中美玉米种质互补协作与联邦学习驱动的全球数字资源库构建

《Journal of Agriculture and Food Research》：Toward a Global Digital Commons for Maize Breeding

　　

摘要

玉米（Zea mays L.）是一种非常重要的C4作物，具有极高的光合效率，是全球重要的热量来源。然而，在传统的育种模式下，它经常受到极端气候带来的环境压力。面对全球粮食需求的压力，现有的育种系统难以应对这一挑战。从玉米育种者的角度出发，本研究提出了一种新的协作和相互依存的育种合作模式。中国和美国是两大玉米生产国，因此我们分析了美国玉米种质材料的耐密度特性与中国玉米种质材料的广泛适应性之间的互补机制。我们提出了一个理论框架，该框架整合了作物生长模型（Whole Genome Prediction，CGM-WGP）和环境分类技术。这一框架不仅代表了技术上的进步，也是对全球粮食危机的战略响应。为了克服地缘政治和知识产权障碍，我们建议基于联邦学习（Federal Learning，FL）的概念和同态加密技术建立数据共享机制，以构建全球性的数字玉米资源库。这种方法旨在整合主要玉米生产国的集体智慧，培育适应新气候条件的新品种，并为可持续的全球粮食生产提供生物和数字支持，同时将这些数字资源惠及全球南方国家，从而建立包容性的全球粮食安全防线。

Yaqi Bi | Xingming Fan