人工智能驱动的蜜蜂卵黄蛋白原标记辅助选择技术：提升蜂群健康与农业授粉可持续性的新策略

针对蜜蜂蜂群高损失率问题，研究人员开发了基于人工智能(AI)的卵黄蛋白原(Vg)标记辅助选择(MAS)育种系统。通过AlphaFold2预测Vg变体结构功能，成功培育出纯合参考Vg等位基因蜂群，为快速选育抗逆性蜂种提供了成本效益高的新方案，对保障全球粮食安全具有重要意义。

　　

全球农业正面临一个严峻挑战——作为重要授粉者的蜜蜂蜂群正在以历史记录两倍的速度消失。这种被称为蜂群崩溃综合征(Colony Collapse Disorder, CCD)的现象，每年仅在美国就造成约150亿美元的经济损失。科学家们发现，导致蜜蜂大量死亡的主要有四大"杀手"：寄生虫(如瓦螨Varroa destructor)、病原体、农药和营养不良。更令人担忧的是，气候变化和全球化正在加剧这些威胁。面对这场生态危机，传统育种方法显得力不从心，急需开发新型育种技术。

蜜蜂育种面临独特挑战：最有价值的性状往往体现在工蜂(不育雌性)的集体表现上，而非可育的蜂王和雄蜂。这使得基于单基因效应的标记辅助选择(Marker-Assisted Selection, MAS)技术难以应用。挪威生命科学大学Vilde Leipart团队另辟蹊径，将目光投向了一个古老而多功能的蛋白质——卵黄蛋白原(Vitellogenin, Vg)。这个已有7亿年历史的"瑞士军刀"蛋白，在蜜蜂中进化出了令人惊叹的多重功能：既是营养储存蛋白，又是锌离子转运体，还参与免疫防御、行为调控甚至影响瓦螨繁殖。

研究人员采用革命性的人工智能(AI)技术AlphaFold2，对121种天然存在的Vg变体进行结构预测和功能分析。通过建立首个完整的蜜蜂Vg分子模型，他们发现其中81个非同义单核苷酸多态性(nsSNPs)可能导致功能差异。这项发表在《Journal of Economic Entomology》的研究，开创性地将AI蛋白结构预测与传统养蜂技术相结合，开发出高效的MAS育种流程。

关键技术包括：1)利用纳米孔测序技术对Pol-line等抗瓦螨蜂种的416只单倍体雄蜂进行Vg基因分型；2)通过AlphaFold2建模预测Vg变体对脂质结合、锌结合等功能的影响；3)设计特异性引物进行桑格测序验证；4)采用单雄蜂授精技术快速建立纯合Vg参考系蜂群。样本主要来自美国路易斯安那州的USDA-ARS养蜂场。

【Vg变体筛选与特征分析】

研究人员首先建立了包含121种Vg变体的数据库，通过纳米孔测序发现Minnesota Hygienic和Pol-line蜂种中存在与参考基因组一致的Vg变体。在Pol-line蜂群中，他们鉴定出7种外显子2单倍型，其中单倍型1与参考Vg完全一致。通过结构预测发现，变体15中的p.S1110T突变可能通过缩小脂质结合腔146.016 ?3来改变营养代谢。

【AI辅助的变体选择】

利用AlphaFold2模型，团队成功预测了Vg变体对功能结构域的影响。例如，p.S1110T位于暴露的环区，与3个磷脂分子和1个烃链距离小于6?，可能显著改变脂质结合特性。这种AI驱动的结构功能预测为MAS提供了精确的分子靶点。

【参考Vg系的培育】

研究人员设计了一套高效的育种方案：通过桑格测序筛选携带参考Vg的蜂王(F0-F2代)，用已知携带参考等位基因的雄蜂精液进行单雄授精，最终在4代内培育出35个纯合参考Vg蜂群。整个过程将传统需要1年的育种周期缩短至1个月。

这项研究开创了蜜蜂育种的新范式。AI增强的MAS技术克服了传统育种方法周期长、成本高的缺点，使针对特定环境压力快速优化蜂种成为可能。特别值得注意的是，该方法完全基于天然存在的Vg变体，避免了转基因生物的安全争议。研究建立的参考Vg系为后续功能比较提供了基准，而针对脂质结合变体的选育可能改善蜂群越冬能力。

这项技术的应用前景广阔：对育种者而言，可将筛选时间从1年缩短至1个月，大幅降低人力物力投入；对养蜂人而言，抗逆性蜂种能减少蜂群分裂需求和农药使用；对整个农业生态系统而言，稳定的蜜蜂种群意味着更可靠的授粉服务。随着气候变化加剧，这种能快速响应新威胁的育种策略，将成为保障全球粮食安全的重要工具。