三、農業部於今年（民國 113 年）執行數位育種，將 multi-omics（多體學） 產生的巨量資料應用於育種，以提升育種效率。試述不同體學的含意、 及其分析方法以獲得巨量資料，以及相互之間的關係。闡述其中兩種與 育種最為相關之體學，以及如何應用？（25 分）

一、 不同體學（Omics）之含意、巨量資料獲取方法與相互關係

​多體學（Multi-omics）整合了生物體不同分子層級的遺傳與表型資訊，各體學之定義與資料獲取方式如下：

• ​基因體學（Genomics）：研究生物體全基因體 DNA 序列結構、功能與變異。利用高通量次世代定序（NGS）或高密度 SNP 晶片進行全基因體重定序與分型，獲取巨量的單核苷酸多型性（SNP）與結構變異（SV）資料。
• ​轉錄體學（Transcriptomics）：研究特定組織或環境下所有 RNA 分子之表達總和。利用 RNA 定序（RNA-seq） 測量全基因體的基因表達量與剪接變異，產生動態轉錄表現資料庫。
• ​蛋白質體學（Proteomics）：研究細胞或組織內蛋白質的表達、修飾與相互作用。透過高解析度液相層析串聯質譜儀（LC-MS/MS） 進行蛋白質定量與鑑定。
• ​代謝體學（Metabolomics）：研究生物體內所有小分子代謝物（如糖類、有機酸、次級代謝物）。利用核磁共振（NMR） 或 液相/氣相層析質譜聯用（LC/GC-MS） 取得代謝物譜圖。
• ​表型體學（Phenomics）：高通量量化生物體在特定環境下的農藝與生理性狀。結合無人機（UAV）、高光譜影像、光學雷達（LiDAR）及 AI 影像分析，自動化收集大規模田間表型巨量資料。

​體學間之相互關係：

各體學間遵循分子生物學中心法則並受環境調控。基因體提供基礎遺傳藍圖（靜態）；轉錄體與蛋白質體呈現基因調控與功能執行的動態過程；代謝體反映生理代謝的最終產物；表型體則是所有體學層級與環境因素（G × E）交互作用後的最終巨量表現。多體學整合能精準跨越「基因型至表型（Genotype-to-Phenotype）」的黑匣子。

​二、 與育種最為相關之兩種體學及其應用

​在數位育種實務中，與育種最為核心且直接相關的兩種體學為基因體學（Genomics）與表型體學（Phenomics）：

​1. 基因體學（Genomics）之育種應用

• ​全基因體選擇（Genomic Selection, GS）：利用全基因體覆蓋的高密度 SNP 標記，建立統計模型計算個體的基因體估計育種值（GEBV）。育種者可在幼苗期僅憑 DNA 分型即進行全基因體選拔，打破傳統需待成熟開花才能選拔的限制，大幅縮短育種世代。
• ​精準基因定位與堆疊：結合全基因體關聯分析（GWAS），快速鎖定抗病、耐逆境等關鍵基因，並利用分子標誌輔助選拔（MAS）進行多重優良基因的精準堆疊（Gene pyramiding）。

​2. 表型體學（Phenomics）之育種應用

• ​高通量田間表型精準篩選：利用自動化無人機與近地遙測技術，對數萬個分離後代的株高、冠層溫度、葉綠素含量（SPAD）及產量相關指標進行連續性、無損且客觀的巨量資料採集，消除傳統人工調查的個人主觀誤差與人力瓶頸。
• ​G × E 交互作用與逆境篩選：在高溫、乾旱或鹽害等極端氣候試驗區，透過高頻率影像監測，即時捕捉植株對逆境反應的動態變化，快速識別具高適應性與穩定性的優良基因型。