综述：生成式人工智能在预测育种中的应用：希望与挑战

这篇综述深入探讨了生成式人工智能（genAI）在预测育种中的革命性潜力，系统比较了自回归模型（ARMs）、生成对抗网络（GANs）、变分自编码器（VAEs）、扩散模型和基于流的方法等技术特点，并提出了将传统符号模拟与数据驱动的genAI相结合的混合框架，为复杂农艺性状的多维建模提供了新范式。

引言

植物和动物育种长期依赖混合模型理论和无穷小模型，但计算机模拟已成为解决选择响应预测、育种方案优化等复杂问题的关键工具。传统符号模拟通过编码预设自然机制（如等位基因分离规则）生成数据，但其强假设和有限的多维表型处理能力催生了新范式——生成式人工智能（genAI）。这项技术通过数据驱动模式生成高度逼真的合成数据，尤其适用于果实形态、植株架构等非参数分布性状。

设定舞台

育种程序涉及三大变量：基因型（G）、环境（E）和表型（Y）。完整的模拟平台包含四个模块（图1）：

• G2G：基于亲本基因型模拟后代基因型
• E2E：模拟环境条件
• GE2Y：整合基因型与环境生成表型
• Y2Y：基于现有表型生成新表型

传统方法采用作物生长模型等生理知识驱动模拟，而genAI通过对抗训练或潜在空间学习直接捕捉数据分布，突破了对显式基因型-表型映射的依赖。

经典范式：符号模拟

基因丢弃（gene dropping）和溯祖（coalescence）是两种主流基因组模拟方法。前者通过正向模拟实现灵活的选择决策建模，后者基于中性假设重建群体历史但难以处理选择压力。混合策略如AlphaSimR结合两者优势，利用溯祖结果作为正向模拟输入。然而，这些方法面临内存消耗大、并行化困难等挑战，且多性状参数化存在现实性瓶颈。

新范式：生成式AI

genAI通过KL散度等损失函数最小化真实与合成数据分布差异，其核心突破在于：

1. 自回归模型：逐元素生成序列数据，适用于气候预测等时序场景，但需处理高维参数爆炸问题。
2. 生成对抗网络：生成器与判别器的博弈训练产生逼真输出，但存在模式坍塌风险。CycleGAN等变体可实现图像风格迁移，如健康与病叶特征转换。
3. 变分自编码器：将输入映射到低维正态分布潜在空间，解码器重建数据。在草莓果实形态分析中，其潜在空间可解释为发育阶段轴。
4. 扩散模型：通过逐步去噪过程生成数据，DALL·E 2等工具已实现文本到图像的精准生成，农业中用于病害图像增强。
5. 基于流模型：利用可逆变换链精确计算似然，RealNVP算法通过1×1卷积保持高效采样。

比较实验显示（图4），自回归模型在微生物组数据生成中表现最优，而GANs出现二值化崩溃，凸显算法选择需匹配数据类型。

希望与挑战

genAI的潜在空间学习为育种带来新机遇：

• 表型预测：VAE潜在空间可关联遗传变异，实现番茄果实形状的跨代预测（图6）
• 环境模拟：自回归模型生成历史天气数据的延续序列
• 基因组设计：DNA语言模型可能合成符合孟德尔定律的新基因型

然而，三大瓶颈亟待突破：

1. 可解释性：潜在空间需人工解析其生物学意义
2. 迁移性：训练数据范围限制外推能力
3. 幻觉数据：生成违反生物学规律的无效组合

融合路径

最具前景的方案是混合框架（图7）：

1. 用符号模拟生成基因型，genAI生成表型
2. 将潜在空间建模为基因组关系矩阵的函数，如z_G
   ~ N(0,A)
3. 结合强化学习优化育种方案

例如，扩散模型生成环境数据，VAE解码潜在空间为表型，再通过GBLUP评估育种值。这种"符号+数据"双轨策略既保留参数可控性，又提升复杂性状建模效率。

未来方向

基因组语言模型可能彻底革新G2G模块，而气候数据库将增强E2E真实性。需重点开发：

• 条件生成模型处理G×E互作
• 潜在扩散模型提升VAE输出质量
• 开源农业专用genAI工具链

正如作者强调："数据增强能提升基因组预测性能，但参数化模拟仍是育种策略评估的基石"。这场传统方法与AI的协同进化，正在重新定义预测育种的疆界。