综述：人工智能革新植物生物技术研究：当前突破与未来展望

《Plant Cell, Tissue and Organ Culture (PCTOC)》：Artificial Intelligence revolutionizing plant biotechnology research: current breakthroughs and future outlooks

　　

摘要

植物生物技术，包括体外研究、天然产物和组学相关研究，对于农业生产力和可持续性至关重要。人工智能（AI）的近期进展变革了植物生物技术的多个领域，包括植物鉴定、基因组挖掘、代谢组学、天然产物发现和体外培养优化。尽管近期几篇综述已讨论了 AI 在植物科学应用的具体方面，但将 AI 辅助的体外形态发生平台与下游发现工作流（包括生物合成基因簇预测、代谢物去冗余、结构阐明和生物活性预测）联系起来的全方位视角仍然有限。本综述强调了 AI 驱动的植物选择和分类鉴定的最新进展，生物合成基因簇（BGCs）的基因组挖掘，基于机器学习的去冗余，植物化物的结构阐明和生物活性预测。多组学技术的整合，包括基因组学、转录组学、代谢组学和蛋白质组学，已显著改善了生物活性代谢物及相关生物合成途径的鉴定。诸如卷积神经网络、深度学习算法、图神经网络和可解释 AI 框架等 AI 辅助工具，正日益能够快速分析复杂的生物数据集，从而减少天然产物发现流程中的冗余并提高预测准确性。本综述还讨论了 AI 在优化体外植物组织、细胞和器官培养系统中的新兴作用，包括植物再生、愈伤组织发生、体细胞胚发生和毛状根培养，以实现有价值的次级代谢产物的大规模生产。此外，结合了基因组挖掘、代谢组学、化学信息学和计算机模拟建模的集成 AI 驱动工作流被视为加速药物发现和功能性代谢物表征的强大策略。还介绍了几个近期案例研究，展示了 AI 在药用植物研究、保护生物学和代谢物生物标志物发现中的成功整合。最后，本综述概述了主要挑战，包括数据质量、标准化有限、模型可解释性和实验验证，同时强调了可解释 AI、生成式建模和多组学整合在推进可持续和精准驱动的植物生物技术研究方面的未来机会。

图文摘要