AI-driven gene editing solves crop cold stress

•RGF肽屬於硫酸化肽激素家族，最初在擬南芥中被發現，主要功能是維持根分生組織的活性，但近期研究揭示其在植物應對鹽脅迫等非生物脅迫中也扮演重要角色。
•RGF基因在低溫脅迫下激活的分子機制涉及RGF-SlRGFR6信號軸調控鈣信號通路，以維持花粉發育關鍵細胞（絨氈層）的功能，從而確保低溫下的繁殖成功。
•AI與多維組學技術的整合，利用機器學習和深度學習模型分析基因組學、轉錄組學、蛋白質組學和代謝組學數據，以識別與理想性狀相關的分子標記並提高作物育種的預測準確性。
•除了冷害，AI驅動的基因編輯技術也正被應用於提升作物對乾旱、高溫和鹽鹼等其他主要非生物脅迫的耐受性，以及增強植物的抗病能力。
•中國研究團隊還開發了結合基因編輯與AI機器人的「作物-機器人協同設計」育種系統（GEAIR），旨在加速雜交作物的開發，將育種週期從數年縮短至一年。

📊 競品分析▸ Show

公司/研究機構	技術/平台	應用作物	主要特點
中國研究團隊 (本文章)	AI與多維組學整合基因編輯 (RGF基因)	水稻、番茄、大豆、玉米	專注於低溫脅迫下激活RGF基因，避免能量損耗，番茄減產降低52.2%
INARI	SEEDesign™ (AI驅動預測設計與多重基因編輯)	大豆、玉米、小麥	整合AI預測設計與多重基因編輯，開發高產、氣候適應性作物
Converge Bio	生成式AI平台 (從藥物建模擴展至作物基因組學)	氣候韌性作物	獲得蓋茨基金會資助，利用多模態、長上下文基礎模型識別與產量和氣候韌性相關的基因變異
Resurrect Bio	FloraFold (AI驅動平台)	抗病作物 (如大豆胞囊線蟲、晚疫病)	透過深度學習預測精確基因修飾，重新激活植物免疫功能，減少對化學農藥的依賴
中國農業大學	AI輔助蛋白質設計與基因編輯	玉米	重塑NLA蛋白，同時提升耐寒性和磷酸鹽利用效率，解決耐寒與養分吸收的權衡問題

AI與多維組學整合：結合基因組學、轉錄組學、蛋白質組學和代謝組學等多層次生物數據，利用機器學習和深度學習算法（如自動編碼器、圖神經網絡、卷積神經網絡、循環神經網絡和Transformer模型）來揭示複雜的生物相互作用和調控機制，從而識別目標基因和性狀。
RGF基因作用機制：RGF肽（如番茄中的SlRGF9和SlRGF10）屬於小信號肽家族，在細胞表面被富含亮氨酸重複序列的受體樣激酶（LRR-RLKs），包括SlRGFR6和SlSERK蛋白組成的受體複合體感知。這種感知會觸發鈣離子內流，這是阻止絨氈層細胞冷延遲程序性細胞死亡的關鍵信號，從而確保花粉在低溫下的正常發育。
基因編輯工具：主要採用CRISPR/Cas9系統進行精準基因修飾，實現基因敲除、插入或替換，以產生具有所需性狀的突變體。
AI輔助蛋白質設計：利用AI技術重新設計和優化蛋白質功能，例如在玉米中重塑NLA蛋白，以打破耐寒性與磷酸鹽吸收之間的權衡。

AI與基因編輯的整合將顯著縮短作物育種週期。

AI驅動的分析加速了理想性狀和最佳基因修飾的識別，而基因編輯則允許精確和快速的實施，從而將育種時間從數年縮短至一年。

這項技術將使作物能夠抵抗更廣泛的非生物脅迫，而不僅限於冷害。

多維組學和AI方法可用於發現針對乾旱、高溫和鹽鹼耐受性的基因和通路，現有研究已證明其應用潛力。

AI驅動的基因編輯將減少對傳統農業投入（如農藥和化肥）的依賴。

透過工程化作物以增強其內在免疫力和養分利用效率，可以最大限度地減少對外部化學干預的需求。

2020-01

中國科學家利用CRISPR-Cas9系統成功編輯水稻基因，提高產量和耐寒性。

2021-04

RGF肽激素在植物根尖分生組織生長中的作用被綜述，確認其為13個氨基酸的硫酸化肽。

2025-07

中國科學院科學家提出整合生物技術與AI的作物育種框架，旨在應對全球糧食安全挑戰。

2025-08

中國科學院團隊開發出AI驅動的機器人育種系統（GEAIR），結合基因編輯加速雜交作物育種。

2026-02

中國農業大學研究團隊利用AI輔助蛋白質設計和基因編輯，重塑玉米NLA蛋白，同時提升耐寒性和磷酸鹽利用效率。

2026-06

中國研究團隊利用AI與多維組學技術發現RGF基因，顯著降低水稻與番茄的低溫減產損失。

AI 驅動基因編輯技術攻克作物冷害難題