mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　Calibri;mso-hansi-theme-font:minor-latin贯穿二十世纪末至今，伴随现代分子生物学与基因工程的发展，采用分子标记辅助选择及转基因技术的手段，实现单一目标性状的导入与修饰。同时，基于连锁群体的功能基因克隆、自然群体的全基因组关联分析、复杂农艺性状的基因功能解析等研究领域发展迅猛，加深了人类对作物基因组及基因功能的认识。此外，各类高通量测序与芯片平台的发展使全基因组选择辅助育种技术在作物育种中逐步应用起来，现代育种技术达到新的高潮。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　玉米基因组智能设计育种体系的建立必须以玉米基因组、表型组、转录组、蛋白组、代谢组等各类组学大数据为基础，采用机器学习数据挖掘的策略为玉米育种建立各种基因组预测模型，辅助育种家智能决策育种方案。随着二代测序与芯片等高通量基因型检测费用的大幅下降，我国现代玉米育种中广泛实际应用的亲本自交系材料、杂交后代材料的基因型数据将会呈指数积累。同时，转录组、蛋白组、代谢组等数据的积累也将逐步拓展到种质资源群体的水平，为进一步挖掘优良等位基因及调控元件、解析玉米发育过程与基因调控网络、解析玉米杂种优势分子机理、解析玉米抗虫抗病及胁迫应答等生物学过程提供广泛的数据资源。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　表型组学是生命科学领域近年来兴起的一门新型交叉学科。作物表型组学研究发展迅猛，与人工智能、光学成像、图像识别技术在农业中的应用密不可分，同时这些技术也是未来农业发展精细耕作、智能装备的科学基础。未来玉米表型组的研究将注重开发田间农艺性状的采集装置，利用野外无人机、田间机器人、小区测产系统等农业机械搭载的智能装备完成田间作物表型的自动化获取。玉米表型组装置配合物联网农情监测系统实现对局部地区气象数据、土壤数据、病虫害数据等环境参数的自动化采集，不仅可以用于基因与环境互作的分析，也可以用于对玉米表型预测精度的校正。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　作物生理表型组将成为表型组研究的下一个热点。玉米等作物在病虫害、环境胁迫、营养匮乏等条件下，体内会发生一系列生理生化活动的变化。这些变化可以通过各类光学成像设备得以监测，如激光三维扫描成像、高光谱成像、多光谱成像、热成像、普通光学成像、叶绿素荧光动力学成像、近红外成像、雷达成像等，这些光学设备可以用来采集植物内部近百种生理指标。深度学习技术可以从生理表型组图像数据中提取特征波段，反演出植物在感病、感虫、胁迫等条件下的生理生化变化状态。数字化的表型组数据不仅可以将复杂的复合表型进行分解，也消除了肉眼性状调查引入的主观偏差，提高挖掘性状调控基因的精度。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　传统基因组选择模型主要应用统计学中的混合线性模型建立基因型与表型间的相关性。但是，随着高通量基因组测序与表型组监测技术的飞速发展，混合线性模型已无法适应数百万标记和数万计样本量的大数据分析与高性能并行运算。此外，由于玉米产量杂种优势的表现由非加性遗传效应所决定，并且受环境因素影响较重，使用混合线性模型预测产量杂种优势的表现仍存在一定的问题。为突破混合线性模型的预测精度瓶颈，应用机器学习数据挖掘的策略，整合基因组、表型组、环境参数等多维数据源建立基因组选择模型，是基因组选择育种的下一步发展方向。该领域将重点尝试深度学习、集成学习等人工智能领域中的先进算法建立作物表型预测模型。机器学习技术建立的“基因型到表型的预测模型育种应用将更为广泛，可以实现玉米基本农艺性状与产量预测、亲本配合力与子代杂种优势预测、玉米营养吸收与高效利用评价、玉米抗病虫与抗逆境评价、玉米最优环境生态区选择等预测功能，最终实现智能化、自动化地辅助育种家设计育种方案。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　合成生物学是在系统生物学的基础上，采用工程系统设计的理念合成人工基因回路，为一个物种引入多基因参与的生物通路，使该物种具备新的生物学功能。人工合成基因回路的最大优势是可以利用来自微生物等其他物种的外源基因，解决依靠改造作物自身基因组难以实现的性状改良的问题。合成生物学的方法在玉米育种中较为适合解决玉米抗逆性和环境适应性的问题。自然界中各种极端环境微生物包含大量的耐酸、耐盐、耐热、耐寒等基因资源。微生物中的合成生物学研究已积累了大量的抗逆基因元器件与模块。诸多研究表明，微生物与植物的抗逆通路存在生物学共性。随着玉米转基因技术的成熟，将微生物中现有的抗逆基因回路整合到玉米基因组中，快速培育高抗玉米新品种有望在不久的将来实现。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　大数据驱动的智能育种运作模式的前提条件是标准化大数据体系，即建立来自玉米科研领域与育种行业的基因型与表型数据的规范化采集、处理、提炼、分析、存储与管理的数据库系统。玉米科研领域主要贡献种质资源群体的基因组、转录组、代谢组、蛋白组等数据类型，通过多维度生物组学数据的联合分析，挖掘株型、产量、抗病、抗虫、耐盐、耐旱、耐寒等性状相关的重要基因与自然变异，为分子设计育种与基因人工改造提供素材。商业化基因编辑与转基因技术公司为玉米基因改造提供专业化技术服务，大规模建立玉米定向基因突变体库与创制育种供体材料。以玉米为底盘细胞的合成生物学将逐步开展起来，借助极端微生物中的抗性基因创造人工合成抗逆基因回路，突破玉米自身基因抗胁迫的瓶颈。我国也将建立为育种行业提供数据共享服务的玉米基因型与分子标记数据库，为商业育种提供有效的分子检测标记资源。随着二代测序、SNPmso-ascii-theme-font:minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　芯片等不同通量的基因型检测成本的降低，为商业育种的骨干亲本、测试亲本、亲本衍生系、DHmso-ascii-theme-font:minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　系等不同群体提供更加灵活和便利的基因分型解决方案。与杂交组合测试实验的费用相比，越来越多的育种企业将选择更低成本的基于基因型的表型预测辅助每年育种方案的设计和决策。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　在图形图像技术、人工智能技术、物联网技术的支撑下，玉米育种实验数据与种植生产数据将指数增长，逐步形成玉米表型与环境大数据体系。未来10mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　年里，将有一大批商业化农业服务科技公司崛起，为玉米种业行业提供表型监测的各类技术服务。田间表型数据的采集使用小型无人机、野外机器人、农业机械装备搭载的光学设备、雷达设备在不同玉米生长时期内自动化采集表型图像。图形图像数据经过专业的深度学习模型数字化处理，转换成育种中常用的标准化农艺性状数据。用于采集玉米生长发育过程中的生理生化指标的离子检测传感器等便携式设备将逐步应用起来，用于生理表型数据的获取。生理表型组数据将有助于挖掘抗逆相关基因，以及氮磷钾等营养物质高效吸收利用材料的筛选。作物的田间长势、产量性状与环境因素息息相关。应用农业物联网技术配合田间农情监测系统对测试区域的气象与土壤数据、虫害与病害数据、生长与产量数据，以及收获后测产数据进行自动化采集。各类环境数据通过通信网络传输至云端服务器进行处理、分析、存储与管理，实现对育种实验站点的常年多点式追踪。环境因子数据整合到预测模型中可以显著提高模型预测精度，更加精准的预测产量杂种优势、基因型与环境互作，为玉米品种最优种植生态区的选择提供决策。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　玉米育种材料基因型数据与田间表型数据的集中式采集与管理为建立育种智能决策模型提供广泛的训练集合。在国际知名种业公司的商业化育种体系中，育种信息管理系统、育种价值评估模型、分子设计育种工具、育种决策工具等一系列信息管理与数据分析模块是衔接整个育种流程中每个环节的重要节点，用数据决策每个环节的育种方案。我国育种4.0mso-ascii-theme-font:minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　阶段的重要任务之一是结合中国的实际情况，minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　为我国玉米种业行业建立工程化育种与信息化管理体系，应用大数据与机器学习技术建立一系列育种智能决策模型，覆盖育种流程中的每一环节，为育种企业提供数据分析与决策服务，包括基因型与表型数据的自动化处理、亲本自交系材料的杂优群体划分、玉米基础农艺性状的表型预测、玉米产量与杂种优势的预测、一般配合力与特殊配合力的预测、营养高效利用与吸收效率的预测、育种材料的抗虫与抗病等级评价、抗逆境与非生物胁迫等级评价、玉米品种的环境适应性与最优种植生态区预测，以及供体亲本材料的标记筛选等育种决策服务。未来将有一大批提供育种数据分析与决策服务的农业科技公司涌现，推动玉米育种数据的规模化与标准化，逐步形成针对我国玉米育种材料的训练群体，提高育种决策模型的普遍适用性。

　　mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　玉米育种模型的分析与预测结果将整理成标准化报告，辅助育种家筛选育种材料与设计育种流程。基因组设计育种的智能决策主要在基因组选择的水平上体现两个层面的内容：其一是根据杂种一代的表型预测结果筛选一般配合力和特殊配合力整体优于对照品种的优良亲本自交系，建立杂交育种组合实验方案，该步骤基本可以直接获得可接近品种的玉米杂交种；其二是采用基因组智能设计算法，minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin>

　　模拟适用于该育种群体的亲本理想基因组与子代理想表型，以理想表型为目标，设计亲本自交系的杂交方案并结合单倍体育种技术实现快速创制新的优良自交系。亲本理想基因组理论上聚合了该育种群体的自交系所涵盖的大部分优势等位基因，同时排除了大部分劣势等位基因。亲本理想基因组与测试亲本杂交产生的子代理想表型，尤其是产量及其杂种优势相关性状，基本代表了该育种群体所能实现的理论产量的上限。有了理想基因组作为参考，随即可以根据理想基因组中包含优势等位基因的染色体片段的重组规律，从众多亲本自交系中遴选包含优良染色体片段较多的少数亲本组合，建立最优杂交组合方式，结合单倍体育种技术实现优良亲本自交系的快速创制。