我国耕地土壤镉污染治理形势比较严峻，粮食作物镉污染事件时有发生。开展农作物镉污染风险预警和低镉作物选育可从根本上减少镉从作物向人体的迁徙风险，是保障国家粮食质量安全的重要举措。全基因组选择是一种利用覆盖全基因组的高密度分子标记进行选择育种的方法，可通过根据基因组估计育种值实现早期个体表型预测和选择，缩短世代间隔，加快育种进程，高精度全基因组预测模型的开发为基因组选择育种提供了重要保障。 

　　中科院植物所何振艳课题组以具有广泛遗传代表性的水稻和玉米为材料，在群体基因组学的基础上，综合利用表型组和全基因组关联分析等方法，建立了水稻和玉米籽粒镉积累表型-基因型大数据集。利用机器学习算法和线性算法，通过优化群体大小、训练集群体占比和分子标记密度等参数，建立了世界首个高精度水稻和玉米籽粒镉积累性状的全基因组选择预测模型，研究人员利用该模型对45份常规稻和100个玉米自交系进行表型预测，预测准确性达0.89和0.81，在浙江省选择两个代表性区域成功实现了作物成熟前期镉污染预警。研究结果为作物低镉育种芯片的开发和智能育种平台的建立奠定了重要基础，为在全基因组水平加速作物镉污染风险预警和低镉品种选育提供了新工具。