《Discover Plants》：Systematic review using PRISMA on CRISPR based genome editing and artificial intelligence approaches to enhance ornamental crops
基因组编辑（genome editing, GE）已成为一种能够对植物基因组进行精确改造的高效方法。由于在作物改良过程中具有高效率、高特异性和高度灵活性，CRISPR/Cas系统已成为应用最广泛的技术体系。观赏植物与开花作物的遗传改良是现代植物生物技术的重要研究重点，因为花色、花型、香气以及花期等审美性状决定了其商业价值与装饰价值。近期研究表明，CRISPR/Cas9介导的基因组编辑正 increasingly 被用于改变观赏植物的花部与非花部性状，从而实现传统育种技术难以达到的改良效果。与此同时，人工智能（artificial intelligence, AI）正逐步整合进入基因组编辑工作流程，其中机器学习（machine learning, ML）与深度学习（deep learning, DL）技术可用于引导RNA（guide RNA, gRNA）设计、脱靶效应预测、编辑结果预测以及编辑效率提升。遵循PRISMA原则，本系统综述对基于CRISPR/Cas的基因组编辑在观赏作物改良中的最新进展进行了批判性总结，并评估了AI驱动技术在提升编辑准确性与可靠性方面日益增长的重要作用。文章同时强调了基因组编辑与AI协同整合在推动观赏植物育种创新方面的未来前景，并讨论了关键技术进展、当前限制因素以及后续研究需求。
1 Introduction
观赏植物不仅以丰富的色彩和多样化形态改善人类生活环境，而且在工业、医疗与农业领域具有重要的科学与经济价值。文章指出，观赏植物可分为切花、花园植物、室内盆栽及花坛植物等类型，其审美价值既来源于花部性状，如花色、花型、香气与花器寿命，也来源于非花部性状，如株型、叶色和衰老进程。随着全球花卉与观赏植物市场持续增长，产业对具有优良形态学特征、色素积累、香气品质、抗逆性与抗病性的新品种需求不断提升。
本节进一步回顾了传统观赏植物改良手段，包括杂交优势利用、杂交育种、细胞质杂种化以及体细胞无性系变异等，并指出传统育种存在周期长、效率低和定向性不足等局限。相比之下，基因组编辑（genome editing, GE）能够更精准地靶向目标性状，显著缩短育种周期并提高育种效率。随着植物生物技术的发展，研究人员对花色形成的分子机制理解不断深入，植物形态、发根能力、香气、株型和瓶插寿命等性状也得以通过现代生物技术进行调控。文章强调，针对代谢通路和遗传通路的定向操控，使得在观赏植物中引入新颖花色和图案成为可能，从而提升其市场吸引力。
作者还指出，尽管遗传工程相较传统杂交在准确性和可控性方面更具优势，但部分观赏作物由于缺乏高效遗传转化体系和候选基因资源，其应用仍受限制。目前获批的生物技术/转基因观赏植物种类仍然较少。CRISPR/Cas9体系因其高效、可靠，已成为农业研究中最具代表性的基因组编辑工具之一；与此同时，碱基编辑（base editing, BE）和引导编辑（prime editing, PE）等新型技术进一步提高了植物精确改造的能力，并有望在不稳定整合外源DNA的情况下实现编辑。尽管如此，gRNA活性评估和脱靶位点精准测定仍然具有挑战性。基于此，AI，特别是ML和DL，在sgRNA设计、脱靶预测及编辑优化中的作用日益突出。文章最后明确了本综述的目标，即系统评估CRISPR/Cas在观赏植物中的应用，并探讨AI工具在提升编辑精度和效率方面的潜力。
2 Methodology
2.1 Systematic Literature Review (SLR) Framework
研究采用符合PRISMA 2020规范的系统文献综述（systematic literature review, SLR）框架，以确保研究过程的透明性、可重复性和方法学严谨性。综述流程分为识别、筛选、资格评估和最终纳入四个连续阶段。为提高检索的全面性与准确性，研究团队在机构参考馆员协助下重新优化检索策略，采用布尔逻辑检索式、受控词汇以及跨数据库统一检索方案，从而同时增强检索灵敏度与特异性。该框架使研究人员能够系统整合观赏及开花作物中基于CRISPR的基因组编辑和AI驱动计算工具相关文献，并据此识别研究趋势、知识空白及未来方向。
2.2 Data sources and search strategy
文献检索覆盖Scopus、Web of Science、ScienceDirect、Google Scholar和PubMed等多个数据库，综合使用自由词、受控词汇以及数据库特异性布尔操作符，以实现广泛且系统的文献获取。检索时间范围设定为2000年至2026年初，旨在同时涵盖CRISPR基因组编辑和AI应用的早期发展与近期进展。研究还尝试通过机构订阅、馆际互借和作者联系等方式降低获取偏倚。优化后的检索策略扩大了关键词组合并增强了受控词汇使用，最终获得462条记录，体现出较早期有限检索方法更高的方法学严谨性和覆盖范围。
2.3 Screening and selection process
数据库初检共获得462条记录。在预筛选阶段，共剔除104条记录，其中包括重复文献61条、由自动筛选工具标记为不合格的记录25条，以及因书目信息不完整等其他原因排除的18条。此后，358条记录进入题名和摘要筛选阶段，其中96条因与研究目标不相关而被排除。最终有262篇文献进入全文获取阶段，但其中22篇因档案中断、资源库无法访问或作者稿件不可得等原因未能取得全文，因此共有240篇全文文献进入资格评估。
2.4 Eligibility assessment and final inclusion
资格评估依据预设的纳入与排除标准进行，重点考察科学相关性、方法学质量以及AI驱动计算工具与CRISPR基因组编辑结果之间是否存在明确关联。在该阶段，共排除208篇文献，原因包括非英文研究、与观赏或开花作物中的CRISPR基因组编辑不直接相关、聚焦缺乏可转化意义的其他作物体系、虽使用AI工具但与编辑设计或结果评估无明确联系，以及实验或分析细节不足等方法学缺陷。所谓方法学不足，主要指缺乏编辑结果实验验证、缺乏gRNA设计或脱靶分析流程说明、计算流程不可复现，或数据透明度不足。最终，共有32项研究符合所有纳入标准，进入定性综合分析。作者同时说明，最终纳入的32篇研究仅代表严格SLR标准下的核心数据集，而总参考文献还包括用于背景阐释和讨论支持的其他文献。
3 CRISPR/Cas-based genome editing approaches and technical strategies for ornamental plants
本节系统讨论了CRISPR/Cas在观赏植物中的技术路线及其主要应用性状。文章指出，观赏植物以美学价值为核心，因此基因组编辑可围绕花朵大小、花色、香气、货架寿命及植株结构等关键指标展开。文中回顾了观赏植物基因组编辑的早期进展，指出2010年Marton等通过基于烟草脆裂病毒（tobacco rattle virus, TRV）的锌指核酸酶（zinc finger nucleases, ZFNs）递送体系，在矮牵牛中获得非转基因编辑材料，这为后续CRISPR/Cas9在观赏植物中的应用奠定了基础。TRV诱导的基因沉默（virus-induced gene silencing, VIGS）兼具快速功能验证和瞬时表达平台优势，有助于未来CRISPR/Cas策略实施。
3.1 Flower color
花色是观赏植物最重要的目标性状之一，也是CRISPR/Cas应用最活跃的领域。文章列举了多个通过编辑类黄酮、花青素与类胡萝卜素代谢相关基因实现花色改良的实例。例如，在牵牛花中，编辑二氢黄酮醇-4-还原酶基因（DIHYDROFLAVONOL-4-REDUCTASE, DFR）和CCD基因可导致花色变化；在Torenia fournieri中，黄烷酮
3-羟化酶（F3H）突变使花色由蓝变白；在龙胆中，针对多个花青素修饰基因进行编辑后，花色从典型蓝色转向粉色或紫色调。矮牵牛中双F3H基因突变体表现为浅紫粉色花，显示多拷贝基因协同编辑的重要性。DPL等R2R3-MYB转录因子的研究则表明，基因功能与表型关系可能比预期复杂，这也从侧面支持AI辅助候选基因优选的必要性。文章还提到，通过编辑一品红中的类黄酮
3'-羟化酶基因可促进天竺葵素积累并形成橙色苞片，在龙胆中敲除DFR则可获得白花材料。总体而言，这些研究说明CRISPR/Cas可通过精确调控色素生物合成通路实现定向花色创制。
3.2 Architecture of plants
在株型与营养器官形态方面，CRISPR/Cas同样展现出显著应用价值。文中介绍了通过编辑矮牵牛和百合中的PDS基因产生白化或浅色突变体，这类研究常被用于验证编辑体系有效性。观赏甘蓝中的BoORP3a编辑导致叶面蜡质减少和光亮叶表型，而BoDFR1插入突变与绿色叶片中花青素缺失有关。矮牵牛中PhTFL1基因突变使节间缩短，可能与赤霉素信号途径相关基因PhGAI下调有关，从而形成更紧凑、更具商品价值的株型。该部分显示，CRISPR/Cas不仅可用于花部改良，也可用于塑造观赏植物整体外观。
3.3 Longevity and vase life of flowers
花朵寿命与瓶插寿命直接决定观赏作物的采后价值。文章总结了多个围绕乙烯生物合成与衰老调控通路开展的编辑研究。矮牵牛中PhACO1、PhACO3和PhACO4等1-氨基环丙烷-1-羧酸氧化酶基因被编辑后，突变体乙烯释放量降低，花朵寿命延长。日本牵牛中的NAC转录因子EPHEMERAL1（EPH1）突变可延缓花瓣衰老。PhATG6敲除研究表明，自噬相关基因ATG6在花瓣衰老中可能发挥负调控作用，突变体花朵持续时间更长。玫瑰中RhEIN2敲除则显著影响乙烯响应，甚至抑制花朵开放。可见，围绕乙烯信号与衰老调控网络开展精确编辑，是提升观赏花卉货架寿命的重要路径。
3.4 Other traits
除花色、株型和寿命外，文章还总结了CRISPR/Cas在其他观赏相关性状中的应用，包括衰老、逆境响应、开花调控及精确插入。菊花中已建立利用PcUbi启动子和荧光标记获得突变芽的体系；木质素合成相关基因、自交不亲和相关PiSSK1以及兰花中多个MADS-box基因也被用于功能解析。基于原生质体的CRISPR/Cas9核糖核蛋白（ribonucleoprotein, RNP）递送体系在矮牵牛中实现了无DNA编辑，为降低外源DNA残留提供了技术路线。结缕草中ZjEIN2突变延缓叶片衰老，菊花中CiTFL1a和CiTFL1b编辑促进早花，矮牵牛原生质体中的同源定向修复（homology-directed repair, HDR）介导基因敲入则展示了精确插入潜力。桔梗草和康乃馨中的体系优化研究进一步推动了不同观赏物种的编辑平台建立。总体而言，这部分体现了CRISPR/Cas在观赏植物多维目标性状中的广泛适应性。
4 AI tools for effective genome editing in flowers
本节聚焦AI在花卉基因组编辑中的支撑作用。作者指出，AI驱动的ML与DL已深刻改变植物育种、组学分析和基因组编辑流程。其核心作用在于通过分析海量实验数据，识别影响编辑效率和准确性的复杂模式，从而改进gRNA设计、降低脱靶风险并预测编辑结果。文章梳理了大量用于植物基因组编辑的gRNA设计与脱靶分析工具，包括规则驱动型工具和AI驱动型工具，并强调二者的区别：前者多依赖序列比对、错配评分和经验规则，后者则依托CNN、集成学习（ensemble learning）或transformer等模型，从大规模实验数据中学习编辑效率与特异性规律。
文中进一步指出，尽管许多AI工具最初基于模式植物或主要粮食作物数据训练，但随着矮牵牛、牵牛花、Torenia fournieri和菊属植物参考基因组的可用性提升，其在观赏植物中的应用正变得可行。然而，多数观赏植物仍缺乏高质量、品种特异性的基因组组装，这严重限制了脱靶预测和全基因组特异性评估。文章介绍了若干代表性研究，如CROP可利用用户自定义参考基因组进行脱靶预测；针对大麻体系的集成袋装（ensemble-bagging, E-B）模型在脱靶活性预测中优于单一算法；sgRNACNN在多种作物中表现出较强的sgRNA活性预测能力；CRISPR-M通过双向长短期记忆网络和卷积神经网络构建多视图模型，提高了含错配和插入缺失位点的脱靶预测性能；DeepMEns则整合one-hot编码、DNA形状特征和位置编码矩阵，在sgRNA靶向活性预测方面表现突出。总体来看，AI为观赏植物CRISPR设计提供了从规则辅助向数据驱动优化转变的技术基础。
4.1 AI for base editing and prime editing
在碱基编辑和引导编辑方面，AI的作用主要体现在编辑窗口、编辑效率和编辑结果的精准预测。文章指出，碱基编辑无需造成DNA双链断裂即可实现单核苷酸精确替换，是一种高效的精细编辑技术。DeepABE和DeepCBE等DL模型被开发用于预测腺嘌呤碱基编辑器（adenine base editor, ABE）和胞嘧啶碱基编辑器（cytosine base editor, CBE）的效率与结果。DeepCas9variants和DeepBE等工具则有助于识别高效编辑变体并提升结果预测能力。对于引导编辑，Easy-Prime、PrimeDesign以及DTMP-Prime等工具可辅助pegRNA与ngRNA设计，并提高不同细胞类型和编辑模型中的预测精度。这说明AI不仅提升传统CRISPR/Cas9体系设计效率，也推动了新型精确编辑平台的应用可行性。
4.2 AI and epigenome editing
在表观基因组编辑方面，文章指出，其目标不是改变DNA序列本身，而是调控基因激活、抑制或表达状态。由于表观遗传调控涉及染色质可及性、DNA甲基化、基因表达水平及转录起始位点距离等多维信息，ML与DL在解析此类高复杂度数据方面具有独特优势。EpiCas-DL可整合多种表观遗传特征预测CRISPR介导表观基因组编辑中的sgRNA活性，而CRISPRepi则整合了多细胞类型和多平台数据，为编辑策略筛选、脱靶评估和基因表达变化分析提供综合平台。这表明AI正在推动CRISPR应用由序列层面向调控层面延伸。
5 Challenges and limitations of CRISPR-Cas-based GE: implications of AI tools
本节讨论了CRISPR/Cas与AI在观赏作物改良中的限制与挑战。作者认为，传统育种在群体构建和消费者接受度方面仍具优势，但在复杂目标性状改良中效率偏低。CRISPR/Cas提供了更高精度和更短育种周期，但其广泛应用仍受制于多个技术瓶颈，包括缺乏高效、基因型非依赖的转化与再生体系，多倍体基因组、高杂合度和大基因组带来的靶点设计与突变筛选困难，以及脱靶效应、嵌合现象和HDR效率低下等问题。不同递送方式对物种依赖显著，成本和基础设施需求也可能限制中小型育种项目采用。
AI虽可在gRNA筛选、编辑效率预测、脱靶估计、候选基因优选及多重编辑方案优化方面发挥重要作用，但现实应用仍面临数据来源不足、模型迁移性有限、可解释性不足和计算成本较高等问题。尤其是多数现有模型基于人类或大宗粮食作物数据训练，而观赏植物参考基因组、标准化表型体系和大规模训练数据相对匮乏，因此模型直接迁移往往会削弱预测准确性和生物学相关性。除技术因素外，监管政策、消费者接受度、生物安全、知识产权和公平获取问题也将深刻影响未来推广。文章因此主张，将传统育种、CRISPR/Cas编辑和AI辅助决策整合于务实且社会可接受的框架中，可能是未来观赏植物精准改良的最佳路径。
6 Conclusion and prospects
结论部分指出，基于CRISPR/Cas的基因组编辑已成为观赏植物改良的重要工具，可对与审美和农艺相关的关键基因进行精确修饰。Cas12a、Cas13a、BE和PE等新系统扩展了可实现编辑的范围和精度，但在观赏作物中的应用仍需更多物种特异性优化、稳健的转化再生体系以及跨遗传背景验证。某些国家在无外源DNA或瞬时表达编辑产物监管上的进展，为相关产品应用创造了条件，但监管不确定性、市场接受度、成本与商业化仍是关键因素。展望未来，AI与基因组编辑的整合有望通过优化gRNA设计、降低脱靶效应和加强基因型—表型关联分析来显著提升育种效率。作者最终认为，传统育种、基因组编辑与AI驱动工具的平衡整合，将构成观赏植物可持续、负责任且高精度改良的重要发展方向。
