文｜《中國科學(xué)報》記者 李思輝 實習(xí)生 付宸旭
“這太讓人興奮了！”聽完來自華中農(nóng)業(yè)大學(xué)教授李國田團隊的介紹，遠在大洋彼岸的安琳娜（Linna An）顯得有些激動。
2024年1月的一天，在一場跨國的線上學(xué)術(shù)交流會上，李國田團隊提出一個大膽設(shè)想——能否將美國華盛頓大學(xué)David Baker教授實驗室開創(chuàng)的“AI蛋白質(zhì)設(shè)計技術(shù)”，融入作物育種領(lǐng)域？
彼時，安琳娜正在David Baker實驗室從事博士后研究。她高度認(rèn)同這一想法，隨即和李國田團隊開啟了合作研究。這項工作，也受到了David Baker的密切關(guān)注。
幾個月后，David Baker因在AI蛋白質(zhì)設(shè)計領(lǐng)域的卓越貢獻，獲得“2024年諾貝爾化學(xué)獎”。由此，這項跨國合作也成為了中國科學(xué)家與諾獎得主實驗室的一次攜手合作。
李國田告訴《中國科學(xué)報》，除諾獎實驗室外，這項研究也獲得了Nature編輯部的認(rèn)可與支持，最終促成了一場由中國科學(xué)家組局、匯聚國際智慧的跨國研究。
%20%20文章系統(tǒng)闡述了組學(xué)、基因編輯、蛋白質(zhì)設(shè)計與高通量表型等多技術(shù)協(xié)同的作物改良新范式，回顧了作物改良的技術(shù)演進，同時提出利用蛋白質(zhì)設(shè)計按需打造功能元件的新途徑，并描繪了AI輔助的優(yōu)異種質(zhì)設(shè)計藍圖。
文章前瞻性地提出了人工智能驅(qū)動的作物改良框架——以往作物的基因組、表型、環(huán)境的高通量數(shù)據(jù)非常多，但缺乏整合框架，而AI在蛋白結(jié)構(gòu)預(yù)測和語言模型上的突破，正好能把“海量數(shù)據(jù)”轉(zhuǎn)化為“可執(zhí)行育種方案”。
研究團隊敏銳地察覺到了這一點，于是將“多組學(xué)+基因編輯+蛋白設(shè)計+AI模型”組合到一起。他們提出用AI大模型把這些數(shù)據(jù)“拼成一張活地圖”，自動找出哪些基因或蛋白需要小改動，哪些改動能夠給高產(chǎn)、穩(wěn)產(chǎn)、優(yōu)質(zhì)、抗逆等“綜合加分”。在此過程中AI像導(dǎo)航一樣給出操作步驟，形成“設(shè)計—構(gòu)建—測試—學(xué)習(xí)”的快速循環(huán)。
“撰寫這樣一篇綜述性文章的難度不亞于5篇研究性論文。”李國田坦言，這篇文章需要平衡科學(xué)性與前瞻性——既要有實驗室數(shù)據(jù)支撐，又要預(yù)判技術(shù)發(fā)展方向。中國團隊能牽頭這項工作，離不開國家糧食安全戰(zhàn)略的政策支持，以及對農(nóng)業(yè)科技的長期投入。
“我國在農(nóng)業(yè)、作物改良等領(lǐng)域大量原始研究的積累，讓我們有底氣站在全球視角做總結(jié)。”李國田說。
從數(shù)億年到一周的驚變
“對學(xué)生而言，這篇文章來得剛剛好。”李國田感慨。
因為專注于深入研究這個新興領(lǐng)域，博士生楊磊在讀博的4年中沒有發(fā)表過代表性論文。這篇于今年5月份被接收的文章，讓他的工作得到了更充分的認(rèn)可。他說：“好在趕上了，再晚一點就來不及了?！?span style="display:none">7YV即熱新聞——關(guān)注每天科技社會生活新變化gihot.com
如今，楊磊已順利博士畢業(yè)，并繼續(xù)在李國田課題組進行博士后研究。
“雖然文章來得很及時，但其中的辛苦也只有我們自己知道?！崩顕锔嬖V《中國科學(xué)報》，起初楊磊聚焦“AI蛋白設(shè)計在作物改良上的應(yīng)用”相關(guān)研究，可謂是屢戰(zhàn)屢敗、屢敗屢戰(zhàn)。因為這項技術(shù)最開始傾向于醫(yī)藥領(lǐng)域，相關(guān)軟件都是以醫(yī)學(xué)應(yīng)用為導(dǎo)向的，因而蛋白設(shè)計在作物改良上方法不多、成功率特別低。
“20多萬次失敗，才等到這一個！”2024年，楊磊在水稻中成功設(shè)計了抗稻瘟病特性的蛋白。這個結(jié)果背后，是他從2021年開始的堅守——每次設(shè)計上萬個蛋白序列，在實驗室篩選至深夜，服務(wù)器38T的內(nèi)存被占滿20T。經(jīng)歷20多萬次的失敗，他們終于找到了那個能精準(zhǔn)觸發(fā)抗病特性的“鑰匙”。
這也正是AI帶來的顛覆性改變——在傳統(tǒng)育種中，要找到一個具有抗病功能的基因，需要育種學(xué)家不斷在田間觀察數(shù)萬株水稻的表型，記錄病蟲害損傷情況，運氣好的話十多年才能有突破。而現(xiàn)在，AI正在改寫這個過程。
楊磊展示了一組對比數(shù)據(jù)：用傳統(tǒng)方法找到一個抗病基因平均需要10年，抗病譜窄，容易被病原菌進化突破；AI設(shè)計的人工蛋白則能靶向多個致病因子，通過高通量篩選，數(shù)周內(nèi)就能鎖定有效序列。
“更驚人的是進化速度”，他透露：“比如我們正在研究的一個蛋白，自然進化需要數(shù)億年才能獲得的特性，AI設(shè)計僅用一周就實現(xiàn)了?！?span style="display:none">7YV即熱新聞——關(guān)注每天科技社會生活新變化gihot.com
“這種‘一日千年’的突破單靠人類很明顯是做不到的，這種情況下科學(xué)家會被取代嗎？”面對《中國科學(xué)報》的提問，楊磊給出回答：“恰恰相反，AI讓我們能聚焦更核心的科學(xué)問題。AI只是總結(jié)規(guī)律、揭示規(guī)律的工具，它讀不懂一些性狀背后的調(diào)控機制，因此真正應(yīng)用還是要靠人?！?span style="display:none">7YV即熱新聞——關(guān)注每天科技社會生活新變化gihot.com
未來，這項研究有望為育種學(xué)家提供極大的方便：在傳統(tǒng)作物遺傳育種中，育種學(xué)家需要靠在田間地頭觀察表型、依靠昆蟲授粉過程等完成育種，不僅耗費時間，還需要有好的運氣——一些天氣、環(huán)境因素都可能導(dǎo)致試驗失敗。而在AI的幫助下，科學(xué)家能夠迅速理解植物狀況，快速實現(xiàn)目標(biāo)，擺脫“看天吃飯”的困境。
談及科研經(jīng)驗，李國田表示“合作很重要”。他表示：“科學(xué)研究不能在象牙塔里孤芳自賞，不能在實驗室里自我陶醉，必須面向農(nóng)業(yè)生產(chǎn)中的實際問題，并與世界接軌，與最前沿技術(shù)交融。”
相關(guān)文章鏈接：
https://doi.org/10.1038/s41586-025-09122-8
本文鏈接：http://m.enbeike.cn/news-8-6428-0.html這次，中國科學(xué)家“組局”，諾獎實驗室來“打配合”
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
