这次，中国科学家“组局”，诺奖实验室来“打配合”

 

文｜《中国科学报》记者 李思辉 实习生 付宸旭

“这太让人兴奋了！”听完来自华中农业大学教授李国田团队的介绍，远在大洋彼岸的安琳娜（Linna An）显得有些激动。

2024年1月的一天，在一场跨国的线上学术交流会上，李国田团队提出一个大胆设想——能否将美国华盛顿大学David Baker教授实验室开创的“AI蛋白质设计技术”，融入作物育种领域？

彼时，安琳娜正在David Baker实验室从事博士后研究。她高度认同这一想法，随即和李国田团队开启了合作研究。这项工作，也受到了David Baker的密切关注。

几个月后，David Baker因在AI蛋白质设计领域的卓越贡献，获得“2024年诺贝尔化学奖”。由此，这项跨国合作也成为了中国科学家与诺奖得主实验室的一次携手合作。

李国田告诉《中国科学报》，除诺奖实验室外，这项研究也获得了Nature编辑部的认可与支持，最终促成了一场由中国科学家组局、汇聚国际智慧的跨国研究。

杨磊（左）、李国田华中农业大学供图

与诺奖实验室的因缘际会

故事的开始，源于李国田敏锐的科研嗅觉。

李国田长期从事水稻与稻瘟菌的互作研究，致力于解析水稻与稻瘟菌互作的分子机制，持续为水稻作物改良研究提供种质资源和理论基础。

2021年7月，David Baker实验室在Science上发表论文，提及了“利用三轨神经网络精确预测蛋白质结构和相互作用”的技术。这迅速引起了李国田的关注。他兴奋地对研究生们说：“这是一项颠覆性的技术，完全具备获得诺贝尔奖的潜力！”

李国田意识到，这项原本用于医药领域的技术，也可能给作物育种带来革命性突破。为此，他开始给David Baker实验室发电子邮件，共同探讨AI技术在农业领域应用的可能性。

很快，他的想法得到了David Baker实验室的认可。对方开始给李国田回复，并提供诸多科研材料，支持他在该领域开展深入研究。自此之后，双方成为长期互发邮件的“网友”。

一次偶然的契机，让两个跨国实验室的合作关系，从“网友”升级为“战友”。

2024年7月，安琳娜在Science上发表了一篇关于小分子结合蛋白设计的研究论文，实现设计“具有传感功能的蛋白”。

该论文的预印本于2023年11月上线bioRxiv（预印本平台）。这个看似与农业无关的基础研究，却让李国田团队眼前一亮——他们深耕作物改良与抗病基因研究十余年，深知传统育种的局限，这项新技术或许正是破局的钥匙。

于是，2024年初，李国田以华中农业大学 “三农讲坛”学术活动为契机，邀请安琳娜做线上报告。报告结束后，他专门向安琳娜提出将AI蛋白设计应用于作物改良的大胆设想。

这项大胆假设让安琳娜深感震撼。将一项应用于医药的新兴技术引入作物改良领域，这是前所未有的新思路，可能成为改变领域格局的重大突破。这场跨越太平洋的对话，让两个原本平行的研究团队产生了频繁交流，擦出了漂亮火花。

Nature支持下的全球组局

双方合作的起点并非完整的研究数据，而是一个大胆的框架。2024年4月，李国田团队与安琳娜共同向Nature编辑部提交了一份大纲，系统梳理了AI蛋白设计这种前沿技术在作物改良中的应用前景。

鉴于李国田团队2023年刚在Nature上发表了一项重要成果——利用基因编辑技术创造一种新型广谱抗病基因，使水稻能够同时抵御稻瘟病、白叶枯和稻曲病三种病害，实现作物病害的绿色防控。Nature编辑对这份大纲也很快给予了回应：“思路极具价值，但需要更广阔的全球视野，还需要联合其他领域的专家来共同完成。”

于是，这个回复催生了一场跨越国界的“科研组局”。在Nature编辑部的建议下，李国田团队以华中农业大学为核心，陆续联系了中国科学院遗传与发育生物学研究所、美国华盛顿大学、英国亚伯大学、德国马克斯·普朗克分子植物生理研究所、澳大利亚联邦科工组织、美国亚利桑那大学基因组学研究所等多个国家的专家，组建了一支由中国科学家牵头的跨国科研团队。

这场组局的难度远超预期。不同领域的研究范式、基础理论均有所不同，而完成这篇综述文章要梳理各个熟悉和不熟悉的领域，联合国内外不同方向专家共同完成。

“从最初的大胆设想到文章的发表殊为不易。各位参与写作的专家均付出了大量的心血，给文章提供了宝贵的意见和专业知识，仅大纲就经历了3轮修改，文章也经历了4轮返修。”李国田表示。

2025年5月，经过整整一年多的打磨，这篇融合了全球前沿技术的综述正式被Nature接收！7月23日论文正式上线。

李国田等发表的Nature论文

文章系统阐述了组学、基因编辑、蛋白质设计与高通量表型等多技术协同的作物改良新范式，回顾了作物改良的技术演进，同时提出利用蛋白质设计按需打造功能元件的新途径，并描绘了AI辅助的优异种质设计蓝图。

文章前瞻性地提出了人工智能驱动的作物改良框架——以往作物的基因组、表型、环境的高通量数据非常多，但缺乏整合框架，而AI在蛋白结构预测和语言模型上的突破，正好能把“海量数据”转化为“可执行育种方案”。

研究团队敏锐地察觉到了这一点，于是将“多组学 基因编辑 蛋白设计 AI模型”组合到一起。他们提出用AI大模型把这些数据“拼成一张活地图”，自动找出哪些基因或蛋白需要小改动，哪些改动能够给高产、稳产、优质、抗逆等“综合加分”。在此过程中AI像导航一样给出操作步骤，形成“设计—构建—测试—学习”的快速循环。

“撰写这样一篇综述性文章的难度不亚于5篇研究性论文。”李国田坦言，这篇文章需要平衡科学性与前瞻性——既要有实验室数据支撑，又要预判技术发展方向。中国团队能牵头这项工作，离不开国家粮食安全战略的政策支持，以及对农业科技的长期投入。

“我国在农业、作物改良等领域大量原始研究的积累，让我们有底气站在全球视角做总结。”李国田说。

从数亿年到一周的惊变

“对学生而言，这篇文章来得刚刚好。”李国田感慨。

因为专注于深入研究这个新兴领域，博士生杨磊在读博的4年中没有发表过代表性论文。这篇于今年5月份被接收的文章，让他的工作得到了更充分的认可。他说：“好在赶上了，再晚一点就来不及了。”

如今，杨磊已顺利博士毕业，并继续在李国田课题组进行博士后研究。

“虽然文章来得很及时，但其中的辛苦也只有我们自己知道。”李国田告诉《中国科学报》，起初杨磊聚焦“AI蛋白设计在作物改良上的应用”相关研究，可谓是屡战屡败、屡败屡战。因为这项技术最开始倾向于医药领域，相关软件都是以医学应用为导向的，因而蛋白设计在作物改良上方法不多、成功率特别低。

“20多万次失败，才等到这一个！”2024年，杨磊在水稻中成功设计了抗稻瘟病特性的蛋白。这个结果背后，是他从2021年开始的坚守——每次设计上万个蛋白序列，在实验室筛选至深夜，服务器38T的内存被占满20T。经历20多万次的失败，他们终于找到了那个能精准触发抗病特性的“钥匙”。

这也正是AI带来的颠覆性改变——在传统育种中，要找到一个具有抗病功能的基因，需要育种学家不断在田间观察数万株水稻的表型，记录病虫害损伤情况，运气好的话十多年才能有突破。而现在，AI正在改写这个过程。

杨磊展示了一组对比数据：用传统方法找到一个抗病基因平均需要10年，抗病谱窄，容易被病原菌进化突破；AI设计的人工蛋白则能靶向多个致病因子，通过高通量筛选，数周内就能锁定有效序列。

“更惊人的是进化速度”，他透露：“比如我们正在研究的一个蛋白，自然进化需要数亿年才能获得的特性，AI设计仅用一周就实现了。”

“这种‘一日千年’的突破单靠人类很明显是做不到的，这种情况下科学家会被取代吗？”面对《中国科学报》的提问，杨磊给出回答：“恰恰相反，AI让我们能聚焦更核心的科学问题。AI只是总结规律、揭示规律的工具，它读不懂一些性状背后的调控机制，因此真正应用还是要靠人。”

未来，这项研究有望为育种学家提供极大的方便：在传统作物遗传育种中，育种学家需要靠在田间地头观察表型、依靠昆虫授粉过程等完成育种，不仅耗费时间，还需要有好的运气——一些天气、环境因素都可能导致试验失败。而在AI的帮助下，科学家能够迅速理解植物状况，快速实现目标，摆脱“看天吃饭”的困境。

谈及科研经验，李国田表示“合作很重要”。他表示：“科学研究不能在象牙塔里孤芳自赏，不能在实验室里自我陶醉，必须面向农业生产中的实际问题，并与世界接轨，与最前沿技术交融。”

相关文章链接：

https://doi.org/10.1038/s41586-025-09122-8

  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。