Rainbow Crops
VIB-UGent 衍生的比利時新創,用 AI 加多重基因編輯處理耐旱耐熱這類複雜性狀
作物的抗逆境能力——耐旱、耐熱、產量穩定度——是氣候變遷下最迫切的育種目標,也是最難搞的。原因在於這些性狀不是單一基因決定的,而是幾十個基因交互作用的結果,改一個沒用,要同時改好幾個。Rainbow Crops 就是衝著這個難題來的。
公司是比利時 VIB-UGent(法蘭德斯生物技術研究所與根特大學)的衍生新創,主力平台叫 Trait Foundry,官網描述為整合 AI、基因體工程與驗證的平台,把預測、工程、驗證與學習串成一個持續循環。它明確主打 AI 驅動的性狀探索,並結合多重基因編輯(multiplex gene editing)——也就是一次修改多個基因位點,這正是處理複雜性狀所必需的。官網說明技術已在玉米上完成驗證,並有蓋茲基金會支持的計畫與策略性產業合作。公司在 2026 年完成約 970 萬歐元(約 1,125 萬美元)的種子輪募資。
功能特色與適用場景:商業模式是與種子公司和育種公司合作開發改良品種,不是賣軟體。對台灣讀者而言,這家公司的觀察價值在於它代表了農業生技的一個明確趨勢:AI 不只用來預測該選哪一株,而是直接參與「該改哪幾個基因」的設計決策。氣候變遷對台灣農業的衝擊(極端高溫影響水稻結實率、乾旱影響果樹)是現在進行式,耐逆境品種的需求只會越來越急迫。這類技術短期內台灣接觸不到,但它定義了下一個十年農業育種的競爭門檻在哪裡。
TheAI學院 編輯建議
編輯實測後的真心話老實說這家公司離台灣讀者很遠,但我還是想收錄——因為它把「AI 用在哪裡最有價值」這個問題回答得很漂亮。不是拿來寫文案,是拿來在幾億種基因組合裡找出可能讓玉米撐過乾旱的那幾個。台灣的極端高溫已經在影響水稻了,這類研究的急迫性只會越來越高。
主要功能
- Trait Foundry 整合平台
- AI 驅動的性狀探索與預測
- 多重基因編輯同時修改多個位點
- 自動化表型分析
- 預測、工程、驗證、學習的循環設計
- 已在玉米完成驗證
適用場景
- 耐旱與耐熱作物品種開發
- 產量穩定度的複雜性狀改良
- 種子公司的前瞻育種研發合作
- 氣候適應性作物的加速開發
Rainbow Crops 的優點與缺點
優點
- 直攻耐旱耐熱等最迫切的氣候適應性狀
- 多重編輯是處理複雜性狀的正確路徑
- 學術機構衍生,技術根基紮實
- 有蓋茲基金會支持的計畫背書
缺點
- 公司仍在早期階段,尚未有大規模商業化品種
- 非產品化服務,一般人與中小業者無法接觸
- 基因編輯作物的法規風險因國而異
- 驗證作物仍以玉米為主,其他作物待證明
價格方案
B2B 合作開發模式,與種子及育種公司洽談,非產品銷售。
Rainbow Crops 常見問題
什麼是多重基因編輯,為什麼複雜性狀非要它不可?
多重基因編輯是一次修改多個基因位點。像耐旱這種性狀,往往牽涉幾十個基因分別控制根系深度、氣孔開闔、滲透調節等等,只改其中一個,效果通常微乎其微甚至被其他基因補償掉。所以要真正改變表現,必須同時動好幾個地方——這在技術上比單點編輯困難得多,也是這家公司的技術命題。
AI 在這裡扮演什麼角色?
兩個關鍵位置:一是從基因體資料中預測「改哪幾個位點最可能達成目標性狀」,這是在天文數字的組合中做搜尋;二是從每一輪編輯與表型驗證的結果中學習,讓下一輪的預測更準。官網用「持續循環」形容這個設計,本質上是把育種變成一個可迭代的機器學習問題。
對台灣農業有什麼啟示?
台灣短期內接觸不到這家公司,但它揭示的方向值得注意:未來作物品種的競爭力會建立在「基因體資料量 × AI 預測能力 × 編輯技術」這三者上。台灣如果要在其中佔位置,最務實的起點是把農試單位長年累積的育種與表型資料系統化、數位化。沒有資料,後面兩項都無從談起。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
Rainbow Crops 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 資料探勘
更多比利時的 AI 工具
同樣來自比利時的 AI 工具,一起看看。