《Discover Plants》：A maize-centric framework for explainable artificial intelligence in decoding drought tolerance mechanisms
编辑推荐：
本综述系统阐述了可解释人工智能（XAI）在解码玉米耐旱机制中的前沿应用。作者构建了一个多尺度整合框架，通过SHAP、注意力机制等技术解析从基因组顺式调控元件到田间表型的复杂数据，揭示了ABA信号、表观遗传记忆等关键通路。该研究为加速抗逆育种提供了创新方法论，并展望了XAI在推动作物耐旱性研究从黑箱预测向可解释性发现转变的重要潜力。
人工智能/机器学习在多模态干旱表型分析中的工作流程
现代干旱抗性研究利用人工智能（AI）和机器学习（ML）整合来自表型组学、基因组学和环境监测的数据。尽管这种多模态方法在解码干旱响应和加速育种方面功能强大，但其实际价值常受复杂模型“黑箱”性质的限制。这种不透明性掩盖了预测背后的生物学逻辑，限制了其在育种计划中的效用。
高通量表型分析利用无人机（UAV）和高光谱成像进行大规模、非破坏性的田间表型分析。支持向量机（SVM）和深度神经网络（DNN）等模型处理这些数据，在胁迫分类中实现高精度。然而，这些AI模型的运营价值因其“黑箱”性质而受到显著限制，这种不透明性掩盖了驱动预测的具体光谱特征，将检测降低为难以解释的相关性，为育种决策提供的生物学见解甚少。
AI驱动的基因组分析通过整合转录组学、蛋白质组学和表观遗传学等多组学数据，以及表型组和环境数据集，弥合了基因发现与田间抗性之间的差距。例如，在番茄中，ML模型通过整合RNA测序数据与表型响应，识别出关键干旱响应基因，如FLA2、ASCT和ADC1。尽管这些模型擅长模式识别和预测，但其对生物学发现的效用通常受其典型的“黑箱”性质限制。这种不透明性限制了生物学的可解释性，阻碍了候选基因的因果验证，并削弱了将其应用于精准育种所需的信心。
用于干旱抗性的XAI工具包
传统机器学习模型的不透明性严重阻碍了干旱抗性研究的进展。可解释AI（XAI）技术正在阐明这些黑箱模型，将预测输出转化为基因组、表型组和环境领域的机制性见解。
特征归因技术量化个体输入特征对模型预测的贡献。其中，SHAP（SHapley Additive exPlanations）因在多种农业模型中分配重要性得分而获得显著关注。局部可解释性与全局可解释性存在关键区别：SHAP通过聚合所有预测的局部特征重要性来提供全局解释，提供特征关系的全面视图。相比之下，LIME（Local Interpretable Model-agnostic Explanations）仅专注于局部解释个体预测。在实践中，SHAP特征集高度依赖于上下文。基因组应用通常使用k-mer频率、表观遗传标记和已知转录因子（TF）结合位点，而表型组分析则依赖于光谱指数、形态特征和环境协变量。
视觉方法直观展示模型的关注区域。例如，显著性图常用于可视化基于图像的表型分析中神经网络的注意力区域。相比之下，Transformer模型中的注意力机制通过动态加权特定输入元素的重要性，改变了基于序列的分析。对于基因组应用，这些模型通常将“标记”定义为固定长度的核苷酸序列（k-mer）或单个基因，这些标记在嵌入连续向量空间之前会进行序列长度和组成的标准化。这些具有生物学信息的架构可以通过分析其学习到的注意力模式来揭示功能网络。
规则提取方法将复杂的模型决策转化为人类可解释的逻辑。符号AI方法，如决策树和逻辑学习机（LLM），将复杂的模式提炼为可操作的“如果-那么”规则。这些方法原则上可以产生对干旱抗性机制的直接见解。决策树因其固有的透明度而受到重视，与传统的全基因组关联分析（GWAS）输出相比，已显示出能减少育种者解释所需的时间，为AI驱动的预测与实际育种决策之间提供了更易理解的链接。
通过XAI解码干旱机制：经过验证的生物学见解
XAI工具包的应用近期取得了深刻且经过实验验证的见解，揭示了干旱耐受性的分子机制。通过整合多组学数据和XAI技术，研究人员正在破译复杂的调控网络，将这些网络与关键的干旱响应通路联系起来，并发现用于作物改良的有价值的遗传靶点。
一项开创性研究应用XAI实现了对水稻干旱胁迫下基因调控逻辑的机制性解析。为确保模型鲁棒性并减轻高维基因组数据中存在的过拟合关键问题，研究人员实施了一个严格的验证框架。他们在一个全面的基因组特征集上训练随机森林模型，该特征集包括：启动子、编码区和非翻译区的核苷酸和二核苷酸组成；来自已建立数据库的已知转录因子结合位点（TFBS）；以及新型推定的顺式调控元件（pCRE），这些被鉴定为干旱响应启动子内富集的6-8聚体寡核苷酸。SHAP分析显示，转录起始位点300 bp内的近端启动子区特征是最关键的基因激活预测因子。一个关键发现是，新型pCRE（例如，类似于TBP、MYB和GATA结合位点的基序）比已知的TFBS更具预测性，表明存在先前未被识别的调控层。
XAI在识别和优先处理干旱信号网络的核心组件方面发挥了关键作用。通过整合多组学方法，XAI框架展示了如CIPK23（一种关键蛋白激酶）等基因如何通过与像CBL4这样的信号伙伴相互作用来协调干旱响应。CIPK23作为核心调节因子的作用已通过实验验证得到进一步证实。XAI的跨物种效用也显而易见，例如在杏仁的一项研究中，基因组数据的SHAP分析识别出与出仁率显著相关的区域，并定位了一个参与种子发育的候选基因。
XAI能够以精细的空间分辨率分析干旱响应，超越组织平均水平。这种能力揭示了基因（如ERD10）在不同细胞类型（如中柱鞘和内皮层）中的独特组织特异性作用。揭示这种细胞类型特异性功能对于推进旨在特定发育和解剖水平增强抗旱性的靶向育种策略至关重要。
XAI框架的整合能力也阐明了表观遗传修饰在干旱耐受性中的作用。这些分析揭示了诸如ABA信号（控制气孔关闭和水分保持）等通路是如何受到物种特异性表观遗传调控的调节的。除了植物基因组，XAI越来越多地用于解码干旱下的植物-微生物组相互作用。例如，在一项对豇豆的研究中，使用16S rRNA扩增子测序对微生物群落进行了分析。细菌类群的相对丰度作为随机森林模型的输入，该模型实现了对干旱胁迫的高预测精度。SHAP分析将关键微生物类群识别为重要预测因子，放线菌门（Actinobacteriota）和蓝藻门（Cyanobacteria）成为在干旱条件下富集的最重要生物标志物。这种XAI驱动的方法提供了关于特定根际群落如何影响宿主生理的机制性见解，指出了通过微生物组管理进行作物改良的新策略。
干旱抗性AI/ML面临的挑战与局限
机器学习和XAI在增强谷物干旱抗性方面具有变革潜力，但其应用受到显著的技术、生物学和实践挑战的限制。数据限制仍然是主要瓶颈。尤其是在代表性不足的区域，数据不足和不平衡通常导致过拟合和模型泛化能力差。尽管先进的多模态方法在受控研究条件下可以达到高精度，但此类结果通常反映可能无法可靠转化为田间应用的理想化设置，在田间，可变的数据质量和环境异质性构成重大障碍。
数据集不平衡可能很严重。例如，在使用3D点云进行小麦表型分析时，穗与叶点比例不均会引入明显的类内不平衡，降低分割精度。实施加权采样和定制的损失函数可将穗分割性能提高10-12%，这既说明了问题的严重性，也显示了针对性缓解措施的价值。关键的是，这些数据限制直接影响我们以玉米为中心的XAI框架的适用性：主要基于温带玉米杂交种训练的模型，当应用于热带种质资源或代表性不足的农业生态区时，可能会产生误导性的XAI解释，为在不同环境中工作的育种者制造了根本性的信任障碍。
噪声、异常值和时空间隙进一步降低了模型性能，尽管预处理技术结合遥感集成可以部分缓解这些问题。模型复杂性引入了准确性和计算效率之间的基本权衡。例如，虽然梯度提升树在选择用于缓解干旱的微生物菌株方面可以优于其他算法，但其大量的资源需求引发了可扩展性担忧。整合机器学习与机械论方法（如水力原理）的混合模型在捕捉土壤、气候和植物变量之间的非线性相互作用方面显示出前景。
然而，训练数据中固有的偏差，例如温带杂交种或受控环境条件的过度代表，可能会扭曲预测并限制其在实际田间环境中的适用性。这些偏差与环境变异性相结合，因为基于有限数据集训练的模型通常无法在不同土壤类型和小气候中泛化。这种不匹配造成了明显的采用风险：育种者可能会收到在实验条件下表现良好但在特定田间环境中无效的XAI建议，从而加剧了对数据驱动解决方案的怀疑。
环境变异性使这些挑战进一步复杂化，因为植物-微生物相互作用和干旱响应高度依赖于环境。尽管XAI工具如SHAP和LIME通过量化特定生物学特征对干旱抗性的贡献来增强可解释性，但它们完全取代机械模型的能力仍不清楚。可扩展性提出了另一个障碍：在受控环境中开发的模型由于存在不受控制的变量，在田间条件下通常表现不佳，这凸显了需要通过边缘计算解决方案来实现实时部署。
实际障碍，如大规模试验的高成本、数据隐私问题以及育种者的怀疑态度，也阻碍了采用。例如，育种者可能不信任缺乏生物学解释的黑箱预测，这减缓了AI融入作物改良流程的速度。因此，我们概念框架的成功实施不仅需要技术进步，还需要有意的策略来培养特定领域的信任。
