机器学习和深度学习算法在植物全基因组选择应用

文章预览

             全基因组选择（ Genomic selection, GS ）是利用覆盖全基因组的高密度标记进行选择育种的新方法，简言之就是在全基因组范围内的标记辅助选择。全基因组选择作为新一代的育种技术，通过构建预测模型，根据全基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。统计模型作为全基因组选择的核心，极大地影响着全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。相较于传统模型，非线性模型具备分析复杂非加性效应的能力，机器学习（ Machine Learning ， ML ）和深度学习（ Deep Learning ， DL ）算法为解决大数据分析和高性能并行运算等难题提供了新的契机。       为了响应广大学员在该方向上的学 ………………………………