The Crop Journal |中国农科院作科所智能设计算法模型创新研究组推出新一代植物育种计算机仿真模拟预测通用工具ISB

▼

计算机仿真模拟能够有效地利用育种大数据以及大量的遗传信息，在育种家开展田间试验之前对育种程序中的各种因素进行模拟筛选和优化，提出最佳的亲本组配方案和后代选择方法，提高育种过程中的预见性。模拟预测既是科学研究的重要手段，也是科学化预测和决策的重要方法，而仿真模拟计算机工具研发则是开展育种模拟和预测的前提。

近日，中国农业科学院作物科学研究所联合三亚国家南繁研究院在The Crop Journal在线发表了题为“Prediction by simulation in plant breeding”的研究论文，报道了新一代植物育种计算机仿真模拟预测通用工具ISB（in silico breeding）的工作原理和基本功能，利用3个研究案例展示了这一工具在无性系、纯系和杂交种等三类植物品种选育中的应用，明确提出了“通过育种模拟、实现育种预测”的新理念。

植物繁殖方式、品种类型、育种目标和育种方法尽管多种多样，但育种过程具有高度的相似性。研究者前期研制了一个适合于二倍体物种（或减数分裂行为与二倍体相似的多倍体物种）的计算机仿真模拟平台，称之为Blib，该平台能够处理目前人们已知的几乎所有遗传模型（Commun. Biol., 2022）。本研究在概括植物育种共性特点的基础上，通过建模把复杂育种过程转化为计算机可以理解的语言，使得计算机根据指定杂交组合数和亲本群体配制杂交组合，根据遗传学规律繁殖后代群体，根据所遗传模型和效应预测后代个体在各种性状上的表型，根据指定的育种方法或选择方案对后代个体或家系进行选择，从而实现对复杂育种过程的仿真模拟和预测（图1）。

研究者随后给出3个代表性育种目标性状的遗传模型，即生育期（MAT, maturity）、粒重（KWT, kernel weight）和籽粒产量（YLD, grain yield）。根据案例研究的目标差异构建多个育种亲本群体，借以开展3个模拟试验以分别说明ISB在无性系、纯系和杂交种三类植物品种选育中的应用。案例I利用50个杂合亲本共产生5000个F1后代开展无性系品种选育，结果表明：配制50个杂交组合、每个组合衍生100个后代能够获得遗传进度和田间花费的最优平衡（图2）。案例II比较生育期不同选择方向引起的遗传差异，鉴定出培育高产而且生育期适中纯系品种的最优选择方案（图3）。案例III比较5个测验种在杂交育种中的遗传效应，发现其中一个测验种能够同时改进F1杂交种和自交系的产量表现（图4）。与植物育种相关的3个研究案例表明，通过仿真模拟ISB能够获得最优的杂交方案、最优的纯系选择方法和最优的杂交育种测验种。作者相信，“通过育种模拟、开展育种预测”是以信息化和智能化为主要特征新一代育种的重要组成部分，并将发挥越来越大的作用。

图1 新一代植物育种模拟通用工具ISB的框架图，适用于无性系品种（B4C, breeding for clonal lines）、纯系品种（B4L, breeding for pure lines）和杂交品种（B4H, breeding for hybrids）的选育过程

图2 10个育种周期中，由50个无性系组成的终选群体在3个性状上的群体均值（A–C）和标准差（D–F）

注：6条线表示分别由不同杂交组合数量和后代群体大小所决定的6种育种方案。

图3 10个育种周期中，由50个纯系组成的终选群体在3个性状上的群体均值（A–C）和标准差（D–F）

注：4条线分别表示由不同选择方向所决定的4种育种方案 。

图4 10个育种周期中，由50个终选加倍单倍体家系得到的50个测交组合在3个性状上的群体均值（A–E）、2500个杂交组合在3个性状上的群体均值（F）和50个自交系亲本在3个性状上的群体均值（G）

注：5条线分别表示由不同测验种开展测交选择的5种育种方案 。

作者和基金项目

中国农业科学院作物科学研究所李慧慧研究员为该文第一作者，王建康研究员为通信作者。该研究得到生物育种国家科技重大专项（2023ZD0407501）、国家自然科学基金（31861143003）和中国农业科学院创新工程等项目的资助。作物智能设计算法模型创新研究组（原作物数量遗传课题组）长期从事数量遗传学、生物统计和生物信息学等学科相关领域的基础和应用基础研究，建立了适用于双亲、多亲、杂合亲本等多种类型遗传群体基因定位的完备区间作图方法（简称ICIM），研制了集成遗传分析软件QTL IciMapping（Crop J., 2015）、GACD（J. Hered., 2015）、GAPL（Crop J., 2019）和GAHP（Front. Genet., 2022），这些方法和软件在国内外得到了广泛的应用。该团队还研制了基于深度学习的全基因组预测方法DNNGP（Mol. Plant, 2023），开发了多种深度学习预测模型，涵盖功能基因预测和基因型与环境互作分析，为人工智能驱动的全基因组选择方法研究和育种利用奠定了基础。Blib平台及其应用模块可以实现遗传研究、分子设计与传统育种的有机结合，为即将到来的基于大数据和智能化育种时代提供技术支撑。