Genome Biology：机器学习和生物大数据交叉融合助力智能育种

近日，Genome Biology在线发表了华中农业大学玉米团队题为“Target-Oriented Prioritization： targeted selection strategy by integrating organismal and molecular traits through predictive analytics in breeding”的研究论文。

该研究基于一个结合遗传研究和育种应用设计的包含5820份杂交种的玉米非完全双列杂交群体，开发了一套基于理想目标材料识别的机器学习算法：目标导向的优选技术（TOP， target-oriented prioritization）。该算法可整合组学数据实现多个性状的协同选择，在保证育种目标整体一致的基础上，特定性状实现更优，为作物智能设计育种提供了技术支撑。

作物育种技术正面临新的转型升级。利用基因编辑与合成生物学技术，借助生物和环境大数据与人工智能技术，快速聚合有利等位基因，实现作物新品种的定向智能培育被认为是未来育种技术发展方向。

多性状协同改良是目前制约育种效率的关键。作物育种中，育种家通常期待同时改良多个性状，但不同性状往往存在连锁累赘，如高产品种往往不抗病，适宜机械化收获的品种籽粒脱水快，但产量会受影响。同时选择两个或多个性状通常比选择单个性状育种更加困难。实际育种中，多性状选择主要有三种方法：一是逐项选择法，在一个育种周期中只对一个性状进行选择；二是独立淘汰水平法，在一个育种周期同时对多个性状进行选择，对满足条件的材料取交集；三是指数选择法，根据性状的经济重要性或期待改进的幅度对其进行加权的选择方法。尽管指数选择法比逐项选择法和独立淘汰水平法更有效，但性状重要性的赋值依赖育种家经验，且必须为每个特定的种群和育种目标建立理想的选择指数，这种思路操作起来非常困难，难以推广。

文章第一作者杨文宇博士开发了一套适用农作物的DNA画像技术，以特定品种（商业品种或区试对照材料）为目标，在育种资源中，通过基因组信息对材料进行“表型画像”，并搜索和“目标画像”整体性最相似的材料。该方法被命名为目标导向的优选技术（TOP， target-oriented prioritization）。该研究利用4套独立的不同数据集，对TOP选择效果进行测试，包括5820个F1的玉米杂交种，368个玉米自交系，282个玉米自交系和210个水稻自交系。研究结果发现，TOP方法在多个物种、多个数据中具有广泛的适用性，能有效平衡多个性状间的复杂相关性，实现与特定目标品种整体相似的前提下，筛选出特定性状更优的候选材料。如果进一步加入其它组学大数据，TOP的选择精度能进一步得到大幅提升。以我国生产上大面积推广的玉米品种“郑单958”为目标材料，从34188份理论可以组配的杂交组合中选出86个（中选率0.25%），进一步对这些中选的杂交组合进行田间试验验证，结果显示，10个杂交组合在整体性状和“郑单958”相似的基础上，实现了0.75%至8.66%的增产，为后续进行品种精准改良提供了优良材料资源，与常规杂交育种相比，大大降低了工作量。（生物谷Bioon.com）