20/07/2026，在一项最新研究中，国际半干旱热带作物研究所（ICRISAT）与德国莱布尼茨植物遗传学与作物植物研究所（IPK）及澳大利亚昆士兰大学的合作者提出了一个新框架，通过将生物学驱动的泛遗传学与人工智能（AI）驱动的预测模型相结合，有望彻底改变作物育种。该研究发表在《分子植物》期刊上，提出了一种前瞻性策略，旨在利用快速发展的人工智能预测模型来应对下一代作物育种的复杂性。

繁殖研究的困境：生物学还是预测？

在作物育种中，基因组预测有效捕捉与复杂性状相关的统计模式和相关性（例如每公顷谷物产量），但常常忽视了决定植物表现的组成性状之间的生物学关系（例如产量、谷物质量和耐逆性之间的权衡与相互作用）。相比之下，基于功能生物学的方法提供了性状调控的机制和因果见解，但通常在有限的遗传背景和环境条件下得到验证。

研究认为，整合功能基因组学、基因库多样性和先进人工智能，可以加速开发具有气候韧性、高产、营养丰富且适合市场的作物品种，以应对未来的农业挑战。

“这一战略为作物育种带来了变革性的愿景。当人工智能预测与功能基因组学和基因库中保存的丰富多样性相结合时，它可以塑造作物改良的下一个时代。”ICRISAT总干事Himanshu Pathak博士说，“在ICRISAT，我们正在推进整个农食品价值链中人工智能驱动的方法，开发面向旱地农业的未来技术和服务，助力全球粮食安全。”

现代作物育种主要沿着两条互补但又不同的路径发展：分子遗传学，侧重于理解性状背后的生物学机制;定量遗传学，强调利用大规模基因组和表型数据进行统计预测。虽然这两种方法各自独立促进了作物改良，作者认为整合它们为设计针对特定环境、生产系统和市场需求的下一代作物形象提供了前所未有的机会。

ICRISAT研究与创新副总干事Stanford Blade博士补充道：“ICRISAT的育种项目涵盖六个作物，产生大量基因组和表型数据。通过将人工智能与生物学结合，正如本路线图所述，我们可以在更短的时间内将生物学发现转化为可扩展的作物改良解决方案。”

文章倡导泛基因学概念，这一新兴框架超越了泛基因组学，将基因组变异与功能性状生物学联系起来。这些基于生物的基因组特征随后可以被整合进AI驱动的预测模型，包括深度学习框架，以提高预测准确性，更高效地识别优良的繁殖系，并加速遗传学增益。

“ICRISAT持续完善其育种项目，以提高效率。我们最近开发的快速繁殖协议就是一个例子。”ICRISAT加速作物改良全球研究项目主任Raman Babu博士说，“这代表了我们能够以更快、更精准和更高效的速度、更高效地向农民交付优质作物品种的又一有前景方向。”

实现这一变革性愿景需要基因组学、育种、生理学、人工智能和数据科学等领域的更强跨学科合作，同时投资数据共享平台、负责任的基因组资源治理以及为下一代研究人员建设能力。

ICRISAT基因库与性状发现首席科学家Manish K. Pandey博士补充道：“该研究将人工智能定位为不仅仅是计算工具，更是一个统一框架，能够将生物发现与可扩展的育种决策连接起来，加速气候受挑战世界的作物改良。我们已经通过大规模基因库基因组学、全基因组开发、性状发现以及人工智能辅助预测繁殖研究，推进这一愿景的关键组成部分。”

制定本战略文件的工作得到了印度政府生物技术部（DBT）的支持;通过ICAR-ICRISAT合作项目与印度农业研究理事会（ICAR）合作;美国盖茨基金会;德国作物信托;CGIAR 基因库加速器;CGIAR未来育种科学项目;以及全球性倡议VACS（适应作物与土壤愿景）。