油菜是我国重要的油料作物，其产量和品质直接关系到国家粮油安全。然而，传统育种往往依赖经验和漫长的田间观察，如同“大海捞针”。如今，这一局面正在被改写——西南大学卢坤教授、宋佳明研究员团队成功构建了甘蓝型油菜基因组选择分析平台BIGS，为油菜育种装上了“智慧大脑”，让育种从“经验驱动”加速迈向“数据驱动”。

把“数据孤岛”连成“资源库”

育种难，首先难在数据分散。不同课题组、不同生态区的基因型和表型数据往往“各自为政”，难以复用。BIGS平台整合了全球2874份芸薹属种质资源，涵盖白菜型油菜、甘蓝和甘蓝型油菜的多个自然群体与遗传群体，并汇集了生育期、株型、产量、品质、抗性等关键农艺性状数据。这就好比把散落各地的“拼图”一块块拼起来，为基因组预测提供了统一、标准化的“数据底座”。

用“深度学习”给油菜“算一卦”

有了大数据，还得有好算法。团队自主研发了DeepVAE深度学习模型，它像一位“算力高手”——先通过变分自编码器从海量SNP标记中自动提取关键特征，再借助残差网络精准预测油菜的开花期、产量等复杂性状。在开花期这一重要农艺性状的验证中，DeepVAE在两个油菜自然群体中的最佳预测准确率分别达到0.834和0.868，优于传统线性模型和多数主流机器学习方法。这意味着，油菜还没种到地里，就能预判它的“未来表现”，大大缩短了育种周期。

让模型不仅“算得准”，还要“讲得清”

深度学习模型常被诟病为“黑箱子”——只给结果，不说原因。BIGS平台引入了整合梯度方法，能够定位哪些基因位点对预测结果贡献最大。研究团队用它成功锁定多个已知的FT和FLC开花调控基因，与传统GWAS结果相互印证，为育种家筛选关键候选基因提供了“靶向导航”。也就是说，平台不仅告诉你“哪棵苗好”，还告诉你“为什么好”，让育种设计更有依据。

一个“云端工具箱”，育种家随时用

最让基层育种工作者感到方便的是，BIGS平台将数据检索、表型预测、模型训练和候选位点解释全部集成到同一在线系统（https://brassicaibd.cn/bigs）。用户只需上传数据，就能在线完成交叉验证、训练定制化模型，甚至进行跨群体测试。无论身处实验室还是田间地头，育种家都能轻松调用这一智能工具，为油菜复杂性状改良和基因组设计育种提供可扩展的数字化支撑。

创新无止境，科技助农兴

该研究近日发表于国际植物学权威期刊《植物通讯》（Plant Communications），西南大学博士研究生黎小东、孟柏羽和本科生赵玉博为共同第一作者，卢坤教授、宋佳明研究员为共同通讯作者。研究得到国家自然科学基金、生物育种国家科技重大专项、国家现代农业产业技术体系、重庆市企科联合商业化育种创新攻关等项目资助。从“一粒种子”到“一桶好油”，BIGS平台的诞生，正是我国农业科技工作者面向国家粮食安全需求，用数字技术赋能育种创新的生动实践。（袁杰）