综述：迈向智慧农业：人工智能驱动关键基因预测引领作物育种革命

本综述深入探讨人工智能（AI）技术在作物育种关键基因预测中的突破性应用。通过整合多组学数据与深度学习模型（如SoyDNGP），AI将大豆产量预测决定系数（R2）提升至0.89，显著优于传统GBLUP模型（R2=0.72），并精准定位qYield-08-3等高产基因组区域。技术推动育种范式从经验导向转向精准设计，为粮食安全与农业可持续发展提供核心支撑。

　　

Abstract

Main conclusion

人工智能（AI）驱动关键基因预测技术正在彻底变革作物育种领域，通过提升精准性、效率与可持续性，为数据驱动的智能农业创新铺平道路。

Abstract

人工智能与作物育种的融合正推动农业进入数据驱动的精准实践新时代，从根本上重塑作物改良的效率和准确性。本文系统综述了AI在作物育种关键基因预测中的最新进展，全面评估其应用成果与潜在影响，涵盖多组学数据整合、深度学习模型构建、关键基因预测及品种设计等核心环节。

以大豆产量预测模型SoyDNGP为代表，通过创新性数据转换与分析策略，将产量预测的决定系数（R²）提升至0.89，显著优于传统GBLUP模型（R²=0.72），并精准定位qYield-08-3等高产相关基因组区域。AI技术还成功应用于棉花纤维发育、玉米氮素利用效率等关键性状的基因挖掘，实现了针对性状改良。

当前发展仍面临多重挑战：异构数据源标准化、数据安全风险、深度学习模型的黑箱特性以及小样本学习局限性。未来需构建“AI预测-基因编辑-机器人执行”的智能育种闭环系统，发展农业大语言模型（Agri-LLMs）推动普惠应用，建立可持续育种评估体系，并通过边缘计算技术赋能小农户生产。

通过跨学科合作与全球数据共享，AI技术有望突破传统育种局限，为全球粮食安全与农业可持续发展提供关键技术支撑。这一进程遵循三大核心轨迹：从经验育种到精准设计的技术范式变革；效率、生产力和可持续性的多维应用价值；以及智能、绿色、包容的农业未来愿景。