镉是环境中广泛存在的有毒重金属元素，可随食物链累积到人体，减少粮食作物中籽粒镉含量的策略可从根本上降低民众镉暴露的风险，是保障国家粮食安全和国民健康的重要举措。大数据和人工智能的发展有效促进了环境科学、 和 的融合，为高效、稳定、精准化评估和控制粮食作物中的镉污染风险带来了新机遇。

何振艳团队长期从事低积累重金属作物创制和重金属污染农田安全利用研究，近年来在作物镉污染评估与预警、作物镉积累特性及其分子调控网络解析、低镉作物全基因组选择育种和材料创制等方面取得了系列进展。

在这篇综述文章中，研究人员提出了控制粮食作物中镉污染风险的“基因型”和“环境型”双引擎驱动的智能化策略。

从基因型角度，策略是定向培育和智能创制低镉作物新型种质。科研人员对三大主粮作物的籽粒镉超标情况进行荟萃分析，发现低、中、高镉污染的田间试验均有作物籽粒镉积累超标现象，且物种间的镉污染风险差异显著。研究还探讨了“优异变异”在未来低镉作物新型种质创制中的重要性，并结合大数据智能化技术提出两种范式：一是通过连锁关联定位、全基因组关联研究和全基因组选择等手段挖掘和聚合自然种群中的优异变异，精准定向培育低镉作物；二是利用同源建模、蛋白从头设计、基因编辑等手段设计和实施自然种群中不存在的人工优异变异，创制低镉作物新种质。

从环境型角度，策略是构建土壤环境镉阈值-不同粮食作物品种-籽粒镉含量的智能化模型，明确不同土壤的适种品种。通过分析影响作物镉积累的土壤环境因素，讨论了基于线性回归、机器学习等算法构建的环境型-表型模型预测作物适种土壤环境镉阈值的重要性，展望了智能农业、物联网等技术在精准控制土壤环境镉阈值中的应用潜力。

研究人员表示，希望在环境科学、生物科学、大数据、人工智能等多学科、多技术的支持下，作物镉污染风险控制朝着智能化、高效化、定向化方向发展，最终实现从“经验”到“智能”的革命性转变，推动农业绿色可持续发展。　

相关论文信息：

https://doi.org/10.1080/10643389.2023.2174770