《Nature》2025年7月24日刊发的综述文章《Integrated biotechnological and AI innovations for crop improvement》由来自中国、美国、德国、澳大利亚等国的14位学者合作完成，通讯作者为中国华中农业大学的Guotian Li和中国科学院遗传与发育生物学研究所的Caixia Gao。该论文系统梳理了生物技术与人工智能（AI）在作物改良中的集成应用，提出了通过多模态数据整合实现作物设计的新范式。
文章指出，高质量基因组（genomics）和泛基因组（pan-genome）的构建已进入”端粒到端粒”（T2T）组装时代。以水稻和玉米为例，PacBio HiFi和Oxford Nanopore超长读长测序技术结合AI辅助组装算法，使结构变异（structural variations, SVs）的解析成为可能。例如，对1,035份小麦种质重测序发现5个未被充分利用的祖先群体（Cheng et al., 2024）。单细胞组学（single-cell omics）和空间组学（spatial omics）可识别细胞类型特异性顺式调控元件（CREs），为根系构型等复杂性状的精准调控提供靶点（Zhang TQ et al., 2021）。代谢组学（metabolomics）与GWAS结合揭示了番茄驯化过程中降低固醇类抗营养物质的代谢通路（Zhu et al., 2018）。
CRISPR-Cas系统已从基因敲除拓展至碱基编辑（base editing）、引物编辑（prime editing）和染色体工程。例如：
- 通过饱和靶向突变编辑器（STEMEs）创制水稻OsACC1除草剂抗性突变体（Xu et al., 2021）
- 在基因组”安全港”（safe harbour）位点插入多基因堆叠（gene stacking）元件，培育出抗稻瘟病且富集类胡萝卜素的水稻（Dong et al., 2020）
- 编辑小麦MLO基因上游304 kb区域，在保持白粉病抗性同时解除生长抑制（Li et al., 2022）
AI技术通过AlphaFold 3预测蛋白质结构，优化了Cas9核酸酶设计（Abramson et al., 2024）。蛋白质语言模型（如ESM-AA）可指导编辑器进化，例如开发具有T→G/T→C编辑能力的尿嘧啶-N-糖基化酶变体（He et al., 2024）。
AI驱动的蛋白质从头设计（de novo design）技术可突破自然进化限制：
- 病原体效应子结合蛋白：基于RFdiffusion算法设计的水稻抗病蛋白（R protein）可特异性识别稻瘟病菌效应子Avr-Pia（Watson et al., 2023）
- 代谢物生物传感器：形状互补假环（shape-complementary pseudocycles）设计的叶酸传感器（An et al., 2024）
- 跨膜离子通道：计算设计的K+/Na+通透性孔道（Xu et al., 2020）为作物抗逆改良提供新工具
植物表达系统具有成本优势，但需通过病原诱导启动子（pathogen-inducible promoters）和上游开放阅读框（uORFs）严格控制表达（Tian et al., 2024）。
多平台集成实现多尺度表型采集：
- 无人机（UAV）与激光雷达（LiDAR）融合量化小麦三维光合特征（Yang et al., 2020）
- 拉曼光谱（Raman spectroscopy）无损检测蔗糖等代谢物（Wang et al., 2022）
- 根系原位成像技术鉴定玉米抗旱基因ZmHB77（Yue et al., 2024）
表型组数据与基因组选择（genomic selection）结合，使玉米株高预测模型精度提升17%（Alemu et al., 2024）。
作者提出”设计-构建-测试-学习”（DBTL）循环框架：
- 输入层：整合基因型（多组学数据）、表型（产量/品质/抗性）、环境（气候/土壤/生物因子）和田间管理数据
- 知识层：嵌入作物驯化史（如亚洲栽培稻3,010份种质的变异图谱，Wang W et al., 2018）和领域知识图谱
- 输出层：生成包含传统育种、基因组编辑和蛋白质设计的优化方案
该模型已在小麦中验证，通过编辑祖先种质未充分利用的等位基因（Cheng et al., 2024），产量提升12.3%。
本文首次系统阐述生物技术与AI的协同创新机制：
1. 理论层面：提出”第二作物基因组”概念，强调根系微生物组（microbiome）与宿主作物的协同进化（Zhang J et al., 2019）
2. 技术层面：建立从单细胞解析到田间表型的全链条技术体系，如基于单细胞ATAC-seq（scATAC-seq）鉴定玉米穗发育调控元件（Marand et al., 2021）
3. 应用层面：为应对气候变化提供解决方案，如通过碱基编辑将高粱耐碱基因AT1导入水稻（Sun et al., 2023）
文章指出当前限制因素包括：植物蛋白质结构数据匮乏（仅约30%水稻基因启动子被注释）、AI模型可解释性不足、基因组编辑作物的监管差异（中国/印度允许非转基因编辑作物，欧盟仍受限）。作者呼吁建立全球共享的作物表型数据库（如Supplementary Table 1所列的27个国际平台）以推动AI模型优化。
这篇综述为作物改良提供了跨学科的技术路线图，其提出的AI辅助设计框架可能引发新一轮农业技术革命。特别值得关注的是，作者团队开发的”CRISPR-GPT”系统（Qu et al., 2024）已实现基因编辑方案的自动生成，标志着作物育种进入智能化时代。