思考：植物科学的100个问题#

一、植物科学为什么是生命科学的核心问题#

生命科学最根本的问题，可以压缩成几句话：生命如何组织自身？遗传信息如何传递？物种如何演化？人类能否理解生命运行的规律，并在此基础上调控生命？

植物一直处在这些问题的关键位置。

1665 年，Robert Hooke 在《Micrographia》中观察软木薄片，并使用 “cell” 描述其中的微小结构；“细胞”这一概念最早来自植物材料的显微观察。 19 世纪，孟德尔通过豌豆杂交实验揭示遗传规律，为遗传学奠定基础。 达尔文提出进化论后，仍被被子植物在化石记录中快速出现和分化的问题困扰，这一问题后来被称为“达尔文之谜”。

这些历史节点说明，植物从来不只是农业对象。它们参与了生命科学几个基本概念的形成：细胞、遗传、演化、发育和适应。

植物的重要性还来自其生命方式。植物通过光合作用固定碳，将光能转化为有机物，支撑生态系统和农业生产。植物不能移动，必须在原地处理光照、温度、水分、盐分、病原体和土壤微生物等信号。植物细胞具有再生能力，支撑组织培养、遗传转化和基因编辑。植物基因组又极其多样，多倍化、转座子扩增、结构变异和基因组大小变化在植物中十分常见。

因此，植物科学连接了生命科学的多个层次：能量进入生命系统，细胞维持发育潜能，基因组产生多样性，个体在环境中完成适应，物种在演化中形成复杂性状。

二、100个问题的结构#

2011 年提出的 100 个问题，可以理解为五条主线。

第一条主线是社会需求。最直接的问题是“我们如何养活后代”。这个问题包含产量、营养、资源、环境和政策。今天的农业仍需要增产，但增产不能继续依赖无限投入。水肥、土地、碳排放、生态风险和公众接受度，都已经进入植物科学的研究边界。

第二条主线是环境适应。气候变化使植物适应问题进入农业核心。开花时间、种子休眠、根系结构、气孔调控、抗旱、耐盐、耐热，这些问题直接关系到作物在未来环境中的稳定性。难点在于性状之间存在权衡。提高抗逆性可能影响生长速度，提高产量可能增加资源需求，改变发育节律可能影响适应区域。

第三条主线是物种互作。植物从不单独生长。根际微生物、菌根真菌、病原体、昆虫、杂草和邻近植物，共同构成植物的真实环境。固氮共生、植物免疫、非寄主抗性、病原体突破抗性和入侵物种控制，都属于这一主线。它提醒我们，很多作物性状来自生物互作，不能只用单个基因解释。

第四条主线是细胞和发育。植物细胞如何保持全能性，细胞如何决定命运，细胞壁如何组装，表观遗传和小 RNA 如何影响性状，合成生物模块如何稳定进入植物系统。这些问题看似基础，却直接限制植物转化、基因编辑和作物设计。

第五条主线是植物多样性。应该测序哪些基因组？基因组大小变异有什么意义？多倍体如何促进开花植物演化？如何保存系统发育多样性？这些问题决定未来作物改良和植物设计能从哪里获得新资源。2024 年 Nature 发表的被子植物系统发育研究，使用大规模核基因数据重建开花植物演化关系，说明植物多样性研究正在进入更大尺度。

这五条主线合在一起，形成一套清晰的研究逻辑：社会需求提出目标，环境变化施加压力，物种互作提供真实场景，细胞和基因组解释机制，植物多样性提供资源。

三、从理解植物到改造植物#

过去十多年，植物科学的技术条件明显改善。CRISPR-Cas9、单细胞 RNA 测序、冷冻电镜、生物传感器和光生物学等技术，使许多过去难以观察的机制、网络和动态过程可以被解析。Larson 等人的回顾文章也强调，这些工具正在帮助研究者捕捉过去难以理解的植物生命过程。

技术进步没有消除植物改造的基本困难。

许多作物仍然存在转化效率低、再生困难、基因型依赖强的问题。产量、抗逆、品质和资源利用效率通常由复杂网络控制，并受到环境强烈影响。**单个基因编辑可以改变局部性状，却很难直接改写整个系统。**抗逆、产量、品质和生态适应之间还存在大量权衡。

因此，植物改造的关键问题不只是能否编辑。更关键的是：编辑什么，为什么编辑，怎样预测编辑后的细胞、个体、群体和生态后果。

这个判断决定了植物科学下一阶段的方向。植物设计不能只依赖工具推进，还需要机制、数据和模型共同支撑。

四、基因组与人工智能带来的新尺度#

过去的植物科学长期依赖少数模式植物和主要作物。这个范式推动了分子机制研究，也限制了我们对植物界整体多样性的理解。少数物种难以代表植物演化历史，少数基因型难以覆盖真实遗传变异，少数环境条件也难以解释植物在自然和农业系统中的复杂表现。

基因组测序、泛基因组、群体基因组、单细胞组学、空间组学和高通量表型正在改变这一局面。研究对象开始从单个模式植物扩展到跨物种比较，从参考基因组扩展到群体变异，从静态序列扩展到发育、环境和表型的动态关系。

人工智能在植物科学中的价值，也应放在这个尺度变化中理解。它的作用不只是处理数据，更重要的是把序列、组学、表型和环境信息放入同一个可计算框架，提高复杂性状解释和预测能力。

这里需要谨慎。AI 不能替代实验，也不能自动给出机制。它真正有用的前提，是植物科学拥有高质量数据、清晰任务和可靠评测。没有这些基础，模型只会放大数据噪声和已有偏差。

如果未来出现大规模、系统化的植物基因组计划，它的意义也不应只理解为“测更多基因组”。真正重要的是建立植物科学的基础设施：系统发育覆盖充分的高质量基因组，可比较的注释体系，跨物种的表型和生态信息，以及能够支持模型训练和检验的标准任务。

五、写在最后#

植物科学的 100 个问题，价值在于提问方式。它要求我们把植物放在多个尺度上理解：分子、细胞、基因组、个体、群落、生态系统和社会需求。任何单一尺度都能产生重要发现，也都不足以单独解释植物生命系统。

理解植物，需要解释能量如何进入生命系统，细胞如何维持发育潜能，基因组如何产生多样性，植物如何在环境中形成适应，作物如何在真实农业系统中稳定生产。

改造植物，需要在这些问题之上建立更强的预测能力。我们需要知道哪些性状值得改，哪些机制可以改，哪些后果能够预测，哪些风险必须审慎。

从这个意义上看，植物科学仍然是理解生命和设计生命的重要入口。它面对的不是一个单一学科问题，而是一组贯穿基础研究、农业生产、生物多样性保护和未来生物制造的核心问题。

参考文献#

[0] https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.18663

[1] Larson E R, Armstrong E M, Harper H, Knapp S, Edwards K J, Grierson D, Poppy G, Chase M W, Jones J D G, Bastow R, Grierson C S, et al. One hundred important questions for plant science – reflecting on a decade of plant research. New Phytologist, 2023, 238(2): 464–469. DOI: 10.1111/nph.18663.

[2] Grierson C S, Barnes S R, Chase M W, Clarke M, Grierson D, Edwards K J, Jellis G J, Jones J D, Knapp S, Oldroyd G, Poppy G, Temple P, Williams R, Bastow R. One hundred important questions facing plant science research. New Phytologist, 2011.

[3] Hooke R. Micrographia: or Some Physiological Descriptions of Minute Bodies Made by Magnifying Glasses. London: Royal Society, 1665.

[4] Mendel G. Versuche über Pflanzen-Hybriden. Verhandlungen des naturforschenden Vereines in Brünn, 1866.

[5] Zuntini A R, Carruthers T, Maurin O, et al. Phylogenomics and the rise of the angiosperms. Nature, 2024.