博士毕业于浙江大学，中国计量大学副教授以第一作者身份在一区Top期刊（IF=11.6）上发表研究论文

近日，中国计量大学生命科学学院徐沛教授团队联合以色列耶路撒冷希伯来大学，在植物学领域高影响力期刊Plant Communications（IF=11.6）在线发表了题为“From phenomics to post-phenomics: multidisciplinary integration driving autonomous agricultural systems”的研究论文。该论文率先提出并系统阐述了“后表型组学”（Post-Phenomics）的理论框架，强调通过多学科交叉与系统建模，推动植物表型组研究由数据采集和表型解析到遗传增益和智能反馈的进阶，为构建自主农业系统提供理论与实践基础。

在过去近二十年里，“表型组学”（Phenomics）已经发展成为一个重要的研究领域。借助高通量成像与传感技术，实现了对植物生长、发育及逆境响应的精准、无损、连续、大规模监测。这大大推动了作物遗传改良和环境适应性研究，为揭示复杂性状的形成机制奠定了基础。然而，随着表型数据规模的指数级增长和气候变化带来的全球农业挑战，传统表型组学也逐渐显露出局限：（1）依赖于图像表型的数据采集研究多，多模态表型和跨尺度系统建模研究较少；（2）从表型到基因型的全局性机理解析缺乏，难以充分揭示基因型与环境互作下复杂性状的动态本质；（3）表型组数据与农业生产实践之间的转化，尤其是自主性转化存在断层。

针对这一挑战，中国计量大学徐沛团队提出了“后表型组学”（Post-Phenomics）的概念。这一新范式强调从“被动观测”走向“主动反馈”，不仅收集和解析数据，更要通过动态建模、实时预测与智能决策，将表型组学全面融入农业生产体系。

后表型组学不仅是表型组学的自然延伸，更是对农业未来发展方向（精准化、智能化、可持续化）的系统回应。该论文系统提出了“后表型组学”的概念与框架，并围绕其发展路径与关键任务展开深入探讨，其要点包括：

（1）弥合基因型—表型之间的鸿沟

传统的数量遗传学往往依赖静态的基因型和有限的表型时间点，难以解释复杂性状在时间与环境动态作用下的形成机制。研究团队提出将“功能作图”（Functional Mapping, FM）与“系统作图”（Systems Mapping, SM）引入表型组学来解决这一问题。功能作图将表型变化视为连续函数，更适合捕捉动态性状；系统作图进一步结合常微分方程，模拟性状发育过程中不同生理因子的互作关系。例如，作者团队的前期研究表明系统作图方法能够揭示番茄蒸腾速率（动态植物生理表型）与土壤含水量（动态环境表型）之间的竞争与协作关系，显著提高数量性状位点（QTL）的检测效率与准确性，为作物抗逆遗传改良提供了新工具。

（2）连接表型与预测农业

预测农业（Predictive Agriculture）的目标是通过实时数据与模型驱动，预测作物的生长、产量与品质。例如，数字孪生作为作物或农田的“虚拟镜像”，可持续同化基因组、表型与环境数据；不同作物场景下的应用表明，数字孪生可精准预测蒸散量、树体水分分配等，并在果园、粮食储运等环节实现了动态模拟。未来，该系统还将融入经济学数据（投入产出、利润、市场阈值），实现农艺与经济双重优化。这一框架为作物生产提供了从田间到市场的全链路预测管理工具。

（3）从观测走向反馈行动

“后表型组学”时代的工作不仅是表型观测，更是反馈行动，其代表性案例之一就是作者团队研发的蚕丝基纳米可穿戴应变传感器系统—PlantRing（植物手环）。该系统通过实时监测植物茎秆微米级的径向收缩与膨胀，捕捉因蒸腾失水、根系吸水或逆境胁迫导致的水分状态变化，通过与无线通信和灌溉控制接口结合，可直接驱动自适应灌溉。在番茄试验中，实现了相较于定时灌溉节水约50%、相较于土壤含水量灌溉节水约33%的成果，且果实可溶性固形物含量提高约15%。该案例证明了由表型监测驱动的闭环农业管理是可行的，标志着多学科交叉融合正推动着农业系统向自主化与智能化迈进。

（4）构建后表型组学知识库

为支撑后表型组学的落地，作者提出了一个基于 FAIR 数据原则（可查找、可获取、可互操作、可重用） 的模块化知识架构，其内容和特点包括：

模块化与可扩展性：从种质到收获全过程覆盖，支持多学科数据的接入与更新；

语义化集成：利用本体论和知识图谱，将基因组、表型、环境与管理数据有机融合；

鸿沟弥合模块：通过整合基于功能作图/系统作图的算法模块、图神经网络（GNN）等算法，挖掘隐含的基因型—动态表型关系，为分子育种和精准农业提供新见解；

开放与协作：引入DOI标注、社区共建与版本追踪，提升数据共享与再利用效率。

人工智能驱动的农业新范式：人工智能（AI）将在后表型组学中扮演核心角色。通过融合多组学大数据与表型动态数据，构建统一预测系统；利用图模型与大语言模型解析复杂的基因-环境-表型网络；实现从“预测”到“处方”的跨越，即AI可直接建议育种策略、田间管理方案，甚至合成生物学设计。

多学科深度融合：后表型组学不仅是技术转型，更是多学科协作的产物。其中生物学家负责解析基因型-表型-环境互作；工程师研发新一代传感器与机器人；计算机科学家提供AI与大数据基础设施；社会科学家确保技术在伦理、治理与应用层面的落地。这种跨界合作将推动从小农场到工业化农业的广泛应用，加速实现精准、可持续与自主的农业系统。

图1 多学科融合驱动自主农业系统发展。 (A) 从表型组学到后表型组学的转变历程；(B) 设计的模块化、语义集成的后表型组学知识库。

中国计量大学生命科学学院杨素副教授为该论文第一作者，徐沛教授为论文唯一通讯作者。硕士研究生陈昊、耶路撒冷希伯来大学Menachem Moshelion教授参与了本论文工作。该研究获得了国家重点研发计划政府间重点专项（中以）、浙江省基础公益性研究项目、国家自然科学基金联合基金重点项目以及浙江省农业新品种选育重大专项等支持。

徐沛团队长期从事园艺作物表型组学和豆类蔬菜遗传改良研究，在农、工、信学科交叉融合方面形成了显著特色。近3年有关研究成果已在The Plant Cell、Plant Communications、The Plant Journal、Horticulture Research、Methods in Molecular Biology等发表。