综述：整合多组学与机器学习预测豆科植物抗病性

这篇综述系统探讨了整合多组学（基因组、转录组、表观组、蛋白质组、代谢组）与机器学习（ML）技术提升豆科植物抗病性预测的潜力。文章强调多组学数据能揭示植物-病原体互作的复杂分子机制（如R基因、QTLs），而ML模型（如随机森林RF、支持向量机SVM）可捕捉非线性关系，加速抗病育种（GS）。作者指出，尽管该策略在主要作物中已有应用，但在豆科（如大豆、鹰嘴豆）中仍需突破基因组狭窄和工具不足的瓶颈。

　　

引言：豆科植物的抗病挑战

豆科作物（如大豆Glycine max、鹰嘴豆Cicer arietinum）是全球粮食安全的关键，但其产量常因病害损失10-40%。传统育种依赖单一基因组标记（如SNPs）和线性统计模型，难以解析抗病性的多基因调控网络。多组学技术通过整合转录动态（RNA-seq）、表观修饰（DNA甲基化）、蛋白互作（质谱）和代谢物变化（如防御相关苯丙烷类），为抗病机制提供了全景视角。

多组学技术的协同作用

基因组学：GWAS和泛基因组分析发现抗病相关等位基因（如鹰嘴豆Foc抗性基因）。例如，大豆泛基因组揭示了野生种中罕见的抗性变异。
转录组学：双物种RNA-seq（宿主-病原体）可识别早期防御响应基因（如WRKY转录因子），其表达模式通过SVM分类器预测病害严重度（准确率72.3%）。
表观组学：病原体感染诱导启动子区CHH去甲基化，激活防御基因（如拟南芥中Pseudomonas响应基因）。
代谢组学：抗性大豆品种中，Phytophthora sojae侵染触发特异性糖类和次级代谢物积累，这些生物标志物在RF模型中权重高于基因组标记。

机器学习的数据整合策略

高维多组学数据需通过三类整合策略处理：

1. 早期整合：将SNPs、基因表达等特征拼接为单一矩阵，但忽略层间互作。
2. 中间整合：多核学习或图神经网络（GNN）构建统一表征，如NetGP模型通过基因共表达网络提升预测性能。
3. 晚期整合：分步建模可能导致信息丢失，但适合异构数据（如影像组+代谢组）。

特征选择是关键步骤：

• 方差过滤减少冗余（如连锁SNPs）；
• RF的变量重要性排名识别核心抗病代谢物（如大豆中的L-脯氨酸）；
• 注意力机制（如EG-CNN模型）定位高贡献特征，解释模型决策。

应用案例与挑战

成功案例：

• 大豆抗Phytophthora：CRNN模型预测TF结合位点（准确率90%）；
• 柑橘黄龙病：RF筛选微生物组-代谢组互作（准确率97.22%）。

瓶颈：

• 数据不平衡（抗/感样本不均）需SMOTE过采样；
• 小样本问题可通过迁移学习缓解（如TrG2P框架跨作物预测）；
• 计算资源限制推动云端协作（如FAIR原则数据共享）。

未来方向

单细胞空间组学将揭示组织特异性抗病响应，而大语言模型可辅助生成假说。开发用户友好工具（如SoyOmics数据库）帮助育种家平衡抗病性与产量，是实现“育种4.0”的核心。