中國農(nóng)業(yè)科學院深圳農(nóng)業(yè)基因組研究所的周永鋒團隊近日在《自然?遺傳學》上發(fā)表了一項重大研究成果，他們利用人工智能技術(shù)成功提升了葡萄育種的效率與精準度。

該研究通過構(gòu)建全面的葡萄泛基因組，并結(jié)合機器學習算法，實現(xiàn)了對葡萄農(nóng)藝性狀的高準確度預測，預測準確率高達85%。相較于傳統(tǒng)的育種方法，新技術(shù)能夠?qū)⒂N周期大幅縮短，并提高育種效率達400%，為葡萄品種的快速創(chuàng)新奠定了堅實基礎(chǔ)。

周永鋒團隊自2015年起便專注于葡萄的設(shè)計育種研究。在2023年，他們發(fā)布了首個葡萄端粒到端粒的完整參考基因組圖譜，該成果被《園藝研究》雜志選為封面文章。然而，團隊并未止步于此，他們進一步對多個葡萄品種進行了測序與組裝，構(gòu)建出了目前最全面、最準確的葡萄泛基因組Grapepan v1.0。

為了深入探究葡萄基因與性狀之間的關(guān)聯(lián)，周永鋒團隊從大量葡萄品種中精心選取了400多份代表性樣本，進行了連續(xù)三年的農(nóng)藝性狀調(diào)查。通過數(shù)量遺傳學分析，他們成功鑒定出148個與農(nóng)藝性狀顯著相關(guān)的位點，其中122個為首次發(fā)現(xiàn)。這一發(fā)現(xiàn)為理解葡萄性狀的遺傳基礎(chǔ)提供了重要線索。

在擁有全面、準確的基因組數(shù)據(jù)的基礎(chǔ)上，周永鋒團隊進一步引入了機器學習技術(shù)。他們利用訓練數(shù)據(jù)集構(gòu)建了葡萄全基因組選擇模型，并通過驗證集對模型進行了優(yōu)化。最終，測試數(shù)據(jù)集顯示，該模型的預測性能出色，準確率高達85%。

這一模型的建立，使得育種家能夠在葡萄幼苗時期就預測出其成熟后的性狀，從而及時剔除不符合條件的幼苗，大幅減少了育種過程中的人工成本和投入。這一技術(shù)的成功應用，不僅提高了葡萄育種效率，也為其他多年生作物的育種提供了有力的方法參考。

目前，周永鋒團隊的相關(guān)研究成果已經(jīng)申請并獲批了多項國家發(fā)明專利，同時還申請了國際專利，充分展示了該技術(shù)在葡萄育種領(lǐng)域的廣闊應用前景。