2025-03-11 09:10:53
據(jù)研究組負(fù)責(zé)人介紹,糧食等農(nóng)作物的高矮、莖稈粗細(xì)、節(jié)間長(zhǎng)短和產(chǎn)量高低等特征都屬于作物的田間表型,由作物的基因型、環(huán)境以及基因型與環(huán)境的互相作用共同決定。在實(shí)際育種過程中,準(zhǔn)確預(yù)測(cè)作物的田間表型對(duì)于提高育種效率、縮短育種周期至關(guān)重要。然而,傳統(tǒng)的基因組預(yù)測(cè)方法往往忽略了環(huán)境因素對(duì)田間表型的影響,導(dǎo)致在不同的環(huán)境條件下,對(duì)作物的田間表型預(yù)測(cè)精度常常有限。因此,將環(huán)境數(shù)據(jù)納入基因組預(yù)測(cè)模型,考慮基因型與環(huán)境的相互作用,成為提升作物田間表型預(yù)測(cè)精度的關(guān)鍵。
研究團(tuán)隊(duì)基于大規(guī)模多環(huán)境下玉米雜交種的數(shù)據(jù)集,利用人工智能技術(shù)開發(fā)了一套自動(dòng)化機(jī)器學(xué)習(xí)框架,將環(huán)境數(shù)據(jù)與基因組信息深度融合,開展遺傳分析與基因組預(yù)測(cè)。比較傳統(tǒng)基因組預(yù)測(cè)方法,該算法有三大亮點(diǎn):一是集成遺傳和環(huán)境特征處理功能;二是集成多種先進(jìn)技術(shù)進(jìn)行模型訓(xùn)練,提升模型訓(xùn)練效率和預(yù)測(cè)精度,與傳統(tǒng)統(tǒng)計(jì)模型相比,計(jì)算時(shí)間可縮短290倍,且能保持較高的預(yù)測(cè)精度;三是利用獨(dú)特的SHAP可解釋技術(shù)解釋模型,量化遺傳和環(huán)境特征對(duì)作物表型變異的貢獻(xiàn)。
責(zé)編:張春祥
一審:張春祥
二審:楊丹
三審:楊又華
我要問