在Phytophthora infestans中基于机器学习识别交配类型和甲基反应,使用SSR标记物
Collins A Agho1, Jadwiga Śliwka2, Helina Nassar1
1Institute of Agricultural and Environmental Sciences, Estonian University of Life Sciences, Kreutzwaldi 1, 51006 Tartu, Estonia.
Microorganisms
|May 25, 2024
概括
机器学习使用SSR标记准确地预测Phytophthora infestans交配类型和金属抗性. 这有助于快速管理疾病,即使是死亡的分离物,通过识别攻击性菌株.
科学领域:
- 植物病理学 植物病理学
- 计算生物学 计算生物学
- 遗传学 遗传学是一种遗传学.
背景情况:
- 植物虫 (Phytophthora infestans) 导致土豆晚期腐烂,其中A1和A2交配类型使性繁殖和攻击性,耐真菌杀菌菌菌株成为可能.
- 耐甲基分离物越来越普遍,使疾病控制复杂化,并需要有效的监测.
研究的目的:
- 开发和验证机器学习模型,以快速识别P. infestans中的交配类型和金属抗性.
- 评估使用遗传标记 (SSR) 预测表型特征和改进晚期病管理策略的可行性.
主要方法:
- 分析了来自爱沙尼亚,普斯科夫和波兰的600多个P. infestans分离物.
- 机器学习技术 (随机森林,SVM,决策树,ANN) 应用于简单序列重复 (SSR) 标记数据.
- 使用这些模型预测了交配类型和金属反应.
主要成果:
- 随机森林和支持矢量机器模型在预测交配类型和金属抗性方面取得了超过70%的准确性.
- 基于多位置SSR基因型的机器学习预测显示出比传统方法更高的准确性.
- 观察到特定等位基因和特征之间的关联,但ML预测优越.
结论:
- 机器学习提供了一种强大,高效的工具,用于从基因型数据中预测P. infestans交配类型和真菌杀菌剂耐药性.
- 这种方法可以加快晚期虫病管理中的决策,特别是当表型数据无法获得或分析历史样本时.
- 该研究强调了将计算方法与分子标记器集成为强大的植物疾病监测的潜力.
