赋能科研｜测序技术进步推动农作物智能育种

2023年4月14日，海南大学三亚南繁研究院等单位在Modern Agriculture杂志发表了题为“Smart breeding driven by advances in sequencing technology”的综述。该综述总结了作物育种技术的发展历程，探讨了大数据时代下包括育种模型、基因分型和未来智能育种在内的技术变革，其中测序技术的进步驱动智能育种技术发展。华大智造致力于成为生命科技核心工具缔造者、分子育种产业推动者，参与了综述中部分工作。

作物育种经历了人工驯化的育种1.0时代，到杂交育种的育种2.0时代，到基因编辑、分子标记，转基因、分子设计育种的育种3.0时代，现如今，作物育种正处于4.0时代，开发了基于基因型和表型技术的智能育种，同时将常规育种策略与人工智能、自动化及相关技术结合，培育具有更高产量潜力的品种。未来随着人工智能、测序平台等技术的进步以及跨学科研究的兴起，作物育种方法也在不断发展进步，从而可以更具有针对性的改造作物性状。

在过去的一个世纪里，为了满足人类的需要，育种从传统方法到现代方法不断进步。开始使用杂交育种、单倍体育种、多倍体育种和诱变育种，其中以杂交育种应用最为广泛。后来分子生物学快速发展驱动分子标记辅助育种的发展，常用分子标记包括简单重复序列(SSR)、单核苷酸多态性(SNP)、随机扩增多态性DNA (RAPD)、扩增片段长度多态性(AFLP)和限制性片段长度多态性(RFLP)，其中SNP标记因其在基因组中的均匀分布、低突变率和高遗传率而受到育种家的关注。2001年，Meuwissen等人开发了一种新型的标记辅助选择(MAS)，称为基因组选择(GS)。使用来自训练群体的已知基因型和表型数据构建基因组预测模型，然后预测候选个体的基因组育种值(GEBVs)。目前基于GS的育种仍是一项高发展潜力的前沿技术。

测序技术在全基因组测序、转录组测序等研究方向广泛应用，在重要农艺性状相关的分子标记挖掘方向同样应用广泛。基于测序技术的分子育种应用可提高育种效率、缩短育种周期和降低育种成本。

全基因组重测序(WGRS)利用SNP在全基因组水平上收集与突变相关的信息，用于分析重要的分子标记，尤其是在全基因组关联研究(GWAS)和筛选关键性状。为降低成本，育种家也会倾向于采用简化基因组测序方法进行大规模群体育种标记的筛选。在作物育种应用中通常有GBS， 2b‐RAD，RAD‐seq和AFSM这些简化基因组测序方法。与基于GBS和PCR的基因分型技术相比，SNP微阵列技术更加快速、高效和自动化。其中基于靶向捕获测序的液相芯片方法不受起始样本量或标记数量限制，目前比固相芯片应用更为广泛。

新的基因分型技术仍在不断开发中，比如近期研发的Hyper - seq技术(基于PCR后测序)，可实现快速、极低成本的基因分型工作。该技术依赖于添加特定的引物而不是酶切来扩增特定的DNA片段，大大节约时间以及省去复杂的实验过程。

综上所述，基因分型技术在不断改进，从而提高了简便性、成本效益、精确度和通量，加速了育种方法的发展。

基因分型技术在基因组辅助育种中的应用

通过分析现有的测序技术及其应用场景，会发现各类技术应用场景并不完全相同(Figure 3)。其中WGS技术在各个研究领域均衡发展。另外也有一些可节约成本的低丰度测序技术在多个领域应用。研究人员可根据实际样本量、成本预算、时间周期等因素综合考虑各类使用场景来选择测序技术。

大数据共享将有助于快速数据交换和支持智能育种

在过去，获取物种信息是一项具有挑战性的任务，然而，大数据时代的出现给作物育种信息获取带来了显著改变。在综合数据库中研究者就可轻松获取各种物种的全面科学数据信息。建立一个大数据平台可有利于研究者直观、快速地获取数据。数据的持续性增长和变化将推动信息共享平台以多元化和快速的方式发展。

人工智能和自动化在智能育种中的应用

人工智能在作物育种中具有巨大的潜力，并且将变得越来越重要。通过利用人工智能来预测与环境和时间尺度上复杂性状相关的育种相关信息，育种者可预测关键因素，并更快地应对新的环境挑战。自动化与人工智能相结合，有可能彻底改变育种领域。自动化结合各种技术，如信息技术、机器视觉和模式识别，与实验过程相结合，实现标准化、自动化、信息化和智能化。为育种过程中智能感知、决策、运营和研究服务。

华大智造MGICLab-LT超低温自动化生物样本库和MGISP–960高通量自动化样本制备系统在育种方面已有重要应用。MGICLab–LT为种质资源存储提供自动化的超低温的存储环境；MGISP‐960采用自动化移液系统，可大批量处理育种样本，减少重复操作，提高高通量测序的文库稳定性。

当前的环境变化和不断增长的世界人口需要快速、高效的育种方法来培育高产、高抗病性、优质的作物新品种。如何最大化利用基因组数据对作物改良，对育种者来说既是挑战也是机遇。使用基因分型技术、人工智能和自动化将是加快育种过程和提高效率的关键点。具体来说，人工智能将使研究人员能够以更少的努力进行复杂的研究，而自动化将大大提高实验的准确性和效率。此外，育种领域正在经历数据爆炸时代的快速变革和突破，预示着一场智慧育种革命的开始。