近日，华中农业大学研究团队联合崖州湾国家实验室在Molecular Plant期刊发表题为“Exploring the oasis of plant genomes: From genetic variations to function and beyond”的综述论文。该研究系统阐述了植物遗传变异功能解析（Variation-to-Function，V2F）的最新理论与技术进展，前瞻性地提出了“功能等位基因型选择（Functional Allele Selection，FAS）”智能育种框架，为精准作物设计育种提供了全景式的路线图。崖州湾国家实验室青年科学家韩勖、华中农业大学博士研究生宗湛翔、崖州湾国家实验室博士后宁卫东为论文共同第一作者；崖州湾国家实验室/华中农业大学郭亮教授、华中农业大学赵虎研究员、崖州湾国家实验室/华中农业大学姚璇副教授、华中农业大学鲁少平副研究员为论文共同通讯作者。
为攻克V2F研究中数据孤岛与方法部署的难题，研究团队首先在基础设施层面同步推出了植物V2F资源信息平台PV2F（http://rgmi.hzau.edu.cn/pv2f），构筑了从理论到工具的闭环生态。该平台整合了前沿文献、案例指南及活跃的植物多组学数据库。创新性引入的PaperAI模块基于大型语言模型（LLM）驱动，实现了对前沿变异解析文献的检索增强生成（RAG），为科研人员提供智能问答支持。同时，案例模块提供了序列-功能（S2F）模型从底层环境配置、数据挖掘到WEB服务部署的全栈实操指南，旨在通过开放、协作的数字底座，为全球植物V2F研究注入高效的“数据燃料”（图1）。
图1 综述内容和PV2F数据库概览
在生物学规律解析维度，精准解析变异效应的第一步在于多维表征。综述系统梳理了过去十余年多物种遗传变异图谱的构建脉络，随着长读长泛基因组算法的迭代，SNP、INDEL及结构变异（SV）等标记的鉴定已趋于精准。然而，相较于受到连锁累赘和基因多效性严重制约的编码区，占比高达80%的非编码调控区才是下一阶段作物精准改良亟待挖掘的“功能富矿”。研究强调，未来的V2F研究必须由“水面上的显性变异”切入“水面下的复杂调控冰山”，深入解码顺式调控元件等非序列相似层面的精细调控网络。
针对后GWAS时代海量候选变异“关联易、因果难”的痛点，多维分子QTL（xQTL）的整合为破解该瓶颈提供了坚实的数据基础。综述深入剖析了全转录组关联分析（TWAS）、基因组共定位（Colocalization）以及孟德尔随机化（SMR）等统计学方法在效应基因排序中的互补逻辑。文章指出，融合深度学习算法与多维证据加权打分的新一代基因优先级排序框架（如在油菜研究中应用的POCKET工具），正显著提升功能位点的筛选通量，配合进化保守性评估与单细胞多组学，能够将空间与功能维度的解析推向极致。
在解读变异效应的底层技术上，人工智能（AI）正引发基因组学的一场技术革命。序列到功能（Sequence-to-Function，S2F）模型作为解析变异效应的核心引擎，能够直接以生物序列为输入进行分子表型的精准预测（图2），从而高效解码复杂的遗传调控语法。综述系统梳理了植物S2F模型的发展谱系，并提出了一个极具应用前景的具象化模型：通过深度学习精细设计顺式调控元件，实现对目标基因表达量的微调，进而定向改良作物的复杂经济性状（如提高油菜籽粒的含油量）。此外，大语言模型（LLM）与AI驱动的蛋白质理性设计，也正在为创制新型变异和底盘优化提供无限可能。
图2 序列-功能模型及其应用
基于对V2F机制的深刻认知，本综述的最终落脚点在于推动育种范式的跃迁，提出了功能等位基因型选择（FAS）理论框架（图3）。传统分子标记辅助选择（MAS）和基因组选择（GS）多依赖于统计学层面的变异关联，难以突破不利连锁与环境互作的限制。FAS框架则反其道而行之，主张通过V2F技术优先排序高置信度的因果变异，构建功能等位基因池，并基于等位基因兼容性矩阵，顶层设计最优的优良等位基因组合方案。这一框架不仅能够将环境协变量纳入智能基因组选择模型中以应对气候变化，更能无缝衔接CRISPR等基因编辑技术，实现功能等位基因的从头（De novo）理性设计，将作物育种从传统的“大群体筛选”跨入“按需定制”的智能设计时代。
图3 基于基因组变异（GVs）的作物智能设计育种
V2F与FAS的深度融合将全面激活作物的理性设计路径。该领域未来将聚焦于持续拓宽种质资源的多维组学深度（包括单细胞多组学与高通量表型组），迭代升级面向田间多模态表型的超大规模基因组语言模型与智能体，并依托数字共享平台推动全球学术协作，最终与前沿基因编辑技术闭环链接，实现育种效率的跃升。
