近期，华中农大严建兵团队在Journal of Genetics and Genomics上发表综述：Engineering the future cereal crops with big biological data: towards an intelligence-driven breeding by design。该文回顾了近年来在作物育种领域取得的进展，涵盖了作物农艺性状的机制、新兴技术的开发以及作物生物大数据的研究等多个方面。文章还探讨了将这些研究成果融合到智能化育种策略中的可能性，并对未来作物育种的发展方向和作物结构的创新进行了展望。
作者首先指出，谷物作物如水稻、小麦和玉米是人类主要的热量来源和生物燃料的原材料。随着科技的进步，尤其是生物技术的应用，作物育种在确保全球粮食供应方面发挥了关键作用。但是，面对不断变化的环境和日益增长的人口，我们需要更快地培育出高产、优质、适应性强的作物品种。
文章回顾了谷物作物育种的最新成就，包括对作物农艺性状的当前认识、新开发的技术、作物大数据研究，以及将这些整合起来进行智能化驱动育种的可能性。这种育种方式开启了作物育种实践的新时代，并塑造了未来作物的新架构。文章特别关注了水稻、玉米和小麦等主要谷物作物，解释了智能化育种如何成为现实。
作者还讨论了从完美的基因组到完整的端粒到端粒参考基因组的进展，这些新资源有助于解码作物基因组中的“暗物质”。重复序列是端粒到端粒基因组组装中最具有挑战性的基因组区域，这些区域长期以来一直是基因组研究中的“暗物质”。然而，功能基因组学研究表明，这些区域在塑造基因表达模式和决定产量、适应性等农艺性状方面至关重要。
进一步探讨了作物泛基因组的概念，即解锁物种内的遗传变异。泛基因组研究揭示了作物功能基因组学、驯化和表型多样性的遗传基础。此外，还讨论了大数据驱动的作物功能基因组研究，如何通过整合多层次的组学数据来解释生物体的复杂性。
文章最后讨论了人工智能在作物工程中的应用，特别是当人工智能遇到大数据时，如何加速作物改良。人工智能技术的发展为现代作物育种提供了巨大的应用潜力。通过结合丰富的作物大数据和人工智能，可以加速作物改良的进程。
作者指出，作物大数据和各种数据分析策略使得快速积累关于作物农艺性状形成的知识的成为可能。特别是采用新开发的技术，如测序技术和增加的多组学数据，推动了作物物种的功能基因组研究。目前，多组学数据不仅从少数几个代表性的参考系中收集，而且从具有各种处理的多样化品种中收集。此外，作物多组学分析正越来越多地从组织水平转向单细胞水平。
作者：生物信息与育种，若要及时了解动态信息，请关注同名微信公众号：生物信息与育种。
