澳门葡萄新京娱乐有限公司-App store

在作物育种工作中，如何利用基因编辑实现高效且精准的性状改良一直是研究人员长期关注的热点。近年来，随着数据量的迅速增加以及计算能力的显著提升，机器学习迎来了快速发展，在包括农业在内的多个领域得到了广泛应用。机器学习不仅为作物基因组学研究提供了新的工具方法，还有效解决了基因编辑在实际应用中面临的挑战，为现代作物改良提供了新的机遇。

近日，我院张韬教授课题组在aBIOTECH发表了题为“Integrating machine learning and genome editing for crop improvement”的综述论文。

作者首先分别介绍了基因编辑和机器学习两项前沿技术的发展以及它们在农业领域的应用。得益于大数据的积累，越来越多基于机器学习的方法被应用于植物科学研究，包括功能性基因和调控元件挖掘、蛋白质结构预测、表型快速鉴定等。通过结合机器学习算法优化编辑系统并筛选编辑目标，先进的CRISPR基因编辑技术能够定向编辑一个或多个目标基因位点，实现作物性状的精准快速改良，从而解决传统育种费时费力的问题，推动了作物改良的创新发展。

本文总结了机器学习在优化基因编辑系统中的应用，主要从三个方面进行阐述：（1）编辑效率、特异性优化和编辑结果预测。首先，利用机器学习设计并选择合适的guide RNA和编辑蛋白，可以有效提高编辑系统的效率和特异性；（2）基于机器学习的guide RNA设计模型和软件，能够综合考虑多种影响编辑效率和脱靶效应的特征，根据实验具体要求设计出高效高特异性的guide RNA，从而显著提高编辑系统的效率和准确性。然后，经过大量基因编辑实验数据训练后的机器学习模型，可以准确预测基因编辑结果，帮助研究人员优化编辑方案并获得预期基因型。（3）以AlphaFold2为代表的蛋白质结构预测软件也为科研人员深入研究编辑蛋白分子机制提供了有力支持，进一步推动了高活性和特异性编辑蛋白的开发。

图1 机器学习在基因编辑中的应用。机器学习利用大数据和算法从不同方面优化基因编辑系统并指导其应用。(a) 通过设计gRNA，以及挖掘新的Cas同源物、变体、融合蛋白优化基因编辑的效率和特异性；(b) 利用机器学习评估多种DNA修复机制，预测基因编辑结果；(c) 通过将多组学数据与机器学习相结合，挖掘调控作物性状的关键基因及位点，帮助研究人员确定编辑目标并设计gRNA。

在基因编辑与作物育种领域，机器学习技术发挥了不可或缺的桥梁作用。得益于其处理大数据的能力，机器学习使得研究人员能够高效地识别影响作物复杂性状的关键基因、顺式调控元件以及它们的关键作用位点，从而为基因编辑的精确目标选择提供了坚实的科学基础。通过融合基因调控网络分析和全基因组关联研究，机器学习综合分析了多组学数据，有效加速了性状相关基因的识别过程。此外，该技术精准定位调控元件中的关键核苷酸，并预测不同碱基变化对基因表达的潜在影响，进而允许通过基因编辑手段对基因表达进行微妙的调整。利用机器学习来明确编辑的目标，显著增强了使用基因编辑技术直接改良作物性状的效率，并为精确育种的实践提供了强有力的技术支持。

最后，论文展望了机器学习与基因编辑技术在作物育种领域中的应用前景。通过将机器学习、基因编辑以及表观组学、单细胞测序等前沿科技与生物技术相融合，可以极大地扩展基因编辑的功能和应用范围，为育种专家提供更加强大的作物改良工具箱。此外，将机器学习和基因编辑技术运用于创新的育种策略，如分子设计育种、从头驯化以及合成生物学领域，有潜力突破传统育种技术的局限，开辟作物育种新范式，带来新机遇。

我院张韬教授为该论文通讯作者，博士生陈龙为本文第一作者。研究工作得到了国家自然科学基金、江苏省重点研发计划（现代农业）、钟山生物育种实验室课题，江苏省高校优势学科建设工程项目的资助。