记者今天从农业科学获悉，该院生物技术研究所汪海博士与美国康奈尔大学爱德华?巴克勒院士团队合作，开发出从基因组DNA序列预测基因表达调控模式的人工神经网络模型，该成果在分子育种领域的作用相当于谷歌的“AlphaGo”之于围棋，为实现人工智能辅助定向育种奠定了基础。

　　这一研究成果已于近日在线发表在《美国科学院院刊（PNAS）》上。

　　从苹果的Siri到谷歌的AlphaGo，人工智能技术正在以席卷态势进入公众的视野与生活。不过汪海表示，人工智能技术在基因组学研究中尚未得到广泛的应用，其中的一个需要解决的难题就是，生物中具有许多序列高度相似性的基因家族，在训练神经网络模型时将基因随机分配到训练集和测试集中，会导致该模型优先学习DNA序列中跟基因家族或进化相关的基序，而不是真正决定基因表达调控的基序。

　　此次研究以基因家族代替单个基因为单位随机分配训练集和测试集数据，成功建立了预测二元化基因表达量的卷积神经网络模型；进一步利用多种算法进行解析，获得了调控基因表达的关键DNA基序。在此模型基础上，科研人员利用进化上亲缘关系较近的两个物种，成功预测了同源基因的相对表达量，并进一步获得了调控同源基因相对表达量的关键DNA基序。

　　汪海研究团队表示，该研究建立的深度学习模型在基础理论研究和作物设计育种中具有广泛的应用前景。比如，未来可以在计算机中对基因组DNA序列进行虚拟诱变，并利用神经网络模型预测变异的后果，从中挑选符合预期目标的变异序列进行实验验证，从而实现低成本定点定向设计育种。