"这不仅是在教AI育种知识，更是在传授科学发现的方法。"上海人工智能实验室研究员、"丰登"项目联 合负责人董楠卿表示，"我们要让AI学会如何读懂育种科学家的需求、找到匹配的基因，设计实验、验 证结论，甚至自我纠错。" 通过强化学习训练，"丰登·基因科学家"逐步具备一定的"科研能力"。它能够模拟专家推理过程，自动 完成从提出假设、设计实验到分析结果的完整流程。在验证中，研究团队选取了水稻、玉米的数十个未 报道基因，除具体实验操作外，关键科研决策由"丰登"向科研人员提供。 作物育种的关键在于通过基因组精准设计优化农艺性状。自2005年水稻全基因组测序完成以来，多国投 入大量资源致力于基因功能解析，但进展缓慢。传统育种研究高度依赖专家经验，从提出假设、设计实 验到验证结论，往往需耗时数年，且成功率有限。 "这就像面对一本写满未知符号的天书，我们只能零星破译几个字符，育种效率难以提升。"崖州湾国家 实验室研究员、"丰登"项目联合负责人杨帆说，育种历史记录数据、作物生物测序数据、农田环境数据 和种养管理数据等关键数据事关育种成败，"尤其是近年来极端气候事件频发，农田环境条件和作物生 产模式已与过去大不相同，依靠人工经验 ...

全球农业可持续发展挑战 - 全球人口持续增长、气候变化加剧及耕地资源减少导致粮食安全与农业可持续发展成为重大挑战 [1] 多学科技术整合推动作物改良 - 中科院与华中农大团队在Nature发表综述，提出AI与生物技术整合的作物改良框架 [2][3] - 现代组学技术（基因组学、代谢组学、单细胞组学）为育种提供遗传信息解析能力，揭示新性状改良位点 [4] - 高通量表型技术（HTP）通过无人机、传感器实现基因型与表型高效连接，加速优良变异筛选 [4] 基因组编辑与蛋白质设计技术突破 - CRISPR技术实现跨尺度基因组精准编辑，显著缩短育种周期并聚合优良性状 [4][8] - AI驱动的蛋白质设计可创造自然界不存在的新功能蛋白（如抗病蛋白、生物传感器、环境降解酶） [4][10] AI辅助作物设计框架 - 提出整合基因组、表型、环境等多模态数据的AI辅助设计模型，实现数据驱动的精准育种 [19] - AI通过深度学习生成优化育种方案（如提升产量、抗逆性、营养品质），替代传统经验依赖模式 [19][24] 技术应用挑战与政策环境 - 高质量标准化数据是AI模型训练基础，需遵守生物安全与法规要求 [21] - 全球基因组编辑作物监管政策趋向科学简化，为技术推广创造有利条件 [21] 研究团队与贡献 - 通讯作者为中科院高彩霞研究员与华中农大李国田教授，多国机构学者参与论文撰写 [21]