石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!


发布时间:

2022-11-13

来源:

石时农业

作者:

陈杰峰

导语:世界种业已开始进入“常规育种+生物技术+数字化”的“育种4.0时代”,种业正迎来以转基因、基因编辑、全基因组选择、植物表型、人工智能等技术融合发展为标志的新一轮科技革命。对我国种业而言,这既是挑战,更是难得的发展机遇。育种科技也将在表型数据的协助下,有序推进生物育种产业化,进一步突出分子育种技术的创新和应用。

 

石时之约第Ⅳ季第②期
刘石 × 韩志国

 

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

 

表型是指能够反映植物细胞、组织、器官、植株和群体结构及功能特征的物理、生理和生化性状,其本质实际是植物基因图谱的时序三维表达及其地域分异特征和代际演进规律。

 

在智慧农业的四大链条“感知、数据、决策、执行”中,体现智慧的核心是“决策”,决策需要数据和模型支撑,而在包括环境气象、土壤、植物、组学、社会学、市场学等等的多源数据中,植物本身的性状数据也就是植物表型数据,无疑是当中最难获取和分析的,而韩志国,正是这个领域的专家。

 

 

一听主持人刘石问起植物和作物的表型数据,韩志国就兴致盎然地解释到:“表型其实非常简单,通俗一点的讲——肉眼看得见的形态结构和颜色,以及肉眼看不见的生理功能和各种组分的含量,这些都是表型。如果以人体为例来说明,人的身高、肤色、发色、臂长等等,这些是肉眼可见的指标,人内部的这些血细胞、蛋白含量、各种指标、生理活性,这是肉眼不可见的指标,对于农作物而言是同样的一个道理。”

 

表型数据对于植物育种和智慧农业至关重要,我们甚至能通过表型数据的应用,来看见植物的喜怒哀乐。和很多农业技术类似,表型数据的商业应用,也是有赖于产业头部企业的推动。

 

“在2005~2010年,国际上几个头部种企占据了70%的表型领域国际市场。大概在2010年之后,随着澳大利亚植物加速器(阿德莱德大学国家植物转型设施)的开放,全球范围内公立科研单位才意识到表型非常重要,开始大规模的去建设,才超过了种企在这方面的投入。在国内,因为这个技术本身投资比较高,所以由国家财政支持的科研机构占比就比较多。”

 

 

随后,韩志国还谈到国内种企对于推动表型数据应用所做的一些努力与尝试。

 

 “我们在做的时候也一直在思考,怎样才能让这个技术真正应用到产业里边,不仅仅限于种企,乃至在种植端能够普及起来。我们也做了很多尝试,取得了一些成效。在几年之内,我们的一些小型传感器技术,就可以在很多大棚里、果园里、农田里迅速普及起来。当然了,这只是我的个人观点。而对于种企来讲的话,我们用什么方式去替代传统低效率的人工表型的普查工作,如何高效率地去完成这些活,这里面可以实现的方式也有非常多的路径。”

 

表型数据在农业场景的应用上,存在诸多难点,其中一个难点便是,不同农作物的差异性非常大,在植物育种和精准农业中,不同领域具有不同的表型分析需求。比如在植物育种中,表型分析的主要目的是鉴定具有改良性状的植物,开发比在目标环境中生长的品种表现更好的新品种,实现遗传增益。而在精准农业中,表型数据的应用又不一样,主要被用于监测作物的健康状况,改进作物管理实践,减少农药/肥料的使用,降低作物生产过程中非生物和生物胁迫的风险,这样才能最大化地稳定产量和确保作物质量

 

 

对此,韩志国举了一个很生动的例子:“在南方针对于籼稻做的数据标注,做的算法,放到北方的梗稻上面就不适用了,这个应用是非常难的,所以在表型数据的深度学习这一块,我们要走的路还很长。另外,除了一些基于视觉技术的形态结构方面的工作之外,还有一些非常有意思的技术,例如我们借助于农作物本身的叶绿素荧光成像的技术,不需要深度学习和机器学习,就可以去探测它内部的生理活性,这是一种非常成熟而广泛应用的技术。我们将这个技术移植到现有的高通量表型平台上,只要扫一圈就知道它是不是抗逆,它的生理活性是不是比较活跃,通俗地讲——这就是探测植物内部的喜怒哀乐!”

 

眼下,国内与国外的表型领域研究仍然存在不小的差异,而这个差异更多是在思维上,而不是在技术上。

 

从表型技术本身来分析,国内目前有一大批的AI人才,我们的技术和国外没有什么差距。但是从表型应用的角度来看,特别是育种来讲,差距就大了,这是很多原因造成的——我们缺少工程化的大平台,暂时也没有规模化的效应,另外在应用思维方面也有一定的差距。”

 

在访谈的最后,两人谈到数字技术在农业领域发展的不同阶段。

 

对于数字技术和智慧农业颇有研究的刘石表示,数字技术在农业科研和农业领域的发展,大概会分三个阶段。

 

“我们目前是处于第一阶段,也叫信息数字化,把过去的一些表型进行数据化,然后存入计算机进行模型计算,最后输出一些非常有效的信息。从原来的非标准化的数据,变成标准化数据,这是第一阶段。第二个阶段叫做数据的结构化阶段,意思是按照不同的生产阶段的不同需求,以生产和经营者为主体,把数据拿进来,最后形成一个完整的数据链来帮助进行生产经营决策。这个阶段的工作我们目前还没有开始或者刚刚才开始。第三个阶段叫做结构系统化。当所有的产业环节和应用主体的数据都能互相打通流动起来,全社会能够进行自由的流动和交换,最后形成大的数据链产业链,整个全社会的流通,就是结构系统化阶段。当然了,这个不是任何企业能够做成的,它需要国家的顶层设计”

 

韩志国对此表示认同,他补充道:“对的,如果从另外一个维度来了解这个事情,整个智慧农业大链条拼图的第一个阶段就是采集各种各样的数据,拿到这些数据之后,我们要去建模,建模是为了做一个智慧的决策,智慧决策完了之后,还要去执行,往下下沉到产业链,往上回到宏观层面的决策系统,比如经济的、金融的等宏观等方面。总而言之,表型信息的收集、获取和分析的最终目的,就是让它系统地为整个体系去做服务。”

 

未来,随着国内技术的不断迭代与进步,各项算法的不断提升,研究表型的人才越来越多,表型数据的普及与应用也会越来越广泛。到了那时,植物表型技术就可以筑科研之基、拓产业之路、赋农业之慧,真正地为中国智慧农业添砖加瓦。只要往这个方向去发展,中国农业的未来一定是星辰大海。

 

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。