油菜是我國重要的油料作物，其產量和品質直接關系到國家糧油安全。然而，傳統育種往往依賴經驗和漫長的田間觀察，如同“大海撈針”。如今，這一局面正在被改寫——西南大學盧坤教授、宋佳明研究員團隊成功構建了甘藍型油菜基因組選擇分析平台BIGS，為油菜育種裝上了“智慧大腦”，讓育種從“經驗驅動”加速邁向“數據驅動”。

把“數據孤島”連成“資源庫”

育種難，首先難在數據分散。不同課題組、不同生態區的基因型和表型數據往往“各自為政”，難以復用。BIGS平台整合了全球2874份芸薹屬種質資源，涵蓋白菜型油菜、甘藍和甘藍型油菜的多個自然群體與遺傳群體，並匯集了生育期、株型、產量、品質、抗性等關鍵農藝性狀數據。這就好比把散落各地的“拼圖”一塊塊拼起來，為基因組預測提供了統一、標准化的“數據底座”。

用“深度學習”給油菜“算一卦”

有了大數據，還得有好算法。團隊自主研發了DeepVAE深度學習模型，它像一位“算力高手”——先通過變分自編碼器從海量SNP標記中自動提取關鍵特征，再借助殘差網絡精准預測油菜的開花期、產量等復雜性狀。在開花期這一重要農藝性狀的驗証中，DeepVAE在兩個油菜自然群體中的最佳預測准確率分別達到0.834和0.868，優於傳統線性模型和多數主流機器學習方法。這意味著，油菜還沒種到地裡，就能預判它的“未來表現”，大大縮短了育種周期。

讓模型不僅“算得准”，還要“講得清”

深度學習模型常被詬病為“黑箱子”——隻給結果，不說原因。BIGS平台引入了整合梯度方法，能夠定位哪些基因位點對預測結果貢獻最大。研究團隊用它成功鎖定多個已知的FT和FLC開花調控基因，與傳統GWAS結果相互印証，為育種家篩選關鍵候選基因提供了“靶向導航”。也就是說，平台不僅告訴你“哪棵苗好”，還告訴你“為什麼好”，讓育種設計更有依據。

一個“雲端工具箱”，育種家隨時用

最讓基層育種工作者感到方便的是，BIGS平台將數據檢索、表型預測、模型訓練和候選位點解釋全部集成到同一在線系統（https://brassicaibd.cn/bigs）。用戶隻需上傳數據，就能在線完成交叉驗証、訓練定制化模型，甚至進行跨群體測試。無論身處實驗室還是田間地頭，育種家都能輕鬆調用這一智能工具，為油菜復雜性狀改良和基因組設計育種提供可擴展的數字化支撐。

創新無止境，科技助農興

該研究近日發表於國際植物學權威期刊《植物通訊》（Plant Communications），西南大學博士研究生黎小東、孟柏羽和本科生趙玉博為共同第一作者，盧坤教授、宋佳明研究員為共同通訊作者。研究得到國家自然科學基金、生物育種國家科技重大專項、國家現代農業產業技術體系、重慶市企科聯合商業化育種創新攻關等項目資助。從“一粒種子”到“一桶好油”，BIGS平台的誕生，正是我國農業科技工作者面向國家糧食安全需求，用數字技術賦能育種創新的生動實踐。（袁杰）