葡萄，因其獨特的風味和口感，深受人們喜愛。一粒葡萄種子，從萌發到結果，通常需要3年。而想要培育出“令人滿意的”葡萄品種，需要的時間更久。能否找到一種既“快速”又“簡便”的方法實現葡萄品種的“個性化”設計？育種家為此絞盡了腦汁。
11月4日18時，《自然·遺傳學（Nature Genetics）》在線發表了中國農業科學院深圳農業基因組研究所（嶺南現代農業科學與技術廣東省實驗室深圳分中心）周永鋒團隊利用人工智能進行葡萄育種的最新研究成果。該研究將大幅縮短葡萄育種周期，且對葡萄農藝性狀的預測準確度高達85%。相比傳統方法，育種效率可提高400%。該研究有望實現葡萄的精準設計育種，加速葡萄品種創新，并為其他多年生作物育種提供方法參考。
在這項研究中，周永鋒團隊引入了機器學習算法，通過構建預測模型，根據評分進行早期個體的農藝性狀預測和選擇，從而指導、優化育種策略。
據團隊成員介紹，該研究將包含了性狀和基因型的數據劃分為三個子集：訓練集、驗證集和測試集。首先，他們利用機器學習算法解析基因型與性狀數據間的復雜網絡關系，運用訓練數據集構建了首個葡萄全基因組選擇模型，隨后進一步通過驗證集調整模型參數，對模型進行優化，最后使用測試數據集評估最終模型的性能。研究結果表明，結合了結構變異信息和機器學習模型的計算，多基因評分預測準確率高達85%。
通過這一模型，育種家可以快速準確地評估大量育種材料的遺傳潛力，從而更好地選擇優良品種。傳統的雜交育種需要根據葡萄成熟后的表型作出判斷，而全基因組選擇育種技術在葡萄幼苗時期就可以預測其成熟后的性狀，盡早剔除掉不符合條件的幼苗，減少了不必要的人工成本和投入，在葡萄育種應用中有很大的應用潛力。該技術將提高葡萄育種效率，加速葡萄新種質的創制，革新葡萄育種策略。
目前，該項目相關研究成果已申請獲批國家發明專利6項，已申請國際專利1項。該研究獲得了國家重點研發計劃、國家優秀青年科學基金（海外）、國家自然科學基金、中央政府引導地方科技發展專項資金項目等項目的支持。
