一分快3交流群|互动百科

2022中国农业科学十大进展发布 “基因”成高频词******

　　光明网讯（记者宋雅娟）12月16日，2022中国农业农村科技发展高峰论坛暨中国现代农业发展论坛在北京召开。论坛上发布了《2022中国农业科学重大进展》报告，该报告由中国农业科学院科技管理局和农业信息研究所科技情报分析与评估创新团队研制，遴选了10项能够充分代表2021年我国农业科技前沿研究水平、取得重大突破性进展的基础科学研究成果。

　　10项重大进展具体如下：

　　1.首次实现异源四倍体野生稻的从头驯化。提出异源四倍体野生稻快速从头驯化的新策略，突破了多倍体野生稻参考基因组绘制、遗传转化以及基因组编辑等技术瓶颈，建立了从头驯化技术体系；证明了异源四倍体野生稻快速从头驯化策略切实可行，对创制高产抗逆新型作物和保障粮食安全具有重要意义。

　　2.解析水稻品种适应土壤肥力的遗传基础。该研究鉴定到一个水稻氮高效关键基因（OsTCP19），阐明了土壤氮素水平调控水稻分蘖发育过程的分子机理，揭示了水稻对贫瘠土壤适应的遗传基础；为水稻氮高效育种提供了重大关键基因，对保障农业绿色发展具有重要意义。

　　3.首次绘制黑麦高精细物理图谱。该研究解决了黑麦基因组组装难题，绘制了黑麦高精细物理图谱，解析了黑麦染色体演化机制，鉴定了黑麦籽粒淀粉合成、抽穗期等关键基因；为麦类作物育种源头创新提供了独特基因资源。

　　4.实现杂交马铃薯基因组设计育种。该研究利用基因组大数据进行育种决策，建立杂交马铃薯基因组设计育种体系，培育了第一代高纯合度自交系和概念性杂交种“优薯1号”；证明了马铃薯杂交种子种植的可行性，推动了马铃薯育种和繁殖方式变革。

　　5.构建规模最大的猪肠道微生物基因组集。该研究通过对猪500个肠道样本开展深度宏基因组测序，并整合了已有的猪肠道菌群基因组，构建了规模最为宏大的猪肠道微生物基因组集；为猪强抗逆性、高生长速度、高饲料转化相关菌种挖掘和利用提供了重要资源。

　　6、揭示抗病小体激活植物免疫机制。该研究发现ZAR1抗病小体的钙离子通道功能，建立了钙信号与植物细胞死亡的联系，揭示了一种全新的植物免疫受体作用机制；为人工设计广谱、持久的新型抗病蛋白进而发展绿色农业带来了新启示。

　　7.揭示超级害虫烟粉虱多食性奥秘。该研究首次发现植物和动物之间存在功能性水平基因转移现象，揭示了烟粉虱“偷盗”寄主植物解毒基因，解析了广泛寄主适应性的分子机制；发现了昆虫多食性的奥秘，为害虫绿色防控提供了全新思路。

　　8.揭示光信号调控大豆共生结瘤机制。该研究解析了地上光信号与地下共生信号互作调控大豆根瘤发育的机制，证实了光信号对大豆根瘤形成及共生固氮的关键作用；揭示了豆科植物地上地下协同的新机制，为优化农业系统碳-氮平衡提供新策略。

　　9.首次实现二氧化碳到淀粉的人工合成。该研究设计了化学和酶耦合催化的人工淀粉合成途径，实现了不依赖植物光合作用的二氧化碳到淀粉的人工全合成；使工业化车间制造淀粉成为可能，为实现“双碳”和粮食安全战略提供全新解决思路。

　　10.揭示脊椎动物水生到陆生的演化遗传机制。该研究鉴定到脊椎动物肺、心脏及四肢等器官的遗传变异与陆生适应有关，系统解析了脊椎动物在早期登陆过程中的遗传演化机制；揭示了脊椎动物从水生到陆生演化的遗传奥秘，为理解脊椎动物水生到陆生的演化提供了关键认知。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）