机器学习与基因组编辑相结合以加速作物改良
近日，扬州大学张韬团队在aBIOTECH发表综述“Integrating machine learning and genome editing for crop improvement”。
随着大数据的积累，越来越多基于机器学习的方法被应用于植物科学研究，包括功能性基因和调控元件的挖掘，蛋白质结构的预测，以及表型的快速鉴定。先进的CRISPR基因编辑技术结合了机器学习算法，能够精准快速地编辑一个或多个目标基因位点，从而解决了传统育种过程中的繁琐问题，推动了作物改良的创新发展。
文章总结了机器学习在优化基因编辑系统中的应用，主要涵盖了三个方面：编辑效率、特异性优化和编辑结果预测。
- 利用机器学习可以设计并选择合适的guide RNA和编辑蛋白，从而有效提高编辑系统的效率和特异性。
- 基于机器学习的guide RNA设计模型和软件可以综合考虑多种因素，设计出高效高特异性的guide RNA，从而显著提高编辑系统的效率和准确性。经过大量基因编辑实验数据训练后的机器学习模型可以准确预测基因编辑结果，帮助研究人员优化编辑方案并获得预期基因型。
- 蛋白质结构预测软件如AlphaFold2为编辑蛋白分子机制的深入研究提供了有力支持，进一步推动了高活性和特异性编辑蛋白的开发。
在基因编辑与作物育种领域，机器学习技术扮演了重要的桥梁角色。其利用大数据处理能力，帮助研究人员高效地识别影响作物复杂性状的关键基因、顺式调控元件及其关键作用位点，为基因编辑的精确目标选择提供了科学基础。通过整合基因调控网络分析和全基因组关联研究，机器学习综合分析了多组学数据，加速了性状相关基因的识别过程。此外，该技术能够准确定位调控元件中的关键核苷酸，并预测不同碱基变化对基因表达的潜在影响，进而允许通过基因编辑手段对基因表达进行微妙的调整。机器学习的应用明确了编辑的目标，显著提高了使用基因编辑技术直接改良作物性状的效率，并为精确育种提供了技术支持。
文章最后对机器学习与基因编辑技术在作物育种领域的应用前景进行了展望。通过将机器学习、基因编辑与其他前沿科技如表观组学、单细胞测序相结合，可以拓展基因编辑的功能和应用范围，为育种专家提供更强大的作物改良工具。此外，将机器学习和基因编辑技术应用于创新的育种策略，如分子设计育种、从头驯化以及合成生物学领域，有望突破传统育种技术的限制，开辟作物育种新方向，带来新机遇。
