加快饲草智能育种科技创新的思考与建议
|
（1）饲草基因组学与基因编辑技术方面。国内科研人员先后成功获得了紫花苜蓿、羊草、燕麦、黑麦草、狼尾草、田菁等饲草的全基因组序列；建立了紫花苜蓿、羊草、老芒麦、柳枝稷、甜高粱、饲用燕麦和田菁等饲草的遗传转化与基因编辑体系；发现紫花苜蓿、高粱、羊草等重要基因的功能，相关育种技术得到发展。如在甜高粱方面，通过泛基因组和群体基因组策略系统分析了高粱不同育种目标对基因组变异的影响，解析了驯化基因的不同单倍型变化与利用方向，尤其克隆到调控甜高粱茎秆含糖量的重要节点基因，并开展基因组选择育种，贯通了从基础研究到产业化育种的链条。通过解析紫花苜蓿调控重要性状的11个分子元件，开发了分子标记10个，选育出苜蓿新品系4个，形成了紫花苜蓿基因组设计育种技术。 （2）基于传感技术的饲草获取表型应用方面。传感技术发挥着至关重要的作用。配备RGB色彩模式和NDVI（归一化差异植被指数）成像的无人机技术尤为突出，它能够提供饲草作物的生长状况、光合效率与叶绿素含量等多维度表型数据，这为精准农业和作物表型分析开辟了新的方向。通过多时相遥感图像结合RGB植被指数（RGVI），能够有效监测草地的生物量和叶片覆盖度等关键性状，为草地生产管理和质量控制提供数据支持。此外，基于传感器对土壤水分、温度、pH等环境因素的实时监测，可以有效反映饲草作物对环境变化的响应。多模态传感器技术在紫花苜蓿（Medicagosativa）中实现了实时监控其在不同环境条件下的生长状态。这些传感器不仅能精确测量作物的物理特征（如植物高度、叶面积、根系分布等），还可以实时监测作物的生理状态（如水分状况、氮素含量等重要生理指标）。例如，红外传感器技术在实时监测作物水分状况方面具有显著优势，通过探测作物叶片的温度变化来评估其水分状况，从而为研究作物的耐旱性提供重要依据；激光扫描技术能够精确测量作物的三维结构，利用高精度的点云数据为研究根系分布、叶片结构及植物整体生长提供详细信息；近红外光谱传感器则可实时监测作物的氮素含量、水分水平及其他关键营养元素，进而优化作物的施肥策略和水分管理。 （3）表型组学数据分析与知识图谱的构建方面。种康团队发展了表型组、代谢组双组学表型鉴定方法，采用目标数据特定型数据模型，无需大量数据实现目标表型精准鉴定，应用于饲草育种将成为新品种创制强有力的工具。已有团队开始基于大数据和AI算法构建农业物种的表型知识图谱，并结合基因组数据进行联合分析，以推动育种效率和精准化发展。例如，AgroLD知识图谱平台已将表型数据、基因型数据与环境数据结合，提供关于植物科学的知识图谱，助力作物育种。类似的概念被引入饲草领域，逐步推动了饲草育种的智能化进程。例如，通过对苜蓿在铅污染下的表型分析，揭示了其在重金属胁迫下的耐性机制，显著提升了其产量和抗逆性。苜蓿的GWAS研究揭示了在盐碱胁迫和Phomamedicaginis病害感染下，影响生长与生物量恢复的关键基因。也有耦合高光谱、代谢双组学分析与特定型数据模型开展苜蓿耐盐突变体筛选的工作。 四、相关建议 （1）系统布局我国饲草智能育种BT﹢IT底座，开辟基础科研新赛道。在饲草饲料被确定为基本农作物，以及出台《国务院办公厅关于践行大食物观构建多元化食物供给体系的意见》的背景下，国家发展和改革委员会、农业农村部和国家林业和草原局联合发表了饲草产业高质量发展意见，为饲草产业的未来发展提供了明确的行动方案。饲草智能育种涉及种质资源发掘、复杂基因组解析、基因组/表型组大数据与知识图谱构建，以及基因组智能选择设计等多个方面，对BT和IT资源有着巨大的科技创新需求。因此，建议结合国家战略，发展基于BT﹢IT的饲草智能育种体系。 （2）加强全国饲草智能育种基地网络建设。我国自然资源禀赋差异大，适宜饲草产业发展的土地资源为盐碱荒地、酸性贫瘠等障碍性土壤和草山草坡等。根据上述情况，建议充分发挥举国体制的优势，按照生态区划，系统布局主要饲草作物的智能育种基地网络，全国一盘棋，在传感器、表型获取、数据分析、育种模型等多方面实现归一化、标准化，以缩短育种周期、加速饲草品种的产业化。例如，由于开展DUS和VCU测试⑤具有一定的复杂性，很多饲草（如紫花苜蓿）为自交不亲和，一个品种的最小单株群体应该多大才能代表一个品种符合DUS和VCU的测试，智能育种联网试验体系的建立有利于系统解决上述问题。 （3）发展饲草AI育种与数字孪生。发展饲草育种的数字孪生虚拟表达体系，模拟、分析和优化育种场景的现实过程，结合传感器数据、机器学习算法、高级建模技术和合成育种环境创建，准确地反映饲草育种现实的对应场景，从而实现“虚拟育种”。建议加速二者的融合发展，以实现更复杂、更精准的饲草育种表达和建模，促进饲草数字生命超越现实生命得以保存和发展，从而改善决饲草育种决策并提高整体育种效率。 |
下一篇：没有了