aBIOTECH | 河南省农业科学院粮食作物研究所利用人工智能解码根际微生物组

根际微生物组作为植物的“第二基因组”，在调控作物生长、抗逆与养分利用方面扮演着关键角色。然而，其高维、稀疏与组合性数据特征，对传统线性分析方法构成了根本性挑战。人工智能的迅速发展，为解析根际微生物间复杂的互作网络提供了前所未有的能力。尤其重要的是，人工智能正驱动着“共生基因组”育种新范式的兴起，它将植物宿主与其共生微生物群视为一个协同进化的整体。这一突破不仅深化了我们对“植物-微生物”互作机制的理解，也推动作物育种向高效、精准的方向革新。

近日，河南省农业科学院粮食作物研究所马娟副研究员在aBIOTECH 发表了题为“Harnessing artificial intelligence to decode the rhizosphere microbiome”的综述论文。

该综述首先系统阐述了如何借助从人类微生物组研究中发展出的人工智能方法（包括机器学习、深度学习、语言模型和多模态学习），以突破数据瓶颈，实现从物种解析到功能预测的跨越。文章进而重点探讨了人工智能在根际微生物组研究中的三大核心应用：构建根际动态预测模型、整合植物表型与微生物组数据以赋能微生物组选择及共生基因组选择，以及推动合成微生物群落的理性设计。

图1. 基于核心人工智能技术驱动的内外双向协同共生基因组育种框架

文章最后剖析了人工智能在根际微生物组研究中所面临的数据、算法与模型整合等关键挑战，并前瞻性地提出了一个由联邦学习、大语言模型、数字孪生与智能体四大技术共同驱动的新范式。该范式融合“由内而外”与“由外而内”的双路径策略：一方面通过共生基因组选择育种，培育能够主动招募有益菌群的作物基因型；另一方面借助合成菌群的理性设计，为作物定制功能明确的专属微生物组。二者的协同整合，为作物育种与微生物组研究开辟智能化新路径，共同开启“智能作物”的新时代。

该论文由河南省农业科学院粮食作物研究所马娟副研究员（第一作者兼通讯作者）与程泽强研究员（共同通讯作者）共同完成，乔江方副研究员和曹言勇研究员参与了本研究。本研究工作得到了国家自然科学基金项目的资助。

引用本文：

Ma J, Qiao J, Cao Y, Cheng Z. Harnessing artificial intelligence to decode the rhizosphere microbiome. aBIOTECH 2026;7(1):100005.

https://doi.org/10.1016/j.abiote.2025.100005