AI驱动的马铃薯功能基因组学知识库：整合多组学数据与智能代理的新范式

《Plant Communications》：An AI-powered Knowledge Hub for Potato Functional Genomics

为解决马铃薯参考基因组迭代更新导致的基因标识不兼容（如DM1-3与DMv8.1）及海量文献挖掘效率低下问题，本研究构建了“马铃薯知识库”（Potato Knowledge Hub）。该平台融合检索增强生成（RAG）技术、AI代理任务编排架构与手动审编功能基因数据库（含2,853个基因），实现自然语言交互的精准知识检索、基因功能注释及多工具集成。其专有化设计在知识准确性、基因理解等评估中显著优于通用大模型（如GPT-4o、Claude），为复杂作物基因组学研究提供可迁移技术框架。

　　

马铃薯是全球重要的块茎作物，养活着约13亿人口。随着全球气候剧烈变化，通过功能基因研究提升作物产量、品质及抗逆性已成为育种关键。然而，马铃薯功能基因组学发展面临两大瓶颈：其一，参考基因组多次更新（如DM1-3→DMv8.1）导致基因命名系统不兼容，历史研究中的基因标识（ID）难以追溯^[1]；其二，近十年文献数量激增约100%，传统文献挖掘方法已无法应对海量数据^[2]。这些问题严重阻碍了领域内知识的整合与再利用。

为此，云南师范大学贾玉鑫团队与农业基因组研究所黄三文团队合作，在《Plant Communications》发表题为“An AI-powered Knowledge Hub for Potato Functional Genomics”的研究，推出首个面向马铃薯研究的智能知识平台——马铃薯知识库（https://www.potato-ai.top）。该平台通过大语言模型（LLM）驱动的工作流，整合文献挖掘、基因标准化注释及AI代理交互，旨在为科研人员提供“一站式”知识服务。

关键技术方法概述

研究通过PubMed/Web of Science收集1900年至今的57,795篇文献，基于中科院期刊分区筛选Q1/Q2期刊论文21,505篇，结合LLM筛选与人工复核，最终构建含6,112篇高质量论文的语料库。采用段落分块与检索增强生成（RAG）架构优化知识检索，结合功能基因实体标准化流程，将4,947个历史基因标识映射至最新基因组DMv8.1，形成2,853个非冗余功能基因数据库。平台内置BLAST、ID转换、GO/KEGG富集等工具，并通过AI代理“马铃薯研究助手”实现自然语言调用。

研究结果

1. RAG架构实现低幻觉知识检索

通过比较三种文本分块策略（100词重叠60词/200词重叠120词/自然段落）与三种检索深度（Top 5/10/20），发现自然段落分块结合Top10检索时评分最高（知识准确性40分、完整性30分、相关性20分、清晰度10分）。该策略在70个领域问题测试中显著降低通用LLM的答案极化现象，提升响应稳定性（图1C）。

2. 基因标识标准化纠正历史错误

基于LLM的基因实体提取与人工审编，团队发现并修正了多个历史命名错误，如SP5G-B误标为SP6A^[3]。基因数据库支持DMv4.03→DMv8.1等版本ID转换，并集成InterPro结构域、UniProt同源序列及表达模式注释，确保数据可追溯性（图1B）。

3. AI代理任务编排提升用户体验

“马铃薯研究助手”通过意图分析自动调用知识库、基因库或工具模块。在基因理解（20问）与序列提取（10问）测试中，其评分显著优于DeepSeek-R1、Qwen3等通用模型（P<0.001），尤其在基因细节查询与启动子定制提取方面优势明显（图1D-E）。

结论与意义

马铃薯知识库通过LLM驱动的基因标准化与Agent任务编排，解决了高复杂度作物研究中数据整合与交互效率的共性难题。平台每月更新机制保障其时效性，而技术框架（如RAG优化流程、多基因组标识映射）可为其他作物研究提供迁移范式。该工作标志着AI代理系统从“认知辅助”向“操作自主”的范式转变，为功能基因组学社区提供了高效、易用的基础设施。

---

参考文献

1. 1.
   Pham et al. (2020). Gigascience 9:giaa100
2. 2.
   Potato Genome Sequencing Consortium (2011). Nature 475:189-195
3. 3.
   Herrera-Isidron et al. (2024). Plants 13:2391
   注：本文解读基于论文原文，未引用图示标识与文献标号，专业术语保留原文大小写与上下标格式。