Abstract
摘 要
2025年1月9日，华中农业大学李林教授团队联合陈洪教授团队在Plant Communications在线发表了题为“AutoGP: An Intelligent Breeding Platform for Enhancing Maize Genomic Selection”的论文。该研究推出了智能育种平台AutoGP (http://autogp.hzau.edu.cn)，将高质量SNP筛选、轻便的田间表型采集系统，以及功能完备的GS功能模块相结合，为育种者提供了简便、可靠的育种工具。通过玉米CUBIC群体验证，AutoGP能够筛选出最优的组配亲本，为加速作物改良和简化育种流程提供了新路径。
研究背景
Background
在气候变化和全球人口增长的双重挑战下，加快高产作物品种的开发迫在眉睫。尽管GS领域已积累了丰富的基因型和表型数据，并开发出高精度的机器学习模型，但这些技术距离育种者的实际应用仍有较高门槛。
研究内容
Contents
1，高质量SNP筛选与精准智能设计育种芯片：相比全基因组研究，针对特定功能基因的深入研究更具针对性和实用价值。本研究构建了一个基因分型系统，专注于与关键农艺性状（如开花期和株高）密切相关的高置信度功能基因。通过液相微阵列测序，成功识别出5,061个功能基因，并提取了与这些性状高度相关的高质量SNP。这些SNP不仅增强了对性状的解释力，还揭示了基因在复杂网络中的交互作用。借助AutoGP平台，育种者可以轻松低成本利用这些高质量SNP，实现更精准的基因组预测。这种方法兼具高效性和成本效益，在减少所需遗传特征的同时，大幅提升了预测的准确性和可靠性。
2，便携轻简式田间表型提取：传统的手动表型分析不仅耗时长、重复性差，还需高强度劳动且容易出错。为提高效率，本研究开发了一套完整的田间表型提取流程，包括通过微信小程序进行数据采集，3D高斯泼渐算法重建玉米植株，点云分割算法或交互式分割方法提取表型。借助AutoGP平台，用户只需一部智能手机，即可快速获取详细的玉米植株点云模型及表型信息，如玉米高度、叶片数量和叶夹角。这一流程显著提升了田间表型数据获取的效率与准确性。育种家只需要一部手机即可实现田间表型采集与数据保存、管理、检索、以及后续的设计育种。
作者介绍
华中农业大学陈洪教授团队博士生吴昊、赵亮和李林教授团队博士生韩瑞为该论文的共同第一作者；李林教授、李伟夫副教授为该论文的共同通讯作者。本论文得到了生物育种专项智能设计育种项目（2023ZD04076）等的资助。
李林教授团队聚焦于玉米密植高产理论与育种技术研究，主要利用农学、生物学、信息学、大数据与人工智能科学等多学科交叉技术，进行玉米株型建成分子机制研究，提出了稀有等位基因是玉米株型建成的决定因子的观点，开发了基于基因组大数据快速精细定位克隆数量性状基因QTG的新策略QTG-seq、DeepBSA、以及QTG-Miner等；构建了玉米第一代生物网络大数据图谱并开发了人工智能挖掘工具，解析了玉米株型建成分子基础，对玉米株型、产量、开花期等分子网络进行了系统鉴定，开发作物精准智能设计育种体系CropGPT，目前已经为十余家育种单位提供生物大数据辅助育种服务。近年来，以通讯作者(含共同)在Nature Genetics，Nature Biotechnology，Molecular Plant (5篇)，Genome Biology (2篇)，Nature Communications，Plant Communications (2篇)，Journal of Integrative Plant Biology (3篇)，New Phytologist， Cell Reports，Plant Physiology，Crop Journal (2篇) 等国际主流期刊上发表论文30余篇，总引用超过4900次
