基因组学、表型组学及多组学技术的迅猛发展，为作物育种迈向数据驱动的新阶段创造了前所未有的机遇。然而，如何系统整合基因型、表型与环境型数据，并揭示其内在关联机制，仍是当前农业研究面临的核心挑战。在此背景下，人工智能 (AI)、机器学习 (ML) 与大数据分析技术的融合，正逐渐成为推动育种进程的关键力量。它们不仅能够构建高精度的预测模型，实现对目标性状的早期筛选与性能预估，还可支持智能化的育种决策与精准育种策略设计，从而显著提升遗传增益，缩短育种周期，为全球粮食安全与农业可持续发展提供强有力的科技支撑。
基于此，Agronomy 邀请了中国农业大学闫军副教授主持特刊“Precision Assistance for Crop Genetic Improvement: Big Data, Artificial Intelligence and Machine Learning (精准辅助作物基因改良：大数据、人工智能和机器学习)”。本特刊的关注重点为智能计算方法与植物育种交叉领域的进展，研究主题包括但不限于：
多组学数据挖掘和复杂性状的整合分析；
基因型与环境相互作用的基因组预测和建模；
人工智能驱动的高通量表型分析和数据分析；
数据驱动的基因组编辑和智能育种方法；
用于精准作物改良的计算平台、算法和工具。
投稿截止日期：2026年5月31日
客座编辑
闫军 副教授
中国农业大学
中国农业大学农学院/国家玉米改良中心副教授，博士生导师。主要从事植物基因组学与生物信息学研究，聚焦复杂农艺性状的遗传解析与人工智能设计。以机器学习和多组学融合为核心,构建面向全基因组选择、性状反向设计和功能构件生成的智能育种模型,推动作物育种从"表型筛选”向"基因组驱动、目标导向"的设计范式转型。在Nature Communications、Genome Biology 等国际主流期刊发表文章20余篇。目前担任Agronomy 期刊编委、iMeta青年编委、《基因组学与应用生物学》青年编委。现主持和参与的科研项目包括国家重点研发计划1项、北京市自然科学基金项目1项、国家自然科学基金项目1项。
研究领域：开发面向全基因组选择与性状反向设计的智能育种模型；基于泛基因组与群体遗传学框架，开展多物种、大规模种质资源的遗传结构解析与功能基因挖掘；研发支持多组学数据融合与因果推理的新型算法工具与分析平台；探索面向性状构建的人工蛋白及功能元件的生成式AI方法。
了解特刊详情：https://www.mdpi.com/si/255035
Agronomy 期刊介绍
主编：Leslie A. Weston, Charles Sturt University, Australia
文章类型包括农学及农业生态学领域的研究型文章及综述，目前已被SCIE (Web of Science)、Scopus等多个数据库收录。
2024 Impact Factor：3.4
2024 CiteScore：6.7
Time to First Decision：17.2 Days
Acceptance to Publication：1.8 Days
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1511389.html?mobile=1
收藏
