《International Journal of Molecular Sciences》：Artificial Intelligence Methods in Forest Biotechnology: Current Status and Future Prospects
Vadim Lebedev and
Andrey Lebedev
编辑推荐：
人工智能（AI）是计算机科学的一个分支领域，正日益广泛应用于各行各业。全球气候变化和人类活动导致森林砍伐，这可能产生严重的生态和经济后果。保护天然森林资源的一种途径是利用生物技术育种方法，培育具有高生产力、抗逆性强且具有所需原料质量特性的树种品种。本综述总结了
人工智能（AI）是计算机科学的一个分支领域，正日益广泛应用于各行各业。全球气候变化和人类活动导致森林砍伐，这可能产生严重的生态和经济后果。保护天然森林资源的一种途径是利用生物技术育种方法，培育具有高生产力、抗逆性强且具有所需原料质量特性的树种品种。本综述总结了AI在森林生物技术领域应用的研究进展和现状。研究人员探讨了机器学习（ML）算法和人工神经网络（ANN）架构在森林生物技术各个领域的应用：离体培养、转基因植物、基因组编辑、组学技术和基因组选择（GS）。该综述讨论了木本植物特有的挑战，例如模型训练数据集的缺乏，以及AI使用的伦理方面，包括可解释性、偏差和问责制。最后，研究人员提出了未来值得考虑的研究方向。本综述可能有助于AI专家、植物科学研究者、林业从业者和政策制定者全面了解AI技术在研究和改良林木中的作用。
1. 引言
森林是主要的陆地生态系统，覆盖地球约31%的陆地表面，占陆地生物多样性的80%。然而，这些重要的生态系统面临着诸多威胁。可持续森林管理意味着平衡生态、经济和社会目标。AI方法的应用主要通过改进遥感获得的大型复杂数据集的分析，改变了森林管理方式。另一种防止天然林损失的方法是建立森林种植园，即集约管理的旨在生产专用高产原料的人工林。由于树种幼年期的长期性，传统育种方法非常耗时。过去20年，森林基因组学借助各种高通量测序和生物信息学分析技术取得了显著进展。目前正从基于多组学数据和基因组编辑的精准育种（Breeding 4.0）向基于AI的育种（Breeding 5.0）转变。AI方法不仅能够识别遗传标记，还能解码基因组的架构和调控逻辑及其与环境的相互作用。本综述旨在填补关于AI工具在森林生物技术中应用的空白，重点关注利用AI方法寻找决定林木有价值性状的基因（组学技术）、创造新的树木基因型（基因组选择、基因工程、基因组编辑）及其高效繁殖（植物组织培养）。
2. 人工智能（AI）
2.1. 人工智能方法
AI是计算机系统执行通常需要人类智能的任务的能力。传统的统计方法往往不足以分析复杂的非线性生物系统和多维数据集。相比之下，AI工具如机器学习（ML）和深度学习（DL）可以处理连续、二元、离散和不完整的数据，并能捕捉非线性、层次化和依赖于环境的调控关系。ML是AI的子集，其算法被训练以直接从可用数据中解决特定任务，包括监督学习（如使用标记数据集进行预测和分类）和无监督学习（如发现未标记数据中的模式和关系）。DL是ML的一个专门子集，其方法松散地模仿生物神经元的学习和决策操作，基于多层（“深度”）人工神经网络（ANN），能够自动提取数据的多层表示并揭示输入和输出变量之间复杂的非线性依赖关系。常见的ANN架构包括卷积神经网络（CNN）、循环神经网络（RNN）、图神经网络（GNN）和多层感知机（MLP）。
2.2. 植物生物技术中的人工智能
ML和DL方法应用于植物生物技术的各个领域。在离体培养中，AI模型已成为建模、预测和优化各种系统的有力工具。对于转基因植物的获得，ML算法已被用于优化农杆菌（Agrobacterium）菌株、细菌悬浮液光密度、共培养持续时间等因素。在基因组编辑方面，各种ML和DL模型可用于评估sgRNA，预测CRISPR/Cas9编辑中的靶向和非靶向效应。随着下一代测序技术的发展，分子标记最广泛的应用成为数量性状位点（QTL）定位、全基因组关联研究（GWAS）和基因组选择（GS）。组学技术（基因组学、转录组学、蛋白质组学、代谢组学等）促进了植物遗传学和育种的显著进步，但产生了需要AI工具处理的大量数据。传统的表型分析长期是植物育种的瓶颈，而自动化高通量表型分析（HTP）技术和计算机视觉（CV）、ML及DL的结合，使得将传感器数据转化为数量性状并开发基因型-表型-环境互作模型成为可能。
3. 森林生物技术中的人工智能
由于木本植物的生物学特性（体型大、寿命长、基因组杂合度高），涉及它们的研究通常滞后于草本物种。但目前ML和DL算法已应用于森林生物技术的所有领域。
3.1. 植物组织培养
植物含有大量药理活性化合物，但化学合成困难。榛子（Corylus avellana）悬浮培养是生产紫杉醇的一种有前景且低成本的策略。Farhadi等人比较了五种回归方法和自适应神经模糊推理系统（ANFIS），发现ANFIS模型结合遗传算法（GA）优化后能更准确地预测紫杉醇的生物合成。Barone创建了参数法（多元回归分析）和非参数法（ANN）来优化火炬松（Pinus taeda L.）器官发生的氮含量，结果显示ANN在预测形态发生反应方面具有更高的准确性。Davidson等人首次使用CNN分析辐射松（Pinus radiata D. Don）的成熟体细胞胚，Mask R-CNN模型有效地将胚胎从增殖性胚性组织中分割出来并计算子叶数量。Kocak等人封装了单子山楂（Crataegus monogyna）的节段，并使用五种ML算法预测合成种子的再生情况，其中四个模型显示出较高的预测准确率。
3.2. 基因组修饰
为了提高耐旱性，Shikakura等人利用ML方法评估了两个携带AtGolS2半乳糖醇合成酶基因的杨树无性系在田间条件下的耐旱性，高斯混合模型（GMM）将数据分为三组，并指出土壤水分是主要因素。Jalil等人评估了表达aqua1水通道蛋白基因的银白杨（Populus alba）植株的耐盐性，利用基于CNN的DL方法和ML算法检测经100 mM NaCl处理的植株，SVM和RF分类达到了最高准确率。Lu等人分析了毛果杨（Populus trichocarpa）和毛白杨（P. tomentosa）所有基因的转录组数据，利用RF模型发现了根特异性顺式调控模块，并设计了两个合成启动子PRTS1和PRTS2。Sulis等人利用多重CRISPR编辑技术对毛果杨进行修饰，基于ML算法的预测模型分析了近70,000个多基因编辑变体，最终选择了七个策略，旨在同时修饰多达六个基因，成功降低了木质素含量。
3.3. 分子标记
3.3.1. 遗传鉴定
Maldonado等人使用偏最小二乘判别分析（PLS-DA）、CNN和MLP对蓝桉（Eucalyptus cladocalyx）亚群进行分类，MLP模型显示出最高的准确率。Olsson等人利用RUBIAS软件和assignPOP ML方法确定了海岸松（Pinus pinaster）的起源，结果表明在基因库和区域水平上的分配是可靠的。Degen等人比较了最佳线性无偏预测（BLUP）、最近邻、高斯过程回归（GPR）和前馈神经网络（FFNN）方法，FFNN被证明是预测落叶树种地理起源的最佳方法。Dev等人使用ML WEKA软件包分析DNA条形码数据库，SVM算法在木材物种分类中表现出最高准确率。
3.3.2. 全基因组关联研究（GWAS）
为了识别不定根形成的遗传调节因子，Nagle等人使用DeepLab网络进行了GWAS，发现了277个独特的关联。随后对同一杨树群体进行芽再生研究，利用基于深度CNN的CV方法，识别出200多个候选基因。Lagergren等人使用基于CNN的小样本学习进行叶脉分割，提取了68个形态性状，并识别出30个可用于分子育种的独特基因。Jiang等人在毛白杨（Populus tomentosa）自然群体中进行了GWAS，发现PtoIRKI基因能增强RuBisCO活性，提高光合效率。Doonan等人在欧洲白蜡树（Fraxinus excelsior）中通过RF揭示了八个与冠层损伤相关的SNP。
3.3.3. 基因组选择（GS）
Aono等人评估了两种经典统计模型和四种ML算法对橡胶树（Hevea brasiliensis）茎围的GS效果，提出了使用神经网络进行两阶段预测的新方法。Akutsu等人在Shorea macrophylla中测试了12种模型，发现RF在完整SNP集中表现最佳。Zhou等人在美洲黑杨（Populus deltoides）中进行了生长和木材性状的GS，结果表明ML模型能更好地预测复杂的低遗传力性状。Mieres-Castro等人评估了两种DL模型（CNN和MLP）对蓝桉叶片精油含量的预测，DL模型在多性状方法中显示出更高的准确性。
3.4. 组学技术
Shi等人利用高准确度超长DNA测序组装了84K杂交杨的两个单倍型亚基因组，并利用基于46个遗传和表观遗传特征的ML XGBoost模型预测等位基因特异性表达（ASE）组。Du等人结合高分辨率解剖分析和空间转录组学，利用均匀流形逼近与投影（UMAP）ML算法分析了2000个基因的表达。Wang等人应用RF算法改进了竹子中长链非编码RNA（lncRNA）的全基因组鉴定和功能注释。Champigny等人利用FFNN建模，发现CpG甲基化可以解释杨树生物质、木材密度等表型变异的很大比例。Tahmasebi等人利用SVM等ML算法分析杨树转录组数据，确定了响应干旱的关键信号通路和基因。Mummadi等人比较了四种监督学习模型和五种集成学习模型，发现集成方法在预测基因调控网络方面更有效。Zhang等人利用10种不同的ML和DL模型预测竹子中的孤儿基因，基于卷积和Transformer神经网络（CNN + Transformer）的混合DL模型表现优越。Aufrecht等人利用三种ML方法评估接种菌根共生体对美洲黑杨代谢网络的影响，KNN模型表现最佳。
3.5. 表型组学
3.5.1. 显微高通量表型分析
Li等人利用Faster R-CNN成功检测了小叶杨（Populus simonii）×黑杨（P. nigra）和新疆杨（P. lasiocarpa）的气孔。Song等人使用Mask R-CNN进行气孔分割和参数测量。Gibbs等人使用基于Attention U-Net和Inception架构的DL模型估计气孔导度，在区分物种间气孔方面达到了100%的准确率。Wang等人开发了一种振动辅助机器视觉系统，利用SVM算法对极小的杨树种子进行分类。
3.5.2. 地面高通量表型分析
Fan等人利用ML分析两种耐旱性不同的杨树品种对不同程度水分胁迫的反应，RF方法在早期生长阶段以高准确率检测和评估了干旱相关性状。Zhou等人结合了CV和DL，使用Mask R-CNN和YOLOv8进行叶片分割，多任务MobileNet表现最佳。Gao等人针对亮叶桦（Betula luminifera）幼苗提出了一种DL模型，ResNet50表现最好，并开发了空间注意力模块（SAM）-CNN架构，准确率达到99.6%。Guo等人提出了优化的CV YOLOv8模型MAF-YOLOv8，在叶片计数方面实现了91.7%的平均准确率。
3.5.3. 航空高通量表型分析
Tauro等人利用潜在热通量（λET）和多平台方法评估单木水平的水分胁迫，使用数据挖掘Sharper ML算法增强卫星图像以识别个体树木。Blonder等人结合SSR标记分析和无人机遥感，利用RF模型成功预测了颤杨（Populus tremuloides）林分中的倍性水平。Arcidiaco等人利用无人机HTP检测栗疫病，结合植被指数与SVM和GNB分类器，最佳结果达到95.2%。Wang等人利用机器学习方法建立了基于日光诱导叶绿素荧光的模型，以提高总初级生产力（GPP）的预测精度。
3.6. 人工智能工具的使用
对综述研究中AI工具流行度的分析表明，ML算法占主导地位（三分之二），其次是ANN（三分之一）。在算法中，贡献最大的是RF以及梯度提升模型家族。在神经网络中，占主导地位的是广泛用于CV系统的CNN。
4. 人工智能的挑战
尽管AI在森林生物技术中具有巨大潜力，但存在几个技术和伦理挑战限制了其应用。主要问题之一是森林树木数据的质量和可用性，因为AI模型需要大型、高质量的基因组和表型数据集。树木物种具有庞大而复杂的基因组，许多非模式物种缺乏参考基因组。此外，树木的长寿命导致了复杂的基因型×环境互作模式。另一个挑战是数据格式缺乏标准化。在伦理方面，关键问题包括模型的可解释性（许多AI系统作为“黑箱”运行）、算法偏差（可能导致歧视性结果）以及AI系统错误决策的问责制。最后还存在数据所有权和数字鸿沟的问题。
5. 展望
利用AI方法破译木材形成的遗传机制以选择具有理想特性的基因型是一项重要任务。AI还可用于将单一组学数据集整合到一个统一的框架中以研究它们之间的复杂关系。DL技术可以提供精确的启动子识别和设计变体的生成。ML方法可用于预测内含子介导的增强效应并设计内含子序列。应用AI设计多基因载体构建体并确保特定基因型中的最佳协调表达将简化此类树木的创建。合成生物学结合计算机科学和工程原理，AI可用于设计具有独特属性的树木。
6. 结论
本工作表明，AI方法在森林生物技术中的应用是一个活跃的研究领域。它们提供了广泛的机会，从优化离体培养基成分到从卫星图像中识别具有理想性状的个体树木。整合基因型-环境-表型互作数据将促进对木本植物各种生物机制的理解，并促成更有针对性的育种策略。解决现有挑战需要开发人员、研究人员和政策制定者的共同努力。确保以人为本的方法需要包容性模型训练和可解释AI的支持。尽管AI潜力巨大，但它应被视为人类智力的补充而非替代品。更广泛地采用AI需要公开可用的高质量数据集、国际数据格式标准和人员培训。
