【国科科技港】美国科学院：未来农业五个突破机遇及建议

日前，美国国家科学院、工程院和医学院联合发布了题为《Science Breakthroughs to Advance Food and Agricultural Research by 2030》的研究报告，该报告旨在使美国保持其在粮食和农业领域的全球领导地位的研究，指导投资公共和私人资源以实现科学突破并培养能够应对多方面挑战的关键科学劳动力，更好地了解粮食系统本身有助于更好地管理整个系统及其影响。报告提出了五个可以显著提高农业科学能力的突破性机遇及建议。（本推文主要介绍面向面向2030五个农业科学突破机遇及建议，原报告还包括畜牧业、农作物、数据科学战略发展等详细内容）

突破1：精确、准确、可现场部署的传感器和生物传感器的开发和验证将使各种粮食和农业学科的快速检测和监测能力成为可能。

从历史上看，传感器和传感技术已用于食品和农业，为某些感兴趣的特征(例如，温度)提供点测量，但一次连续监测多个特征的能力是了解目标系统中发生了什么以及如何发生的关键。材料科学、微电子学和纳米技术的科技进步使新型纳米和生物传感器能够持续监测环境刺激和生物和非生物胁迫的条件。下一代传感器还可能彻底改变在植物和动物出现症状之前发现疾病的能力，在人类病原体进入食品分销链之前识别它们，以及近乎实时地监测和做出决定。

建议1：制定举措，更有效地利用现有传感技术，并在粮食和农业的所有领域开发新的传感技术。这些举措将导致整个食品系统的跨学科研究、开发和应用。

传感器的属性（例如，形状、尺寸、材料、原位或植物内、移动、有线或无线以及可生物降解）将取决于传感器的目的、应用、持续时间和位置。例如，原位土壤和作物传感器可以提供连续的数据馈送，并可以在土壤中的水分含量和植物的膨压低于临界水平时向农民发出警报，以启动对一组植物的特定地点灌溉，从而无需灌溉整个田地。同样，植物中的传感器可以量化由害虫或病原体引起的植物生化变化，在发生侵染或可见损害之前发出警报，并使生产者能够计划和部署立即针对特定地点的控制策略。食品生物传感器可以指示产品掺假或腐败，并提醒经销商和消费者采取必要的行动。

不同学科的科学家之间的合作对于开发正确的传感器特性至关重要。例如，移动传感器或可穿戴设备可以将数据传输到智能手机或其他设备，并且需要开发适合规模和目标的传感器（用于单个生物体[植物、动物]的纳米级传感器与用于检测土壤的大型传感器特征）。传感技术还需要经济实惠才能大规模实施，并且即使在零售和消费阶段一次性使用后也能够一次性使用。考虑到这些不同的因素将需要融合多个学科（例如计算机科学、材料科学、农学、食品科学和动物科学）来开发可用于现场使用并易于集成到模型和数据库中的传感器。

为了促进进展，需要开发在线或面对面的平台，使来自各个领域（土壤、植物和动物）的科学家能够了解最新技术。跨学科共享将促进新发展。无论是通过联盟机构、半年一次的跨学科会议还是其他平台来完成，都可以留给研究人员和政策界，同样需要利益相关者的投入。

二、 数据科学与农业食品信息学

突破2：数据科学、软件工具和系统模型的应用和集成将为管理粮食和农业系统提供高级分析。

粮食和农业系统收集了大量的数据，但没有合适的工具来有效地利用这些数据。在研究实验室和现场产生的数据以一种不相连的方式进行维护，从而阻碍了从它们的整合中产生见解的能力。数据科学和分析的进步和应用被强调为提升粮食和农业研究和知识应用的重要突破机会。更快地收集、分析、存储、共享和集成高度异构数据集的能力将创造机会，极大地提高我们对复杂问题的理解，并最终广泛使用近实时、数据驱动的管理方法。

建议2：制定举措培育农业食品信息学新兴领域，促进信息技术、数据科学和人工智能在食品和农业研究中的采用和发展。

数据科学和分析对于解决粮食系统面临的最重要挑战至关重要。例如，可以快速将基因型与表型联系起来的数据分析将有助于提供选择动植物所需性状所需的联系，并使营养基因组学研究成为可能。数据驱动的方法和区块链技术可以沿着食品供应链即时传输产品数据，通过实时检测病原体来提高食品质量和安全性。这些相同的技术也可用于促进动物健康、福利和生产力。对不同数据源的更好分析将通过使用来自分布式地面和遥感的土壤湿度和养分水平的实时数据、准确的天气预报、植物和土壤微生物组以及植物健康数据来实现精准农业。以高空间和时间分辨率收集的数据将使科学家能够更好地探索、建模并最终优化复杂系统之间的相互作用和功能。

最大化从大型研究数据集中获得的知识和效用需要战略性的努力，以在粮食和农业系统中提供更好的数据访问、数据协调和数据分析。需要解决处理跨空间和时间高度异构的海量数据集的挑战。需要建立数据标准，大量数据需要更易于查找、互操作和重用。需要提高数据处理速度，开发快速评估数据准确性的方法，并为农业食品信息学能力的开发和传播提供支持，包括在动态变化的条件下对实时应用程序进行建模的工具。

区块链和人工智能，包括机器学习算法，是满足食品和食品行业独特需求的有前景的技术。

农业体系尚未完全发展。先进分析方法的开发，例如用于自动快速表型分析的机器学习算法，将需要更好的平台来研究食品系统中的各种成分如何相互作用。这些方法的应用需要投资基础设施来容纳大量记录，以及整合这些记录并有效用于决策目的的方法。要实现这些机会的潜力，需要融合许多学科的专业知识。

三、基因组学和精准育种

突破3：对农业上重要的生物进行常规基因编辑的能力将使对生产力和质量重要的性状进行精确和快速的改进成为可能。

在基因组学、转录组学、蛋白质组学和代谢组学的最新进展的帮助下，基因编辑有望加速育种，从而在植物、微生物和动物中产生提高效率、恢复力和可持续性的性状。使用组学技术比较数百种基因型可以加快等位基因的选择，从而提高生产力、抗病性或抗旱性、营养价值和适口性。例如，对番茄代谢组进行了有效修改，以增强味道、营养价值和抗病性，并成功引入了对猪繁殖和呼吸综合征病毒的抗性，从而有效地瞄准了猪基因组。这种能力为驯化新作物和土壤微生物、培育抗病牲畜、控制生物体对压力的反应以及从生物多样性中挖掘有用基因打开了大门。

建议3：制定举措，利用基因组学和精准育种从遗传角度改善重要农业生物的性状。

农作物和动物遗传改良计划是农业可持续发展的重要组成部分。随着基因编辑技术的出现，有针对性的遗传改良可以以传统修饰方法无法实现的方式应用于植物和动物改良。通过将基因组信息、先进育种技术和精准育种方法纳入传统育种和选择计划，有机会加速遗传改良。鼓励接受和采用其中一些突破性技术需要从社会科学以及与生产者和公众的相关教育和沟通工作中获得洞察力。

基因编辑可用于扩大从野生近缘种引入作物的等位基因变异，并消除不需要的连锁性状，从而增加育种计划中可用遗传变异的价值。

同样，通过基因编辑工具将必需的微量营养素或其他质量相关性状纳入作物中，为提高食品质量和保质期、增强营养、减少粮食损失和粮食浪费提供了机会。这些技术同样适用于食用动物，遗传改良的可能目标包括提高生育力、去除过敏原、提高饲料转化率、抗病性和动物福利。

基因组测序和其他组学技术可以实时诊断未知病原体，并以大海捞针的方式从组织样本中精确定位致病生物体。这项技术的进一步进步可以实现现场快速且低成本的测试。这种技术可以显着减少诊断跨境动物疾病的时间，并比当前的诊断系统节省数百万（如果不是数十亿）美元。

更深入地了解组学以及它们在生物体之间的差异对于设计强有力的检测策略至关重要。特别是在食品安全领域，识别极少量病原体的能力和确定菌株的能力可以通过尽早识别食源性疫情的原因来显着增强公众健康。检测微量的挥发性物质（与腐败相关的化学物质的产生）可能会减少食物损失和浪费，并及时将其转移到冷藏条件下。

四、微生物组

突破4：了解微生物组与农业的相关性，并利用这些知识来提高作物产量，提高饲料效率，增强对压力和疾病的抵御能力。

关于人类微生物组研究的新报告提供了关于常驻微生物对我们身体健康影响的报告。相比之下，对农业中的微生物群—动物、植物和土壤—的详细了解显然更加初级，尽管它们的功能和关键作用已经在基本水平上得到了认识。更好地了解土壤、植物和动物微生物组之间的分子水平相互作用，可以通过改善土壤结构、提高饲料效率和养分利用率、增强对压力和疾病的抵御能力来彻底改变农业。随着越来越复杂的工具来探测农业微生物群，未来十年的研究有望使它们在农业生产力和弹性中的作用越来越清晰。

建议4：制定举措，增进对动物、土壤和植物微生物组及其在整个食品系统中更广泛应用的了解。

跨学科努力的重点是获得更好地了解各种与农业相关的微生物组以及它们之间复杂的相互作用将为修改和改进粮食和农业连续体的许多方面创造机会。例如，了解动物的微生物组有助于更精确地调整营养配给并提高饲料效率。了解哪些微生物或生物体群可能具有预防感染的作用，可以降低疾病的发病率和/或严重程度，从而降低损失。研究人员已经开始研究食品微生物组的特征，以建立微生物参考数据库，以此为基础快速识别人类病原体。在植物科学领域，正在确定的研究重点是对各种微生物组进行改造，以促进更好的疾病控制、抗旱和增产。土壤和植物微生物组（植物生物组）之间相互作用的表征至关重要。土壤微生物组负责作物生产力所需的碳、氮和许多其他关键养分的循环，并执行其他几种关键的生态系统功能，这些功能受到气候变化以很大程度上未知的方式影响。加强对基本微生物组成分及其在养分循环中所发挥作用的了解可能对于确保全球持续和可持续作物生产至关重要。

五、跨学科研究和系统方法

突破5：可以利用系统方法来了解粮食和农业系统不同要素之间相互作用的性质，以提高整个系统的效率、复原力和可持续性。

只有当科学界开始更有系统地将科学、技术、人类行为、经济和政策纳入生物物理和经验模型时，实现主要目标的进展才会发生。例如，有必要将采用新技术、做法、产品和加工创新的速度和决定因素纳入粮食和农业系统模式。需要这种方法来适当地量化资源利用、市场效应和反应方面的变化，并确定从科学和技术突破中可以实现的利益。考虑这些系统的相互作用，对于找到解决威胁我们安全和竞争力的粮食和农业挑战的整体解决方案至关重要。

建议5：应优先考虑跨学科科学和系统方法来解决农业最棘手的问题。

解决农业中最具挑战性的问题需要融合和系统思维来解决这些问题；如果两者缺一不可，持久的解决办法可能就无法实现。需要促进基于问题的跨学科协作（团队科学），因为对于某些人来说，很难专业地进入其专业知识之外的科学领域。这种转变需要学习在跨学科团队中工作。吸引并使不同学科的研究人员能够在粮食和农业问题上有效地合作需要激励措施来支持合作。融合方法的使用还将促进新的合作，而这些合作在不同学科的研究人员接触时可能不会发生。基于问题的跨学科合作将使新的或多样化的利益相关者和合作伙伴参与进来，并使粮食和农业部门受益。领导力是团队科学成功的关键，因为科学主管需要一套独特的技能，包括对不同观点的开放性、构思大局的能力，也许最重要的是，将人们团结起来围绕共同使命的才能。这些品质对于科学家来说并不总是天生的，因此提供专业发展机会来培养跨学科模型的领导力至关重要。

多维系统方法对于解决政策和监管问题至关重要。系统方法可用于考虑设计和评估拟议农业政策和激励措施的效果，以影响人类行为，从而支持所需的系统级可持续性成果（例如消除地下水开采或减轻接收溪流的养分负荷）。系统方法将有助于避免食品系统干预对环境或人类造成意外的负面影响。系统方法可能需要在各个层面进行范式转变，以鼓励基于系统的思维和解决问题的聚合方法。

粮食系统建模的大多数改进也需要改变农业食品数据网络基础设施。计算模型依赖于开发、验证和应用的输入数据。所研究的粮食系统越丰富，综合粮食系统模型的数据需求就越强烈。在社会、政治、经济和环境背景下，食品的种植、收获、加工、包装、运输、营销、消费和处置过程中每个步骤所需的所有投入和产生的产出都是令人感兴趣的。实验基础研究提供了原本不存在的重要数据。使现有数据可查找、可访问、可互操作和可重用，并鼓励开放数据（或共享专有数据的其他方法）对于加速粮食系统模型至关重要。

长按左边二维码

感谢您关注国科农研院

微信公众号