植物基因工程的应用(“基因编辑+AI育种”，两大前沿技术融合能将作物育种成本降低90%)

Posted 2023-05-30

篇首语：锲而舍之，朽木不折;锲而不舍，金石可镂。本文由小常识网(cha138.com)小编为大家整理，主要介绍了植物基因工程的应用(“基因编辑+AI育种”，两大前沿技术融合能将作物育种成本降低90%)相关的知识，希望对你有一定的参考价值。

植物基因工程的应用(“基因编辑+AI育种”，两大前沿技术融合能将作物育种成本降低90%)

我们对人工智能（AI）并不陌生，对基因编辑CRISPR育种也常有耳闻。

AI是计算机领域近些年广受关注的话题，尤其是近期预测几乎所有蛋白质、发现矩阵乘法新算法等消息，一出现就引起整个科学界的关注。

CRISPR也得益于它定位精准、适用范围广等特点，成为了遗传疾病治疗，牲畜农作物品种改良的利器。

那么，CRISPR技术和AI育种的融合会擦出怎样的火花？据了解，它能将作物育种成本降低90%。

2021年，盖茨基金会向加州大学戴维斯分校的一个项目组捐赠了650万美元，用于开发农作物的AI育种工具。

CRISPR+AI究竟有什么样的魅力，让科学界和投资者纷纷投入其中，AI是如何在CRISPR基因编辑领域发挥作用的。要寻求这些问题的答案，我们要先了解一下什么是基因编辑育种。

01基因编辑育种是什么？

基因编辑技术（CRISPR）不仅可以用来治病救人，还可以改良作物，它能对指对目标基因进行精确操作，使基因实现定点突变、插入或删除，从而直接启动、关闭某些基因。

近年来，国内外植物基因编辑技术相关的论文越来越多，我国亦走在这一领域的前沿，此前“深究科学”报道过，中科院院士、知名植物学家朱健康正在利用CRISPR掀起一场农业革命，这种强大的新型基因编辑工具，可以精确定位和切割任何种类的遗传物质，是目前修改地球上生命密码最快、最简单以及最便宜的方法之一。

“CRISPR育种”顾名思义，就是将CRISPR技术用来培育农作物种子。

那么，这个过程为什么会用到人工智能（AI）？换句话说，AI是怎么在CRISPR育种领域发挥作用的？

02AI是怎么被训练用来育种？

我们知道，植物的表现型是由基因和环境共同决定的。

别看这只是生物学的基础知识，在现代分子育种过程中，基因和环境的作用是研究人员必须考虑的问题。

基因水平的变异和植物生化水平、宏观表现等息息相关

但要对不同水平测量的表现型进行分析，或者将表现型与基因型联系起来，就需要对大量的、有噪声的数据集进行处理。

有什么工具能帮助研究人员分析和处理这些庞大的数据集？

答案就是AI。

目前，AI推动农作物育种还是一个相对新颖的话题。

首先，第一个能用到AI的环节，就是研究基因组。

在传统的研究中，AI中常用的机器学习（Machine Learning）算法可以用于在新测序基因组中注释基因的结构和功能。

而现在，它还能进一步研究基因组的功能，这相当于是对传统基于组学方法的补充。

机器学习算法是个啥？简单来讲，就是让机器人自己教自己，根据大量的数据学会自己分析。

机器学习算法分为两种，一种是监督学习，一种是无监督学习。

监督，从字面上理解，就是有人看着。

具体来说，监督学习就是需要分析的数据已经被人为地进行了标记和分类，并告知机器不同类型的特点，然后让机器自己学习，区分出哪种属于A类，哪种属于B类。

无监督学习就更有意思了。在进行机器训练时，不告诉机器什么是A类，什么是B类（不同类型的特点），而是让它自己对数据进行分析和处理，然后用它自己“学”到的“知识”，依据数据的不同特点，对数据进行分类。

监督学习和无监督学习，右上为无监督学习，右下为监督学习

了解了机器学习的两种训练方式，接下来的问题是，怎么用？

细胞分子的数据往往可以用“组学”的数据来描述，比如基因组学、表观基因组学、蛋白质组学、转录组学、代谢组学等。

这些数据的规模非常大，并且十分复杂。因此，机器学习经常被研究人员用于这些数据的分析和解释，它在提高我们对植物生物学的理解方面的作用日益突出。

细胞生化的相关数据可以通过各类“组学”（基因组学、转录组学、蛋白质组学、代谢组学）方式来表述，AI可以用于分析这些不同层次和不同目标的数据

从宏观表现上来看，机器学习又能做什么？

以前，在宏观尺度上收集表型数据主要是借助人力，需要研究人员来测量不同的表型，但是人工测量的速度和精确度有限，这严重影响了实验数据的数量和质量。

目前，传感器可以测量一些环境参数和植物形状参数，比如重量、温度、水分、光照、湿度和气体浓度等。

但传感器只能测量空间上的一个点的数据，并不能描述植物表型中的形态特征，而这些特征对研究植物表型非常重要。

此外，虽然人工设计的图像处理方法已经被开发出来，并取得了一些成功。但想要测量更复杂的形态性状，就突破了人工方法能达到的极限，尤其是遇到植物比较复杂或存在噪声的情况，人工的方法十分困难。

这时候就需要AI出马了。

不同的宏观水平数据可以适用不同的传感器进行成像，研究人员借助AI可以对这些成像数据进行系统、全面的分析。

利用不同类型的传感器可以描述植物表型，观察到宏观上不同层面的植物形状。机器学习可以用于处理处理传感器成像数据，分析各种层面的植物表型特征

除了上述的生化层面和宏观层面的应用外，AI还可以被用于基因组预测、增加实验样本量、解释基因和环境对植物的共同作用、分析利用植物的次生性状等。

03CRISPR和AI技术融合的未来

那么，CRISPR和AI技术的结合会给我们带来什么，粮食危机问题能迎刃而解吗？这个问题依然没有答案，目前已有不少研究人员在做这方面的研究，有不少资金已经投入其中。

早在2019年11月，美国能源部（DOE）橡树岭国家实验室（ORNL）生物科学部门的研发人员丹·雅各布森（Dan Jacobson）就看到了CRISPR和AI技术结合的发展前景，他和他的研究团队利用机器学习开发出一种新的基因组选择算法，为AI在作物育种领域的应用打开了思路。

不到一年，2021年10月，北卡罗来纳州举办了第一届农业技术黑客马拉松基尼国赛，旨在使用计算机视觉、机器学习和机器人技术来加速农业研究。

紧接着，也是前文提及的，盖茨基金会向加州大学戴维斯分校的一个项目组捐赠了650万美元，旨在支持他们用AI、作物遗传学和3D建模来开发一种工具，以改善和加速豆科植物和高粱的育种速度。

2022年10月，利用CRISPR进行作物育种的Inari公司获得了1.24亿美元的E轮融资，据有关消息显示，Inari可以为种植者提供“定制”种子的服务，采用生物学、AI和软件工程等，将作物育种成本降低90%。

总的来说，利用AI和CRISPR进行农作物育种的优势已经逐渐显露，接下来，它们的精彩融合又会给我们带来什么？我们拭目以待。

参考资料

1.从设立重点实验室到数亿资金砸向初创公司，国内基因编辑作物产业化发展迅猛 (qq.com)

2.Machine learning in plant science and plant breeding.Aalt Dirk Jan van Dijk.iScience

3.鉴往知莱 | Flagship孵化“AI+基因编辑”，Inari大幅缩短植物育种时间，成本降低90% (qq.com)

4.AI for plant breeding in an ever-changing climate (techxplore.com)

5.UC Davis Awarded $6.5 Million to Develop AI Breeding Tool for Crops | College of Agricultural and Environmental Sciences

6.Plant Breeding AI Gets Schooled in New Student Competition | | Crop and Soil Sciences | NC State University (ncsu.edu)

来源：深究科学