“葡萄美酒夜光杯，欲饮琵琶马上催。”这句古诗反映了人们自古以来对葡萄的喜爱。种下一粒葡萄种子，从种子萌发到结出果实，需要3年，而想要培育出“令人满意的”葡萄品种，需要的时间更久。能否找到一种既“快速”又“简便”的方法实现葡萄品种的“个性化”设计？

中国农业科学院深圳农业基因组研究所（岭南现代农业科学与技术广东省实验室深圳分中心）周永锋团队提出利用人工智能进行葡萄育种的新方法，该方法可大幅缩短育种周期，且预测准确度高达85%，相比传统方法，育种效率可提高400%。该研究有望实现葡萄的精准设计育种，加速葡萄品种创新，并为其他多年生作物育种提供方法参考。相关研究成果于11月4日发表在《自然·遗传学》（Nature Genetics）上。

有选择性地通过特定手段对原有葡萄性状进行改良，这一过程被称为育种。早期，人们发现野生葡萄后，会把品质优良的葡萄苗保存下来，通过一代又一代的繁育，只留下符合要求的后代，这种方法固然有用，但高度依赖自然种质资源，可改良程度有限。

后来，人们发现如果既想要葡萄“产量高”，也想要“甜度高”，可以把“产量高”的葡萄品种和“甜度高”的葡萄品种进行杂交，以培育出聚合了双亲优良性状的杂交后代。直到目前，葡萄育种的主要方法仍是杂交育种，这种方法满足了有针对性选育葡萄品种的需求，但育种周期十分漫长，往往需要经过数十年的筛选，工作量极大，且由于葡萄高度杂合，杂交后，后代会出现性状分离，杂交效果并不理想。

进入21世纪以来，育种家提出分子育种——通过分子标记来“设计”性状，并在此基础上，提出了智能设计育种，即基于海量基因组的遗传变异数据进行分析预测，以提高育种效率和精确度。其中，获取全面、准确的作物基因组数据是关键。

为此，周永锋团队自2015年起开始聚焦葡萄设计育种，并于2023年发布了首个葡萄完整参考基因组图谱。随后，该团队又陆续对多个野生和栽培葡萄进行测序、组装，构建了目前首个最全面、最准确的葡萄泛基因组。

为了进一步弄清楚葡萄基因与性状之间的关联，周永锋团队从近万份葡萄品种中选取了400多份有代表性的葡萄品种，连续3年对包括果穗大小、果皮颜色等在内的29个农艺性状进行调查，构建了葡萄基因型图谱和性状图谱。在此基础上，周永锋团队利用数量遗传学分析，鉴定到148个与农艺性状显著相关的基因位点，其中122个位点为首次发现。

全面、准确的基因组数据是精准“设计”育种的基础，而如何深入挖掘这些数据来优化育种策略并指导育种？周永锋团队决定引入机器学习，通过构建预测模型，根据评分进行早期个体的预测和选择，从而指导、优化育种策略。

周永锋团队引入人工智能中的机器学习技术，解析基因型与性状数据间的复杂网络关系，构建了首个葡萄全基因组选择模型。与杂交育种需要根据葡萄成熟后的表型作出判断相比，这种全基因组测序育种模式在葡萄幼苗时期，就可以通过计算机软件预测其成熟后的性状。结果表明，结合了结构变异信息的多基因评分预测模型，其预测准确率高达85%。

通过这一模型，可以快速准确地评估大量育种材料的遗传潜力，从而更好地选择优良品种。与杂交育种需要根据葡萄成熟后的表型作出判断相比，全基因组选择育种技术在葡萄幼苗时期就可以预测其成熟后的性状，尽早剔除掉不符合条件的幼苗，减少了不必要的人工成本和投入，在葡萄育种应用中有很大的应用潜力，提高葡萄育种效率，加速葡萄新种质的创制，革新葡萄育种策略。