湖畔实验室AI加速棉花精准育种：解析近3亿DNA甲基化数据，助力改良棉纤维

棉花产量与纤维品质如何受到DNA甲基化调控？在AI的帮助下，中国棉花育种专家成功破译这一“密码本”，并从中找出有望改良棉花品种的关键基因位点。

近日，由浙江大学棉花精准育种团队、中国农科院生物技术所和湖畔实验室（阿里巴巴达摩院）智慧育种团队组成的联合科研团队，综合运用遗传学、生物大数据和AI技术，构建了涵盖207个品种的棉花全基因组DNA甲基化图谱，鉴定2.87亿个单甲基化多态性（SMP）位点，规模为目前所有作物之最。联合团队从中发现43个潜在参与纤维发育的eQTM基因，为棉花育种提供重要的候选基因列表。相关论文发表在国际顶级期刊《细胞研究》（Cell Research）上。

棉花是全球最大的天然纺织纤维来源，需要通过不断聚合优异的基因组遗传位点，进行品种改良。在AI、大数据等技术加持下，农业正在步入“智慧育种”时代，通过综合作物基因型数据、表型数据和环境数据，预测作物性状，精准筛选出优异基因。

此次，联合科研团队聚焦DNA甲基化对作物的影响。DNA甲基化可以在不改变棉花DNA序列的情况下，影响棉花产量、纤维品质等农艺性状，并通过自然进化和人工选择传递。团队收集了207个品种的棉花全基因组甲基化测序数据、基因组测序数据、转录组测序数据，再结合农艺性状的表型数据，进行关联分析，首次构建起群体尺度的棉花全基因组DNA甲基化图谱，涵盖2.87亿个单甲基化多态性（SMP）位点。其中，仅甲基化测序数据就达到17TB。

湖畔实验室融合AI、并行计算等技术开发了一套新型算法，加速海量遗传数据的分析处理。湖畔实验室智慧育种团队负责人顾斐表示：“相比起传统方法，AI加成的分析计算速度提升近100倍，有助于开展亿级序列对比、群体变异分析和多组学关联分析，在数百个遗传变异、数万个基因以及数亿个甲基化位点之间建立起复杂的映射关系。”

联合科研团队进而首次绘制出与棉花纤维发育相关、独立于遗传因素的表观调控网络，揭示了43个潜在参与纤维发育的eQTM基因。其中一个位点已通过基因编辑实验，证实其调控棉花纤维长度的作用。此外，研究人员研发了深度学习模型DeepFDML，基于DNA甲基化位点附近的序列，预测影响基因表达的甲基化位点，未来有望发现更多具有育种价值的信息。

浙江大学棉花精准育种团队方磊教授表示：“这项研究成果证明了DNA甲基化数据可作为育种资源，为棉花品种改良提供新的思路。依托生命科学+AI，育种家们将持续挖掘关键基因、预测农艺性状，加速培育‘超级’作物。”

据悉，湖畔实验室（数据科学与应用浙江省实验室）成立于2020年7月，依托阿里巴巴达摩院建设，聚焦数据科学领域的“数据智能”和“新型计算”两大方向。在智慧育种领域，湖畔实验室牵头研发全流程智慧育种平台，为育种家们提供包含育种数据管理和分析、计算加速、AI预测的“中央厨房”，大幅缩短培育新品种的周期。