智能设计育种：当AI深度融入农业生物技术

编者按

在全球粮食安全面临气候变化、资源约束与需求增长多重挑战的背景下，传统育种方法的局限性日益凸显。中国农业科学院等单位的研究人员在《中国农业科技导报》发表的综述文章，系统梳理了智能设计育种的前沿进展与发展趋势，揭示了生物技术、信息技术与人工智能深度融合正在推动育种范式从“经验选择”向“精准设计”的根本性转变。

传统育种面临的多重瓶颈

极端气候冲击、生态约束加剧与需求结构性增长正在对全球粮食安全构成严峻考验。气候变化已成为威胁粮食安全的首要因素，极端高温、干旱、洪涝等灾害的发生频率与烈度持续上升。与此同时，全球33%的土壤已处于中度至高度退化状态，10.7%的全球土地受盐碱化影响，农业生产赖以维系的耕地与水资源正逼近生态承载极限。

传统育种技术在应对这些挑战时暴露出固有缺陷。育种周期长、效率偏低、资源消耗量大，且多数重要农艺性状受多基因调控，易受基因型与环境互作效应影响，性状间常存在拮抗关系。传统杂交育种依赖自然重组机制，易导致有利等位基因丢失，而远缘杂交虽能引入野生种中的优良抗性基因，却往往伴随生殖障碍与基因组不稳定等问题。

智能设计育种的核心驱动力

智能设计育种以生物技术、信息技术与人工智能的深度融合为核心，依托大数据、智能算法及智能装备，推动育种方式从“经验选育”向“精准创制”跨越。其核心驱动力体现在三个方面：

数据驱动的系统认知升级。 表型组、基因组、转录组、表观组、代谢组等全景组学数据呈爆发式增长，极大丰富了育种数据资源库。无人机遥感、近红外成像及自动化传感网络的技术革新使表型数据采集从传统静态观测转向动态实时感知，效率较以往提升5至10倍。

算法驱动的决策范式变革。 卷积神经网络、图神经网络、Transformer等先进算法已广泛应用于基因组预测、功能基因挖掘与表型精准设计等关键环节。以全基因组选择为核心的深度学习模型通过精准建模非线性遗传效应与基因型-环境互作关系，显著提升了复杂性状的预测准确度。

智能模型驱动的育种体系重构。 随着数字孪生与虚拟仿真技术的日趋成熟，育种试验可在数字环境中开展多情景模拟优化，实现虚拟交配、环境适应性筛选与育种方案的快速迭代。AI驱动的蛋白质结构预测与序列设计工具成功解析了数千种作物相关蛋白结构，使从基因序列到蛋白功能的定向优化设计成为可能。

AI赋能生物技术的三大路径

人工智能正通过优化蛋白质设计、指导功能元件构建、提升靶向性与稳定性等关键路径，系统性增强生物技术工具的效能与可靠性。

在转基因技术领域，AI推动其向精准化、智能化方向升级。核苷酸语言模型PromoGen能够从头合成物种特异性启动子，且多数合成启动子的活性显著高于天然启动子。专用计算工具可识别组织特异性基因组安全港，有效提高整合安全性。

在基因编辑技术领域，人工智能在编辑工具开发、gRNA设计及递送效率提升等关键环节发挥核心作用。基于蛋白质语言模型优化的尿嘧啶-N-糖基化酶，超过50%的变体酶活性提升1.5倍以上。通过AI技术挖掘26万亿碱基序列，设计出体积更小、脱靶风险更低的开源编辑器OpenCRISPR-1。

在合成生物技术领域，AI在设计与学习环节展现出独特优势。基于AI的启动子表达强度模型可精准预测重组启动子活性，大幅提高设计效率。叶绿体兼容智能设计平台通过模拟植物叶绿体环境，实现高通量定向进化筛选，成功获得催化效率提升25%至40%的二磷酸核酮糖羧化酶大亚基变体。

智能育种决策系统的构建与应用

随着数据实时采集技术的日趋成熟与育种大模型的持续迭代，育种决策正从传统经验依赖向自动化、智能化方向加速转型。

国际种业巨头已完成商业化育种系统的多轮升级。拜耳集团借助FieldView等大数据平台与AI模型为农户提供从选种到田间管理的全流程解决方案。科迪华公司大规模部署田间表型机器人TerraSentia，实现育种数据的自动化、高通量采集。美国Benson Hill公司依托CropOS平台，深度融合数据科学、机器学习与基因组学技术，借助植物自然遗传多样性快速培育营养强化型与可持续作物品种。

国内在智能育种系统研发领域同样取得显著进展。中国农业科学院搭建的3D全自动高通量表型平台实现了玉米全生育期无损监测与多光学图像批量处理。北京市农林科学院研发的“金种子智能育种平台”覆盖种质资源鉴定、性状改良、组合测配、全基因组选择等育种全流程，通过图神经网络与迁移学习技术的创新应用，使品种组配效率提升30%以上。中国农业科学院与华为联合发布的“农科大模型”、崖州湾实验室推出的“丰登”大模型、中国农业大学开发的“神农·固芯”平台，共同构建起我国新一代智能育种决策技术体系。

典型应用场景

在产量提升层面，智能设计育种聚焦于系统优化作物代谢进程。针对光合作用过程的改良是关键路径之一，通过定向进化技术与人工智能辅助设计，对固定二氧化碳的核心酶Rubisco进行改造，开发出催化效率更高、热稳定性更强的变体。通过改造植物细胞区室、优化能量代谢网络、设计智能氮响应回路等方式，为非豆科作物装配固氮酶系统，助力实现“氮肥自由”。

在增强作物耐逆性方面，智能设计育种在关键功能基因中植入环境响应元件，使作物能够自主感知温度、水分等环境因子变化，并动态调控营养分配策略。通过靶向编辑作物细胞壁蔗糖转化酶基因并植入热响应元件，可实现光合产物的智能分配，该技术已在番茄、水稻等作物中成功应用。

在品质改良领域，智能设计育种融合多组学数据与AI模型，系统解析蛋白质、维生素含量及口感等品质性状的遗传基础。以水稻为例，通过调控直链淀粉合成相关基因，可实现稻米食味与营养品质的双重改善。

未来发展趋势

智能设计育种正经历从辅助决策向自主设计、从单点突破向系统集成的关键性变革。

向数据驱动与平台化整合加速演进。智能设计将攻克多模态育种数据标准化的技术壁垒，开发低成本高通量的基因型与表型测定技术，以及全景组学大数据测序技术，为高精度基因组选择模型的构建提供核心支撑。

向模型驱动与智能化设计方向快速跃升。以自主可控育种大模型为中枢的融合智能体将实现广泛应用，基于人工智能的基因调控网络解析与育种元件设计技术日趋成熟，数字孪生技术将在智能设计育种中发挥核心赋能作用。

向体系化与自主创新方向全面迈进。预计到2035年，智能育种将步入自主体系成熟期，形成生物技术、信息技术与人工智能深度融合的一体化技术体系。农业生物大模型将具备跨物种、跨环境的强泛化能力，AI驱动的全基因组从头设计、蛋白质定向进化等前沿技术实现规模化应用。

结语

面对全球粮食安全的多重挑战与传统育种的技术瓶颈，智能设计育种正引领一场从“经验驱动”向“数据与模型双驱动”的范式革命。通过深度融合生物技术、信息技术与人工智能，实现多模态数据高效整合、智能算法迭代创新及装备协同联动，构建“基因解析-性状预测-方案设计-场景验证”的闭环智能化体系。这一变革不仅将育种流程从“后验选择”转向“前置精准设计”，更赋予育种领域前所未有的精准调控与主动塑造能力。

智能设计育种的核心目的是构建高产、稳产、高效、可持续的未来农业系统。随着育种大模型、数字孪生、基因编辑、合成生物学等前沿技术的深度融合，智能育种将加速向平台化、自主化方向演进，最终实现品种的自主创制。这不仅是农业育种技术路径的迭代升级，更是发展农业新质生产力、筑牢国家粮食安全屏障的战略支点。

本文根据《中国农业科技导报》2025年第27卷第12期《农业生物智能设计育种》一文整理，原作者：谷晓峰、张立超、李慧慧、付俊杰、汪海、王美霞、汪念、贺强、郑军、马有志、刘录祥、李新海、万建民。