯(lián)合模型（Forage GS-NIR），該模型通過(guò)數(shù)據(jù)處理、模型架構(gòu)、訓(xùn)練方法、優(yōu)化策略和應(yīng)用場(chǎng)景等方面（圖1），成功開(kāi)發(fā)軟件平臺(tái)——牧草光譜－基因組聯(lián)合模型分析平臺(tái)v1.0（圖2）。
Forage GS-NIR模型具備以下優(yōu)勢(shì)：（1）預(yù)測(cè)精度顯著提升。通過(guò)全面解析遺傳背景與表型特征的關(guān)聯(lián)性，目標(biāo)性狀預(yù)測(cè)精度較傳統(tǒng)方法顯著提升。（2）育種周期大幅縮短。基于早期性狀預(yù)測(cè)功能，快速篩選具有優(yōu)良特性的個(gè)體，有效減少田間試驗(yàn)工作量，縮短育種周期。（3）綜合成本大幅優(yōu)化。通過(guò)虛擬表型預(yù)篩技術(shù)，避免對(duì)低潛力個(gè)體的冗余田間鑒定，減少人力、物力投入，綜合降低育種成本。（4）精準(zhǔn)育種技術(shù)革新。支持復(fù)雜性狀（如抗逆性、品質(zhì)）的高精度預(yù)測(cè)與數(shù)據(jù)驅(qū)動(dòng)的雜交組合優(yōu)化，加速優(yōu)良品系選育進(jìn)程，為定向培育高產(chǎn)、優(yōu)質(zhì)牧草品種提供科學(xué)依據(jù)。
當(dāng)前，F(xiàn)orage GS-NIR模型主要應(yīng)用于牧草品質(zhì)、產(chǎn)量、抗逆性等性狀的解析。未來(lái)，團(tuán)隊(duì)將進(jìn)一步整合多組學(xué)數(shù)據(jù)資源，構(gòu)建智能化育種分析平臺(tái)，同時(shí)深化國(guó)內(nèi)、國(guó)際育種數(shù)據(jù)整合，推動(dòng)AI育種技術(shù)規(guī)模化應(yīng)用，為牧草育種效率提升與農(nóng)業(yè)可持續(xù)發(fā)展提供科技支撐。
該研究得到重慶英才創(chuàng)新創(chuàng)業(yè)示范團(tuán)隊(duì)項(xiàng)目以及院草地管理與加工利用創(chuàng)新團(tuán)隊(duì)項(xiàng)目的資助。