多组学基因智能挖掘（AI-driven Multi-omics Gene Mining）是将人工智能技术与多组学数据深度融合，系统性地从基因组、转录组、蛋白质组、代谢组等多维度生物数据中识别、解析目标基因功能与调控机制的前沿技术，它依托机器学习、深度学习及AI大模型算法，通过跨组学关联分析还原基因之1间的动态调控关系，精准定位驱动性状、疾病发生的关键基因与通路，破解“数据丰富、信息匮乏”的研究困境，完成从基因识别到机制解析的全链条挖掘。多组学基因智能挖掘技术，从低通量基因筛选转向全维度基因网络解析，从单一组学孤立分析和多组学统计拼接转向AI驱动的多模态深度融合，从仅能识别高效应显性突变基因转向精准捕捉低效应、跨层级的隐性调控基因，为农业育种、精准医疗、药物研发等领域带来了重大变革。
近年来，中国农业科学院作物科学研究所作物智能设计算法模型课题组（原作物数量遗传课题组）基于高通量多组学数据，持续开展复杂性状重要基因定位、生物信息学、统计基因组学和数量遗传学的相关研究，利用人工智能等前沿信息技术，致力于打造“数据-技术-算法-决策”一体化的大数据遗传育种智能设计与决策平台，开发出基于高通量基因组数据预测植物功能基因的深度学习模型、基于高通量转录组数据预测植物功能基因的大语言模型和基于高通量代谢组数据预测代谢标志物的深度学习模型，在多组学基因智能挖掘这一新兴前沿技术上持续开展创新研究，为推动作物遗传改良与精准育种提供了有力的工具支撑。
为响应广大学员的学习需求，推动多组学基因智能挖掘技术的广泛应用，中国农业科学院作物科学研究所作物智能设计算法模型课题组将于2026年10月24~25日为我们系统讲授多组学基因智能挖掘技术实操演练课程。
本次课程（详细内容附后）遵循理论学习+实操演练相结合的原则，兼顾身处不同学习阶段学员的需求，从遗传标记连锁分析到全基因组关联分析再到多组学基因智能挖掘，涵盖表型和基因型数据整理与候选基因分析、全基因组关联分析算法、基于第三代测序的结构变异检测流程评估与优化、植物结构变异真值集的构建方法、结构变异检测工具及分析流程的基准评估、各代表性算法详细讲解与案例实操等内容，力求通过两天的集中学习，带我们实现从“零基础”到“懂原理、会操作”的完美转变。
