中国农业科学院深圳农业基因组研究所的周永锋团队近日在《自然・遗传学》上发表了一项重大研究成果，他们利用人工智能技术成功提升了葡萄育种的效率与精准度。
该研究通过构建全面的葡萄泛基因组，并结合机器学习算法，实现了对葡萄农艺性状的高准确度预测，预测准确率高达85%。相较于传统的育种方法，新技术能够将育种周期大幅缩短，并提高育种效率达400%，为葡萄品种的快速创新奠定了坚实基础。
周永锋团队自2015年起便专注于葡萄的设计育种研究。在2023年，他们发布了首个葡萄端粒到端粒的完整参考基因组图谱，该成果被《园艺研究》杂志选为封面文章。然而，团队并未止步于此，他们进一步对多个葡萄品种进行了测序与组装，构建出了目前最全面、最准确的葡萄泛基因组Grapepan v1.0。
为了深入探究葡萄基因与性状之间的关联，周永锋团队从大量葡萄品种中精心选取了400多份代表性样本，进行了连续三年的农艺性状调查。通过数量遗传学分析，他们成功鉴定出148个与农艺性状显著相关的位点，其中122个为首次发现。这一发现为理解葡萄性状的遗传基础提供了重要线索。
在拥有全面、准确的基因组数据的基础上，周永锋团队进一步引入了机器学习技术。他们利用训练数据集构建了葡萄全基因组选择模型，并通过验证集对模型进行了优化。最终，测试数据集显示，该模型的预测性能出色，准确率高达85%。
这一模型的建立，使得育种家能够在葡萄幼苗时期就预测出其成熟后的性状，从而及时剔除不符合条件的幼苗，大幅减少了育种过程中的人工成本和投入。这一技术的成功应用，不仅提高了葡萄育种效率，也为其他多年生作物的育种提供了有力的方法参考。
目前，周永锋团队的相关研究成果已经申请并获批了多项国家发明专利，同时还申请了国际专利，充分展示了该技术在葡萄育种领域的广阔应用前景。
