智能IT系统如何变革美国农业

2014-08-14 | 作者: 邵宇琦 | 标签: 智能IT系统

过去40年来,美国的玉米产量翻了一番(图1),主要是由于栽培品种的改善,它利用了土壤管理方面的农业进步并增加了种植密度。通过生物技术特征、培育和农业经济的共同进步,生物技术的发展能帮助农民在2030年以前再次实现玉米、大豆和棉花产出加倍。

图1 1970年以来的产业增长

2030年前实现产量翻倍生物技术、育种和农业经济的进步

这项承诺基于这一代基因改良作物的成功,该作物通过提高产量、减少产量变化、减少农药和杀虫剂的使用及为农民提高每英亩利润改变了农业的面貌。美国大约有95%的大豆和75%的玉米利用生物技术提升产量。阿根廷多于95%和巴西50%的大豆也实现增产。

由于上文提到的优势,有选择的时候,农民会一致采用生物技术改善产品。这些产品是基因组学、培育和农业经济方面复杂技术突破的结果,改变了农业实践和预期。例如,相比传统作物,抗虫作物在全球范围内减少了杀虫剂使用。

农业公司利用适应特殊环境地区的多种特征和特点继续开发种子产品。下一代产品保证进一步改善产量和应力特征(比如提高抗旱能力)、更好地使用作物氮肥和更广的光谱昆虫预防。育种方法(比如分子标记和测序)的突破性进展保证高产品种,针对合成种子产品的最优管理实践保证额外的收益率上涨(图2)。


图2 信息与开发下一代产品所需的技术相联系

科学领域的快速发展呼唤相对复杂的信息系统。这篇文章中将讨论种子和特征研究变革方面IT系统的角色转变,以及农业的未来。还会讨论系统如何加快跨产业合作的决策和机遇,从而开发下一代农业“智能IT”系统。

信息:现代农业的心脏

信息对现代农业至关重要,从开发新型杂交和变种产品到为了在收获时节获取价值而把产品放置到正确的管理领域。为所给农田选择正确的产品,需要种质资源特性和产品整体性能方面的准确信息。随着结合产品生物技术特征日益复杂,企业必须给农民提供更多有关特征、产品性能和农艺实践适应性的信息。

为管理环境区域推荐合适的产品需要分析很多变量(比如土壤类型、排水模式、以往产量、害虫压力、疾病压力等)。这类分析需要企业搜集精确环境规模的产品性能信息,并把这个信息转化成对农民的建议。

新产品开发已经变成了一场整合利用产业研发途径和产业合作伙伴所给大量信息的比赛。产品开发、定位和获取价值需要的信息日渐复杂,要求复杂的IT系统设计掌控信息规模并审核信息来支撑明智决策。市场的成功与研究信息到产品决策的转化效率和准确性有直接联系。因此,IT系统值得重大投资,是公司竞争优势的关键因素。

生物技术和培育的途径

生物技术的特征和种质资源本土化的需求,导致农业研发途径的发展在整体形式上跟制药行业类似(图3),不同阶段会做出不同的产品改善决策。在各个阶段,候选产品被逐一剔除,只剩下最有前景的产品进入下一阶段。为了保证未来商业产品能满足客户需求,后续阶段的测试越来越严格。


图3 研发阶段推进过程中剔除候选产品 (每阶段必须收集和检查信息来做出最优决策) 注:1.时间估算以经验为基础,可能会重叠。某些特定产品的开发时间可能会跟所示估算时间有出入。 2.基因最终会成为商业产品的平均可能性估算以经验为基础。这些可能性也许会随时间改变。

几千位科学家在高通量产品开发和评估途径中处理信息,以农业科技公司孟山都为例,其有两个主要途径,一个针对生物科技,另一个针对育种(图4)。生物科技途径为抗虫性、除草剂耐性和抗寒性等特征开发新的基因。培育途径是利用适应全球特殊地理区域的本身优质基因,来创造种质资源。


图4 孟山都研发途径概览

生物科技和育种形成并行研发途径,通过共享工具和技术相联系。IT平台是支持研究、产品描述和产品改良决策的链接

有助于筛选了解新基因和种质资源的实验室与田间工作在两种途径中融合。信息收集产业规模化,且往往高度自动化。


图5 研发途径的产业规模信息收集和管理

IT系统促成全球育种种质资源交换,种子切片、基因分型分子标记等自动化和技术进步需要IT系统管理分析和解读

例如在生物科技途径中,每年基因组学和分子生物工具被用于选择和描绘几千种基因。该途径由一系列步骤组成,包括基因提名、测序、克隆、转化、温室和田野测试。每个步骤包括综合实验室和田间工作共同提供的有关基因功能和质量的所有信息。

分子标记辅助育种是一种用DNA标记来界定个体有利基因组合的技术,用于育种途径。单个种子变得“切损”,切下来的部分用来分析每个种子的DNA基因型(图5)。每年数以百万计的样本被处理,生成数十亿数据点。

预测最优选择的切片、基因分型和种植,具有极强的时间敏感性且高度自动化。目前,孟山都经营世界上最大的田野测试网络,每年把种子种植在全球数以千计的试验点,大量收集每个出产作物的特征信息(比如产量、水分含量、作物高度、疾病反应等),每年还在不同地方进行多次评估。

这个网络的物流经营包括对每个进行种植、收获和分析试验点的种子库存、分配和实验设计管理。仅仅北美的收获季节,就分析了数以百万计的数据点。

通过分析,在最适应本土的种质资源中,生物技术和培育途径发展出的产品进行整合(再利用遗传杂交、田间试验点评估、分子标记),创造出带有感兴趣新基因的高级产品。大规模开发新型生物技术产品和评估产品性能,只有先进IT系统能够完成。

IT途径

发现和商业化新型基因改良产品需要10到15年,这个过程要求标准化流程和规范化测试来验证性状表现和农场价值。为了编排这个多步骤、多阶段、多年、相互依存的评估过程,IT系统必须模拟这个途径,这样候选产品才能被跟踪和优化容量、分析结果和解读、并全程保证合规。换一种说法,就是需要IT途径来管理研发途径。

例如,管理全球范围的作物生物科技途径,需要一个无缝连接实验评估试点(基因提名、基因建设、转化)的IT工作流程系统来追踪细节信息、理解和评估不同特征的基因。系统给该途径带来透明度,帮助决策基因提升,并且免除了费力的手动跟踪。

科学以IT速度进步

具备快速利用大量新型科学突破能力的组织拥有重要的竞争优势,IT系统是把科学突破转化为产业规模生产的核心部分。例如,十多年前能够准确标记感兴趣基因的分子标记技术的突破,引发了新基因编入到适合种质的巨大变化。这种变化只能通过IT系统大规模创新实现,该系统建立了高通量、高容量DNA基因分型实验室,自动挑选最优背景下的兴趣基因作物优化工作流程,并且把这些工作流程整合到全球培育途径的巨大背景中。

大多数公司的研发途径,依靠结合第三方以及在各途径整合工作流程步骤信息的高度定制专有IT系统。这些系统使大量手动步骤得以免除并代之以可重复的自动化操作。让IT系统做大部分工作实现了科学自动化,也实现了以“集成电路的速度”大规模利用创新。

建立以理想速度和规模运转的系统,需要创造新型IT组织,能把育种和生物技术的科学专业知识融合到计算机和产业工程中。因此,IT组织构成中除了电脑工程师外还有专门科学家——在单一组织里强力结合生物科技专门技能、育种、基因组学、生物信息和计算机学。

这个新IT模型使得新兴研发需求和突破,快速转变成工程软件解决方案。该方案通过标准化工作流程步骤、自动化信息生产和分析、使用标准算法的工业化创新应用,来推荐最优种子放置决策。

在DNA分子标记基因分型例子中,基因分型试验结果必须记录每单个种子。由于存在数以百万计的样本,通过手动检查刻痕是难以有效完成这个任务。自动化流程可以免除工作流程瓶颈和避免人为错误。

培育途径的另一个例子是收获期间田野试验的信息分析,此时必须统计分析成千上万的设计试验,来决定哪些候选产品在感兴趣的特征、区域和长年评估上表现最好。因为每一次收获都需要几周而进一步决策又具备时间敏感性,所以分析必须重复多次才能收集到更多田野信息。

依托智能IT系统的智能研发途径


为加快下一代种子产品的开发,下一代IT系统必须做得更多。这些智能IT系统必须支撑种子产品开发的流程,把科学直觉转化成可重复的决策,并且丰富和促进资源受限的渠道。从研发途径来看,重点必须从生成和管理自身信息变成明确途径关键点中做出的决策。

智能IT系统的开发,需要高级种子产品那一代IT系统的角色范式转变。传统上,IT系统被当作个体决策时收集和管理信息的工具。利用信息做最优决策和系统自身在一连串持续提升中学习决策,这种IT系统更符合智能的要求。

由于聚合信息量和多样性呈指数增长,专家人工决策之后出现的依托信息聚合决策已经开始超出人的能力。

例如,只有人们想出那些推进进程必须回答的各类问题,选择进行合规生物技术现场试验的地点才会变得简单。是否拥有所需的试验合规许可?这块地前些年种了什么?附近有其他生物技术试验吗?关注的压力状况(如旱灾)发生的可能性有多大?

这些只是任何试验都必须回答的一些最直接的问题。现在考虑每年在全球几千个地点多种背景下测试几千种基因,这种环境下产品延误丧失机会就会损失数以亿计的美元。

为决策管理设计智能IT系统至少有三个特性:抓住决策规则和标准;抓住决策背景;抓住决策结果从而改善过程(图6)。


图6 构建智能IT系统

A)传统上,专家依靠经验做出最优决策,而且他们关于决策规则、标准,和学习的知识还保留个体性。因此建立反馈回路需要很多年,使得知识积累变成一个很慢的过程。

B)通过建立智能IT系统,规则和标准能变成共同资产并在此基础上优化提升。

明确和抓住决策

开发智能系统的第一步是抓住决策本身。关键是在可重复的、被理解为规则系统和重复应用于相似信息的途径中明确决策。揭示这些规则和标准需要实验目的和研发途径中所起作用的细节知识。

抓住决策背景

智能IT系统不能仅仅列举和应用导向决策的一系列规则。它还必须抓住决策背景(暂时相关信息的快照)。抓住背景,对于了解哪些信息是相关的和如何最优衡量很重要。

信息库存能提供历史背景,它不仅储存决策,还有用于决策时的准确信息。这样用于决策的特殊信息就能被建档,之后可以被用来重建决策过程。随着时间推移,系统记忆的产生能够用于提升和完善未来决策的迭代。

抓住决策结果

智能IT系统还必须能评估和学习决策结果:决策的影响是什么?一个阶段已经进步的产品是否能继续升级?当某种农业操作使用后,这种候选产品真的如预测那样表现更好了吗?

人类至少部分学习了行动结果,智能IT系统也应该用相似方式学习。通过抓住结果,决策模型能成为基准并提升,因而能把专家决策变为共同财富,还能再次从下一代科学家的计量、建模和随后提升中学习。

跨产业合作

通过高通量途径支持信息生成和整合信息,使得智能IT系统得以完成大范围和大规模上的任务,如DNA测序规模每天能生成太字节信息。此外,预测每2到3年指数就会增长。把这些数据变成信息需要分析复杂的DNA测序,并把这个信息和其他基因功能信息结合来界定新标记和基因。

面对这些挑战,应该会要求最优基础设施,包括专业计算机平台、最优数据存储和支持全球运营的网络。设计和实现这些性能超出了单个实体的能力,需要在这些领域中单方面专业和拥有大规模应用产业标准技术经验的公共和私营组织相互合作。

与在计算机领域展示出专业性的IT供应商建立合作,将使新系统利用行业标准解决方案。高科技领域的合作关系(如装配序列优化),也会促进复杂定制解决方案的发展。例如,孟山都和测序设备生产商、大学、专业硬件生产商和大型IT企业建立了合作,来处理测序信息的生成和分析,帮助持续改良种子的交付。

信息:下一个农业前沿

农业正走在获益于IT创新这个激动人心和充满动力的机会关口。2030年前产量翻倍所需的下一代种子创新,取决于产业能多高效地收集、分析和利用信息爆炸为研发和农场决策提供支持。

由于产品变得更复杂及它们的选择由地方管理区域更加细节化的特征驱动,企业必须提供更加专业的农场产品信息。实际上,用这个信息来实现产量和经济利益的最大化和产品本身一样重要。

由于很多试验针对特定压力和管理区域,2030年前实现农业产量翻倍的目标需要产品提高性能和更具预测性。下一代生物科技和育种试验,使农业投入优化变得更加可行。通过减少农药、杀虫剂、杀真菌剂和化肥的使用降低农业的环境影响,通过与农业机械和精准农业进步相结合,农民能够更好地开垦原有或更多亩田地。

这些进步还意味着,农业的发展日益受到技术驱动,这种技术的采用依托我们如何使用信息。从基因组学和分子育种中提取和利用信息的进步,将为生物技术试验界定新基因营造机会。如何利用信息来明确和利用管理区域的进步,将导致产品使用和种子性能的优化。获取天气和潜在虫害信息方面的进步,将创造管控风险的机会。

所有农业途径的阶段都会被转化,且要求IT系统创新来发掘正在开发的种子产品的全部潜能,实现2030年前翻倍产量的目标。成功会与智能IT系统的“智慧”相联系,因为反过来,新产品上市时间与信息多快、多高效能转变成决策相联系。实现这个愿景,需要种子公司、IT供应商及其他农业关键企业建立新型合作,从而把尖端IT技术引向产品开发途径和农场。 (完)

编译:工业和信息化部国际经济技术合作中心 邵宇琦

来源:中国经济网

相关文章