CIC-START 26H - 面向气候智能型大麦育种体系

项目概览

该项目属于 CIC-START 工业博士训练项目的一部分。

项目基于 James Hutton Institute，注册学位机构为 University of Dundee。

研究围绕大麦育种展开，目标是建立更适应北方纬度、并能应对气候变化的育种体系。

项目同时结合学术训练、产业协作和工业实习。

项目详情

大麦是重要作物，不仅支撑啤酒和蒸馏行业，也为畜牧业提供饲料。项目介绍指出，James Hutton Institute 多年来围绕大麦开展了大量育种与田间试验，积累了非常丰富的数据，包括产量、千粒重、开花时间等产量构成性状，以及来自 50k SNP-chip 和 exome capture 研究的详细基因型数据。该项目希望把这些田间、基因型与环境数据整合起来，构建一个面向气候智能育种的系统，特别服务于北方纬度条件下的大麦改良。

项目设定了两个互补目标。第一，与产业伙伴 James Hutton Scientific Services 密切合作，做一项 scoping study，明确一个实用型大麦育种应用工具需要提供什么功能、应如何在真实育种场景中落地，以及怎样让工具真正适配育种工作流。第二，使用先进遗传学和生物信息学工具，建立预测模型，分析在气候变化背景下不同环境条件如何影响产量及产量构成性状，尤其是开花时间，并据此筛选最适合未来环境的基因型，同时为田间和 polytunnel 验证试验的设计提供依据。

从方法上看，项目将把 bioinformatic 分析、定量建模和实地验证结合起来。申请页面说明，项目既提供生物信息学和分析训练，也保留田间工作的机会；项目的发展方向还可以根据学生的兴趣和优势进行调整。这意味着候选人并不是进入一个封闭的问题框架，而是会在导师指导下进一步塑造研究路径。不过，项目的主轴非常明确：用历史田间试验数据、基因型数据和环境信息，支持更能适应气候变化的大麦育种决策。

导师团队也体现了较强的产学结合特征。Lead Supervisor 是 Dr. Miriam Schreiber（James Hutton Institute）；Additional Supervisors 包括 Dr. Ruth Hamilton（James Hutton Institute）、Dr. Sebastian Raubach（James Hutton Institute）和 Prof. Davide Bulgarelli（University of Dundee）；Industrial Supervisor 是 Ian Archer（James Hutton Scientific Services）。项目介绍把工业伙伴放在研究设计的核心位置，说明项目并非单纯学术性模型训练，而是要让研究输出与真实育种需求对接。成功候选人将嵌入更广泛的 CIC-START 训练体系，获得强学术与产业参与；项目和培训由产业共同设计，以保持对现实需求的聚焦，并包含 industrial placement。

总体来看，这是一个把育种数据、预测模型和产业需求结合起来的工业博士项目，适合希望在农业遗传学、生物信息学和应用育种之间建立交叉能力的申请者。

申请要点

• 项目类型：CIC-START industrial doctoral training programme。

• 学位机构：University of Dundee；研究地点：James Hutton Institute, Invergowrie。

• 导师团队：Lead Supervisor Dr. Miriam Schreiber；Additional Supervisors Dr. Ruth Hamilton、Dr. Sebastian Raubach、Prof. Davide Bulgarelli；Industrial Supervisor Ian Archer。

• 研究内容：大麦育种、气候变化影响建模、田间数据与基因型数据整合、应用工具需求调研、田间与 polytunnel 验证试验设计。

• 训练特点：bioinformatic、analytical 和 field work 结合，并包含 industrial placement。

• 申请截止时间：2026年8月10日 星期一。

• 资助信息：面向全球学生的资助博士项目。

• 项目未明确说明具体入学条件、申请材料和奖学金金额。

需要进一步确认

• 具体申请材料、学术背景要求和奖学金覆盖范围尚未说明。

• 工业实习的时长、地点与安排细节未展开。

• 项目介绍未说明是否要求特定编程语言或育种/生信经验，但从研究内容看相关能力可能有帮助。

PhD 项目深度调研报告: CIC-START 26H - 面向气候智能型大麦育种体系

执行结论

推荐标签：有吸引力，但需要核实匹配度。

这是一个质量较高、偏应用型的作物基因组学与育种系统机会，尤其适合希望把大麦遗传学、历史田间试验数据、环境协变量、预测建模以及面向育种者的决策支持结合起来做研究的申请者。授予学位的机构是 University of Dundee，研究基地位于 James Hutton Institute, Invergowrie，因此项目具备较扎实的生命科学和作物研究环境：University of Dundee School of Life Sciences、James Hutton Institute 和 James Hutton Institute postgraduate school。

不过，基于目前公开证据，这个机会还不能算完全达到可直接决策的状态，因为津贴金额、学费覆盖、国际学生学费差额如何处理、实习成本以及 CIC-START 的具体义务都未写明。项目描述还显示其研究范围较广：既要与产业伙伴进行需求梳理，又要基于基因型、田间和环境数据开展预测建模，在未来条件下筛选基因型，并推进田间或 polytunnel 验证。这样的广度有吸引力，但也意味着博士课题需要尽早收束到一个清晰、可落地的论文贡献。

学校、项目与地点信号

机构背景整体较扎实。Dundee 提供的是一所具有辨识度的英国研究型大学和生命科学平台，James Hutton Institute 则提供更贴近作物、土地和环境研究的一线场景。QS 和 Times Higher Education 的资料也说明 Dundee 具备一定国际可见度：QS profile 和 Times Higher Education profile。但对于这个项目来说，决定性因素并不是综合排名，而是学科方向与研究环境的贴合度。

项目设在 James Hutton 这一点尤其关键，因为所述研究依赖大麦田间试验历史、基因分型资源、环境数据以及真实育种实践。如果学生只身处一个通用生物学系，未必容易接触这些资产；而这里的研究环境更接近真实数据和最终使用者。最需要尽早核实的是行政与培养安排：Dundee 的注册、考核、训练与进度要求，将如何与 James Hutton 的日常研究组织衔接。

导师与实验室评估

导师研究方向

已公开的导师团队是本项目的重要优势。Lead supervisor 是 James Hutton Institute 的 Dr Miriam Schreiber，additional supervisors 包括 Dr Ruth Hamilton、Dr Sebastian Raubach，以及 University of Dundee 的 Professor Davide Bulgarelli。官方资料显示，这一团队覆盖大麦/作物遗传学、作物性状、生物信息学或数据资源，以及植物相关生物系统等方向：Dr Miriam Schreiber、Dr Ruth Hamilton、Dr Sebastian Raubach 和 Professor Davide Bulgarelli。

这与一个既需要生物学解释、又需要计算交付的项目是匹配的。尚待明确的是具体分工：谁负责日常建模指导，谁掌握数据访问，谁主导验证试验设计，以及产业导师会在多大程度上影响交付目标。

近期重要论文

与 Dundee/Hutton 导师生态相关、最有代表性的近期论文证据主要来自大麦和植物系统研究：

• Host genotype and phenotype, but not small differences in the growing environment, shape the barley rhizosphere microbiota 支持在复杂生物系统中研究大麦基因型/表型关系的相关性。
• Genomic Sequences of Microbacteriaceae Bacteria Isolated from the Barley Rhizosphere 展示了与大麦相关的基因组资源工作。
• Barley soil legacy affects Arabidopsis root microbiota recruitment 体现了与大麦系统相关的植物-土壤-微生物组研究能力。
• A Genome Assembly of the Barley Transformation Reference Cultivar Golden Promise 虽早于优先参考的 3-5 年窗口，但仍与大麦基因组资源直接相关。

这些论文并不能证明该项目本身是一个微生物组方向的博士课题。它们更能说明团队在大麦、基因型、基因组学和植物系统方面具备相关能力。申请者仍应进一步询问，更贴近基因组预测、基因型-环境互作建模、田间试验分析或育种决策支持的近期成果有哪些。

实验室、资源与合作环境

项目描述提到了一组相当有价值的起始资源：历史田间试验、产量及产量构成数据、开花时间数据、50k SNP-chip 数据、exome-capture 数据、环境数据，以及田间或 polytunnel 验证规划。如果这些数据集能在项目早期顺利开放、文档清晰且整理良好，那么项目基础会比较强。

主要风险在于数据就绪程度。成熟育种项目积累下来的田间试验数据，往往需要跨年份、试验地点、品种、性状定义、基因分型流程、天气数据、土壤数据和管理元数据做整合。申请者应核实是否已有数据字典、已经做过哪些质量控制，以及前六个月是否会主要用于数据清洗和标准化。

研究方向与领域前景

领域动向

该项目位于一个较为及时的研究方向。面向气候智能的育种越来越依赖于预测不同基因型在多样环境和未来气候条件下的表现。项目本身也具有明确的产业关联，因为大麦在谷物、饲料、啤酒和蒸馏产业链中都很重要。行业与职业资料也支持大麦和植物育种的现实价值：AHDB barley information、Scotch Whisky Association sustainability insights 和 National Careers Service plant breeder profile。

这里的科学问题并不只是“把 AI 用到作物上”。更核心的是，如何把基因型、表型和环境数据整合起来，形成对育种者真正有用、并且能在现实的未来条件假设下接受验证的预测结果。关于作物基因组预测和气候适应的领域证据也支持这一方向：Frontiers in Plant Science evidence。

可能的研究切入点

较有博士含量的切入点可能包括：

• 面向北方纬度大麦表现的基因型-环境互作建模；
• 在未来气候情景下对产量构成和开花时间进行基因组预测；
• 对候选基因型做包含不确定性信息的排序，以支持验证试验；
• 将 SNP-chip、exome-capture、田间试验和环境数据整合进可复现流程；
• 把模型输出转化为具有实际可用性的育种决策工具；
• 比较田间与 polytunnel 验证策略对未来气候韧性判断的差异。

如果项目最终只停留在“做一个应用工具”，它的学术强度就会下降。决策支持工具当然有实际价值，但博士论文仍需要一个站得住脚的建模、验证或数据整合方面的方法学贡献。

职业与市场前景

对于希望建立定量植物育种、作物生物信息学、统计建模和研究软件能力的人来说，这个项目的职业信号较好。潜在去向包括植物育种公司、种子与谷物供应链、作物研究机构、农业食品分析、农业研发以及公共部门研究。BBSRC 的资助职责范围也提供了英国农业和食品研究的更大背景：BBSRC。

最具可迁移性的成果，通常会是可复现代码、文档化数据流程、模型验证证据，以及能够向育种者清晰解释模型结果的能力。如果论文只停留在生物学关联描述，而缺少具有实践指向的预测或验证环节，其与项目所强调的产业博士定位就会不够一致。

资助、申请与生活成本

项目介绍写明这是一个有资助、面向 worldwide applicants 开放的项目，并在描述中给出申请截止日期 10 August 2026。这本身是积极信号，但目前公开证据中仍缺少最关键的财务信息：津贴金额、学费覆盖、国际学生学费差额政策、资助年限、实习成本、差旅/田间工作支持以及耗材预算。

在生活成本评估上，Dundee/Invergowrie 不在伦敦，因此对国际申请者而言，英国学生签证维持资金要求可以作为一个偏保守的底线参考：GOV.UK Student visa money。同时也应查看 Dundee 的住宿信息，但由于研究地点在 Invergowrie，申请者可能需要考虑通勤或非主校区住宿，而不能只参考主校区宿舍：University of Dundee accommodation。

在获得书面确认之前，不宜把这一机会视为已经完全可负担。尤其需要确认：国际学生学费是否全额覆盖，产业实习是否会带来额外成本，以及田间或 polytunnel 验证是否另有预算支持。

申请者匹配度与准备

最适合的背景

这个项目最适合具备植物科学、作物科学、遗传学、基因组学、数量遗传学、生物信息学、统计学或数据科学背景的申请者，并且能够同时处理生物学问题和复杂数据。即便没有大麦或谷物经验，只要能证明自己具备较强的定量和生物学训练，也仍然有竞争力。

较强的申请者通常会有 R 或 Python 经验，以及统计建模、混合模型、基因组预测、基因型-环境分析、表型数据清洗、标记数据处理和科学可视化经验。如果做过田间试验数据、作物性状、开花时间、产量构成、SNP 数据、exome 数据或环境协变量，这些经历会尤其相关。

需要谨慎的情况

如果申请者希望的是一个以湿实验为主的分子生物学项目、一个偏微生物生态的项目，或一个不受田间试验和育种现实约束的纯机器学习项目，就需要谨慎。根据公开描述，这更像一个面向产业需求的作物育种分析项目，而不是单纯的技术开发题目。

如果编码或统计基础较弱，也应提前核实训练支持。项目未必完全排斥植物科学背景更强、但定量训练较少的申请者；但从描述看，建模部分是核心任务，而非附属环节。

可增强的技能与证据

值得准备的证据包括：

• 一项针对生物、基因型或田间试验数据的可复现 R 或 Python 分析；
• 混合模型、基因组预测、机器学习验证或基因型-环境分析经验；
• 对开花时间、产量构成和田间试验设计的清晰理解；
• 能够清洗并整合带有元数据问题的多年份数据集；
• 一段关于如何用田间或 polytunnel 证据验证预测育种模型的简短说明；
• 能向非计算背景合作者清楚解释分析输出的能力。

风险与待核实问题

高优先级问题

1. 具体的津贴、学费豁免、资助年限和资格规则是什么？
2. 国际学生的学费是全额覆盖、部分覆盖，还是不覆盖？
3. CIC-START 的培训、产业实习、汇报和知识产权义务具体是什么？
4. 开始时可用的历史田间试验、SNP-chip、exome-capture、环境、天气、土壤和管理数据有哪些？
5. 现有的数据质量控制、元数据和数据字典情况如何？
6. 预期采用哪类建模方法：基因组预测、基因型-环境建模、作物/物候模型、机器学习，还是混合方案？
7. 谁负责日常统计、代码审查以及软件/数据工程指导？
8. 博士期间是否确定会有田间和 polytunnel 验证试验？

中优先级问题

1. 哪些大麦种质或育种群体在研究范围内？
2. 除产量、千粒重和开花时间外，还可以获得哪些性状？
3. 会采用哪些气候情景或环境预测？
4. 团队偏好的软件栈是什么？
5. 预期发表在作物科学、遗传学、生物信息学，还是应用育种类期刊？
6. 学术论文工作与产业应用交付之间的预期比例是多少？
7. 产业伙伴会如何判断育种应用在实践中是否真正有用？

证据与来源

• University of Dundee School of Life Sciences
• University of Dundee postgraduate research
• QS profile: University of Dundee
• Times Higher Education profile: University of Dundee
• James Hutton Institute
• James Hutton Institute postgraduate school
• Dr Miriam Schreiber
• Dr Ruth Hamilton
• Dr Sebastian Raubach
• Professor Davide Bulgarelli
• Host genotype and phenotype shape barley rhizosphere microbiota
• Genomic sequences of barley-rhizosphere Microbacteriaceae
• Barley soil legacy affects root microbiota recruitment
• Golden Promise barley genome assembly
• Crop genomic prediction and climate adaptation evidence
• Nature subject page: plant breeding
• AHDB barley information
• Scotch Whisky Association sustainability insights
• BBSRC
• University of Dundee accommodation
• GOV.UK Student visa money
• National Careers Service: Plant breeder