ResDeepGS:一种基于深度学习的方法,用于作物表型预测
Chaokun Yan1, Jiabao Li1, Qi Feng1
1School of Computer and Information Engineering, Henan University, Kaifeng, Henan, China; Academy for Advanced Interdisciplinary Studies, Henan University, Zhengzhou, Henan, China.
Methods (San Diego, Calif.)
|September 10, 2025
概括
基因组选择 (GS) 通过预测遗传潜力来加速作物改进. 一种新的深度学习方法ResDeepGS提高了预测准确度,为未来的粮食安全提供了强大的解决方案.
科学领域:
- 农业科学 农业科学
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
背景情况:
- 基因组选择 (GS) 使用基因组标记物用于作物和动物育种.
- 传统方法难以处理复杂的基因相互作用和大数据集.
- 深度学习为捕捉非线性关系和基因相互作用提供了潜力.
研究的目的:
- 提出一种使用深度学习的新作物表型预测方法ResDeepGS.
- 提高基因组数据特征选择的效率和可靠性.
- 为了提高预测作物特征的准确性,以加速繁殖.
主要方法:
- 开发了ResDeepGS,这是一个具有特征选择和表型预测模块的深度学习模型.
- 利用增量递归特征消除,以实现高效的特征选择.
- 采用了增强的多层卷积神经网络,具有残余结构和脱落,用于表型预测.
主要成果:
- 在小麦,玉米和大豆数据集上,ResDeepGS的性能超过了最先进的方法.
- 在小麦数据集上,预测准确度提高了5-9%.
- 在基因组选择任务中表现卓越.
结论:
- ResDeepGS为基因组选择提供了一个强大而适应性的解决方案.
- 该方法提高了作物育种效率,并有助于解决粮食安全问题.
- 深度学习的进步显著提高了表型预测的准确性.
