AI技术在农业领域的创新应用
近年来，人工智能（AI）技术在农业领域的应用逐渐崭露头角。中国农业科学院植物保护研究所的康厚祥研究员及其团队，成功研发了一种基于AI的抗病表型精准预测法，为作物抗病育种带来了革命性的突破。该方法通过全基因组关联分析和机器学习技术，能够精准预测水稻稻瘟病、小麦条锈病等作物的抗病性，预测准确性超过90%，显著提高了抗病品种的筛选效率。
传统抗病育种的挑战
传统抗病育种主要依赖于田间抗病鉴定，这种方法不仅耗时耗力，而且成本高昂。例如，对于水稻稻瘟病的田间抗病鉴定，市场价格大约在1000元/品种/地点。如果一家育种公司在育种过程中通过不同组合产生10000个中间材料，使用传统方法进行抗病鉴定，费用可能高达1000万元人民币，并且至少需要一个生产季节的时间才能完成。此外，已知的抗病基因数量有限，难以满足高效选育抗病品种的需求。
抗病表型精准预测法的技术路线
康厚祥研究员及其团队利用水稻和小麦的核心群体，收集了高密度单核苷酸多态性（SNP）数据和表型数据。通过全基因组关联分析（GWAS），他们识别了与病害抗性相关的标记性状关联（MTAs）。在此基础上，团队开发了三种新型机器学习模型：随机森林分类加亲缘关系（RFC_K）、支持向量分类加亲缘关系（SVC_K）和轻量梯度提升机加亲缘关系（lightGBM_K）。这些模型结合了亲缘关系信息，显著提高了预测准确性。
机器学习模型的优异表现
研究结果显示，RFC_K、SVC_K和lightGBM_K模型在预测水稻稻瘟病抗性方面的准确性最高达95%，跨群体预测结合人工接种鉴定的准确性也高达91%。对于小麦麦瘟病和条锈病的预测准确性分别达到90%和94%。此外，对于水稻纹枯病和水稻黑条矮缩病这两种公认难以准确鉴定抗病性的病害，预测准确性均达到85%。这些结果表明，该方法具有广适性，未来合理利用可显著提高作物抗病育种效率。
未来展望
这项研究不仅为预测植物病害抗性提供了有价值的策略，而且为使用机器学习简化基于基因组的作物育种铺平了道路。康厚祥研究员表示，团队计划与育种公司开展合作，将这一技术推向应用市场。通过结合已经成熟且成本低廉的全基因组SNP标记检测技术，育种公司可以高效、数字化地筛选抗病品种，降低筛选成本，提高筛选效率。
结语
AI技术在农业领域的应用前景广阔，抗病表型精准预测法的成功研发，标志着作物抗病育种进入了一个新的时代。随着技术的不断优化和推广，未来有望在全球范围内显著提高粮食生产安全，为人类社会的可持续发展做出重要贡献。
相关文章
