作者:冯丽妃 来源:中国科学报 发布时间:2025/8/12 8:07:42
选择字号:
他们给花朵“烫发”,用机器人育种

 

北京首农产业园内,自动巡航授粉机器人“吉儿”正在工作。受访者供图

  ?

■本报记者 冯丽妃

咬开一颗汁水饱满的西红柿,你会看到果肉间一颗颗芝麻粒大小的黄绿色种子。但你可能不知道,一粒高端番茄种子能卖到15~20元,一克种子约200~300粒,售价可达4000元,是黄金价格的5倍。

也很少有人知道,价格“比黄金还贵”的番茄种子,有1/4的成本花在了人工去雄、授粉等耗时耗力的杂交育种流程上,全球每年为此付出的劳动成本达20多亿元。而就全球杂交育种来说,这一高度重复性的流程耗费近千亿元。如何让这一过程变得更加智能、高效?这是全球科学家数十年来求解的问题。

8月11日,中国科学院遗传与发育生物学研究所(以下简称遗传发育所)研究员许操团队与合作者发表在《细胞》的一项研究,为这一耗费千亿元的工作开辟一条新路:他们用基因编辑给番茄等作物的花朵“换造型”,让花朵变得对授粉机器人更加“友好”。他们还研制出世界首台自动巡航授粉机器人“吉儿”(GEAIR)。这位脚踩履带的“机器人育种家”,把杂交育种从弯腰弓背的苦差事变成机器24小时连轴转的轻巧活儿。

“这是一项激动人心的突破,基因编辑、人工智能和机器人技术的结合,将引领植物育种的巨大飞跃。”《细胞》国际审稿人如是评价。

千亿元卡在小花里

“你看看这两朵番茄花。”位于北京奥运村的遗传发育所办公室内,许操指着电脑屏幕上的番茄花形态图对《中国科学报》记者说。

跟着许操的讲解,可以看到其中一朵淡黄色的花朵柱头外露,雄蕊低伏在柱头的周围,而另一朵花则柱头内缩,被雄蕊紧紧包裹在内部。

许操介绍,野生番茄原本柱头外露,靠蜜蜂、蝴蝶等昆虫传粉,遗传多样性丰富。人类在驯化番茄的过程中,为了保证品种纯正,选择了柱头内缩、自花授粉的突变体。但这个“优点”却成为现代杂交育种的“枷锁”。

由于柱头内缩的植物很难获得外来花粉,甚至完全被雄蕊“锁在闺房”,与外来花粉绝缘,农民想要育出杂交种,就得先“开锁”——拔去雄蕊后再授粉。这个过程需要熟练工人操作,效率低、成本高,是全球育种行业的“卡脖子”难题。以番茄为例,相关人工费用可占总育种成本的25%以上,仅人工去雄一项就占番茄杂交授粉成本的40%。

“去雄时,工人要用手轻轻剥开花瓣,把雄蕊摘除,不能碰伤柱头、伤到胚胎。他们得弯着腰挨个给直径只有1厘米的花去雄、授粉,有时眼睛都看花了。”许操说,“而且操作的窗口期极短,要在雄蕊未释放花粉前将其摘除,否则无法实现杂交。”

问题更严峻的是大豆。因为大豆花更小,雄蕊像贝壳一样完全闭合,没有丝毫缝隙,而且大豆植株较矮小,工人操作时得蹲着,用镊子一点点剥。“大豆杂交种增产潜力超30%,但因为人工育种成本太高,至今无法推广。”许操说。

2017年,许操回国到遗传发育所建立实验室之初,曾跑遍北京郊区,听到农民抱怨:“工人难雇,成本越来越高。天气不好,授粉的熊蜂都不出巢,还得人工补粉。年轻人谁愿意干这个?”

农民们抱怨的问题成了许操的研究“课题”。从那时起,许操就坚定地认为:“农业研究不能‘两脚不沾泥’——就像炒菜得有‘锅气’,农业研究也得有‘土气’,要能解决真问题。”

植物开了“门”

如何打开“枷锁”?一开始,许操的想法是让机器人“撬锁”——识别花朵、去掉雄蕊、精准授粉。但试了半年,他们失败了。这件事就像给花朵动手术,但与医学上的手术机器人仅在一个地方进行微观操作不同,大棚里的机器人需要不断移动,加之花朵小而复杂,机械臂很难操作。

思来想去,许操决定“反向破题”:让植物自己“开门”。“机器人时代的作物,就该有机器人时代的花型!如果让作物性状朝前走一步,长出雄性不育的花朵;然后机器人再跟进,完成授粉,或许能实现目标。”

实际上,找到柱头外露、雄性不育的性状,是育种学家梦寐以求的愿望。一直以来,国内外很多科学家都在尝试通过自然变异或大规模遗传诱变获得理想花型,但这些方法难度大、周期长。即便得到了材料,也需经年累月的杂交才能将有效基因导入目标材料。

许操带领团队决定另辟蹊径,利用基因编辑技术这一新利器定制理想性状。他们的想法源于植物遗传发育学领域著名的“ABC模型”:植物花器官的发育由A、B、C共3类基因控制,其中B类基因控制雄蕊的发育。“如果能够精准调控B类基因,是不是就能给雄蕊变个形?”许操说。

他把这个艰巨的任务交给了“大弟子”谢跃。这位来自云南的博士生一头扎进实验室,给芝麻粒大小的种子“做手术”,进行基因编辑,然后让其萌发和生长。2019年的一天,科研大楼旁的温室里,一株番茄开花了:雄蕊“像烫过的卷发”般裂开,柱头光秃秃地探在外面。这正是育种家翘首以盼的“结构型雄性不育系”!

当时,课题组成员心里都乐开了花。谢跃带着刚入组的师弟张廷浩跑到温室看花:“快看我们的‘大熊猫’!”

“大熊猫”里藏着关键突破:研究团队并未敲除GLO2基因,而是精准编辑了它的非编码区,从而让雄蕊卷曲开裂,花粉败育,柱头自然外露。更令人惊喜的是,这一性状在512个番茄品种中均能稳定再现,且坐果率、种子质量不受影响。“这就像给头发烫卷,只改变造型,不影响头发生长。”许操比喻道。

研究团队进一步将该策略应用于大豆,同样成功创制出柱头外露的雄性不育系,可节省76.2%人工授粉操作时间,为我国突破大豆单产提升瓶颈、率先实现大豆杂种优势利用,以及推动智能自动化杂交育种提供了全新科技方案。

回忆走过的路,许操说有人曾笑他们“瞎鼓捣”:“花就是花,还做什么机器人时代的花。”不过,一次学术报告上,当许操展示了若干张经过基因编辑后的大豆雄性不育花朵图片后,台下许多专业人士都听得非常兴奋。有位老专家说:“这是了不得的事,要是大豆杂交育种真能推广,能很大程度上解决中国大豆的单产提升难题!”

研究至此,许操他们已经实现了育种家们数十年来追逐的目标,相关成果可以发表一篇国际专业顶刊论文,但许操决定按下不发:“故事才讲了一半——植物开了‘门’,还得靠‘机器人’来授粉。”

其实,许操知道,谢跃和张廷浩两个小伙子当时到实验室,是冲着“顶天”的课题——探索未知前沿而来的。当他分享了自己关于科研应该“顶天立地接地气”的看法后,两个小伙子被说服了,师徒三人一致决定:“一鼓作气实现机器人杂交育种。”

解锁机器人育种未来版图

让机器人给花朵授粉需攻克三重技术壁垒:一是识别花朵、定位朝向;二是精度达到毫米级,定位更小的柱头;三是操作力度适宜,不能挫伤柱头、影响坐果。

为破解难题,2021年秋天的一个晚上,谢跃和张廷浩连夜打包两盆开花的番茄,次日一大早便带着它们登上高铁,赴合肥寻求合作。首次合作虽未果,却坚定了他们的信念:作物改造与机器人研制必须“双向奔赴”。

后来,他们又与中国科学院自动化研究所副研究员杨明浩和研究员韩华、上海交通大学教授连文昭、清华大学教授陶建华等合作,用12800张图像训练人工智能(AI)模型,使机器人能识别复杂环境中仅毫米级的柱头。基于此,他们研发了智能育种机器人“吉儿”,其柱头识别准确率可达85.1%,每授粉一个花朵仅耗时15秒,可以全天候不间断进行反复巡航授粉以确保每朵花成功授粉坐果。

当研究团队把研究论文投递给《细胞》后,收到了4位审稿人的积极回复。其中一位审稿人肯定地写道:“这项突破激动人心!5年前,我与同事曾假设这些技术可能引领植物育种的跨越式提升,如今看到成果展示,着实令人兴奋。作者在研究中将技术应用于番茄,但其概念可以扩展到所有作物育种场景,因为杂交授粉是所有物种面临的主要瓶颈。”

在北京昌平的实验基地和首农集团的现代化农业产业园,“吉儿”已经实现应用,它缓缓穿行在一行行番茄之间。其头部摄像头如鹰眼般扫过植物,插着粉刷的机械臂则精准探向黄色小花,眨眼的工夫就能将花粉轻轻涂抹在柱头上。

据介绍,“吉儿”的零部件国产化自主率已达95%以上,极具应用前景。“有了‘吉儿’,我们相当于把杂交育种‘三系/两系配套’推进到‘机器人配套’时代。”许操对《中国科学报》说。更深远的意义则是范式革新,该团队提出用“生物技术(BT)筑基+AI赋能+机器人(ROBOT)劳作”的BAR模式,替代沿用半个多世纪的传统人工杂交育种方式。

这项技术还有着更广阔的应用场景,将“吉儿”机械臂上的粉刷换成抓手,就能实现采摘。“未来,随着技术的进步,也许我们真的能在太空中利用机器人种植、管理和采摘蔬菜,为人类深空探索提供食物保障。”许操展望说。

“那么,你们觉得做基础研究和应用研究,哪个更让人兴奋?”采访最后,记者问许操的弟子。

谢跃的回答是,“各有各的兴奋点。基础研究可能刷新人类认知,应用研究则为人们提供更多实用性的东西,两者结合就能取长补短。”

“科研中总是教学相长,师生之间的同频共振、默契合作是研究得以顺利推进的重要因素。对科研充满热爱、遇到困难和质疑能坚持不懈的学生,对于导师来说也是最有力的‘强心剂’!”许操感慨地说。

相关论文信息:

https://doi.org/10.1016/j.cell.2025.07.028

《中国科学报》(2025-08-12第1版要闻)

(原标题:他们给花朵“烫发”用机器人育种有望为传统杂交育种节省巨额花费)

 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
巨型爱因斯坦环揭示宇宙最大黑洞之一 科学家“瞥见”恒星宜居带的系外行星
科学网2025年7月十佳博文榜单公布 这款钙钛矿太阳能电池,有新进展
>>更多
 
一周新闻排行
 
编辑部推荐博文