深度学习使得能够对抗害虫的葡萄藤进行基因组选择

科学领域:

• 基因组学就是基因组学.
• 植物育种 植物育种
• 计算生物学 计算生物学

背景情况:

• 农作物害虫威胁全球粮食安全,常规杀虫剂的使用导致耐药性和生态问题.
• 自然的害虫耐药性在作物和野生亲属中各不相同,为繁殖耐药品种提供了潜力.
• 基因组选择 (GS) 与先进的计算方法相结合,可以加速对害虫耐药作物的发展.

研究的目的:

• 整合深度学习 (DL),机器学习 (ML),植物现象学,定量遗传学和转录学,用于葡萄树中害虫耐药性的基因组选择.
• 开发使用DL算法评估害虫损害的准确方法.
• 识别与葡萄树害虫耐药性相关的遗传基因和候选基因.

主要方法:

• 深度卷积神经网络 (DCNNs) 用于对葡萄叶的害虫损害进行分类和量化.
• 基因组广泛关联研究 (GWAS) 用基因组再测序数据对231个葡萄藤加入进行了基因组再测序.
• 转录组数据与GWAS结果集成,以确定特定的害虫耐药基因.
• 基于机器学习的基因组选择模型被开发用于预测害虫耐药性.

主要成果:

• 在害虫损害评估中,DCNN实现了高准确度 (95.3%的分类,0.94的相关性).
• GWAS确定了69个定量特征位点 (QTL) 和139个参与植物防御途径的候选基因.
• 特定的基因如*ACA12*和*CRK3*被确定为草食动物反应的关键.
• 基于ML的GS准确预测了害虫耐药性 (95.7%的准确率,0.90的相关性).

结论:

• 深度学习和机器学习是植物现象学和基因组选择的强大工具.
• 这种综合方法促进了对抗虫害的葡萄品种的基因组育种.
• 该研究为开发农业中可持续的害虫管理策略提供了框架.