植物复杂性状的遗传调控机制是现代生物学的核心难题，直接制约着作物产量与品质的精准改良。近日，北京雁栖湖应用数学研究院（BIMSA）邬荣领教授团队联合北京林业大学孙丽丹教授团队及其他合作者，在国际主流期刊《Horticulture Research》发表突破性论文，提出“个性化全基因组互作组网络”模型，为植物精准育种提供全新理论工具，标志着我国在该交叉学科领域取得重要进展，受到国内外学者高度关注。

长期以来，全基因组关联分析（GWAS）是解析植物复杂性状遗传基础的主流技术，但该方法存在两大核心桎梏，难以适配精准育种需求。一方面，其受还原论思想束缚，仅孤立寻找单个显著SNP位点，忽视了基因间通过互作共同决定性状的核心机制；另一方面，它基于群体水平估算遗传效应，平均化处理会掩盖个体间的基因互作变异，无法满足精准育种与医疗的针对性解析需求。

针对这些局限，研究团队通过创造性融合两大核心技术，大幅提升了GWAS对复杂性状的解析效能。其中，邬荣领教授早年发明的功能作图方法作为核心计算引擎，可精准捕捉植物生长动态轨迹。该方法将逻辑斯蒂生长方程等生物学原理嵌入数学模型，能够连续估算各基因位点全程动态遗传效应值，为后续基因互作分析提供了精准、全面的关键数据支撑。

而其团队加入BIMSA后发明的idopNetworks模型，则具备全信息、动态性、全方位、个性化四大核心特性。该模型既能精准捕捉基因间双向有符号加权互作信息，又能清晰解析互作关系的时序变化，可实现全基因组范围覆盖，同时重构出个体独有的遗传网络，弥补了传统技术在个体层面解析的短板。

两大模型的数学深度融合，实现了个体水平基因动态互作图谱绘制的重大突破，也为动植物精准育种及人类精准医疗提供了新的技术路径。

为验证模型实际效能，团队以梅花为研究对象，结合全基因组数据与株高地径表型数据，重点对比了快长树与慢长树的生长机制差异。

左侧为快长树右侧为慢长树

结果显示，两者的基因互作模式存在显著区别：快长树基因网络中正向促进作用占比达85%，形成了利于生长的调控体系；慢长树则以负向抑制作用为主，占比约62%。研究进一步明确，慢长树关键基因表现不佳并非自身潜能不足，而是受其他基因网络的强烈抑制，模型预测通过基因编辑技术敲除这些负调控因子，可唤醒被压制的优良基因，使慢长树生长水平赶超快长树。

这项突破性研究不仅填补了数量遗传学从群体到个体解析的理论空白，更具备重大实践应用价值。其构建的模型如同一张精准的“基因导航图”，可准确定位控制作物产量、抗病性、抗逆性等复杂性状的关键基因及互作网络，助力育种专家依据个体基因型设计定制化改良方案，为高效遗传转化提供了坚实基础。

此外，邬荣领教授团队还联合BIMSA应用拓扑团队，牵头成立了“复杂系统拓扑统计理论及应用北京市重点实验室”。该实验室以代数拓扑与统计物理嵌入大数据分析为核心特色，深耕多学科交叉领域，旨在开创中国特色统计理论与应用之路，为这类突破性研究提供支撑，引领世界统计学发展方向。

纸条