將機器學習導入作物育種有助於提升耐逆境育種效率

　　據統計，2025年時全球人口將成長至近100億人，人口增長使糧食需求大幅增加，然而過去數十年間已因城市化及土壤退化使全球失去三分之一的耕地，伴隨氣候變遷、水資源匱乏等問題，全球農業系統正面臨前所未有的壓力，也突顯了育種的重要性，藉由培育耐病及耐候品種有助於抵抗種種逆境、提升農業生產力並改善糧食安全。

　　傳統育種過程中，大多仰賴人力調查及傳統的統計方法進行分析，然而近年來基因體學、表型體學相關技術如全基因組關聯性分析(genome-wide association studies, GWAS)、次世代定序(next-generation sequencing, NGS)等快速發展，傳統統計方法難以應用於高通量數據分析，因此，育種人員逐步導入機器學習協助預測性狀以加速育種進程並達到精準育種。機器學習在植物育種中有許多應用，如遺傳多樣性分析，遺傳多樣性是植物適應環境變化的基礎，傳統的多變數分析方法繁瑣且耗時，透過深度學習技術如卷積神經網絡（CNN），可以自動化並加速分析過程。此外，機器學習還能有效整合基因體、表型體與環境數據，幫助育種者發現與性狀相關的基因，並了解不同環境對作物表現的影響；亦或結合表型、基因體和代謝體學數據，有助於預測植物對於不同逆境的反應並加速抗性品種開發。

　　利用機器學習，育種者能夠大量分析相關數據，加速培育環境適應力強、生產力佳、營養價值高等優良性狀的品種，同時開發育種決策模型，減少傳統育種試錯過程、節省時間及資源，使得育種更高效且精準。

【延伸閱讀】 - 解密關於草莓果實品質的基因

資料來源

• RisingKashmir

文章摘譯

• 農業科技決策資訊平台管理團隊