使用SNP上下文和基于DNABERT-2的全基因组特征嵌入的作物表型预测
Huan Li1,2, Yunpeng Cui3,4, Tan Sun1,2
1Institute of Agricultural Information, Chinese Academy of Agricultural Sciences (CAAS), Beijing, 100081, China.
使用DNABERT-2的新基因组预测模型捕获了SNP上下文,提高了作物育种的准确性. 对于低到中等可遗传性特征,SNP上下文模式优异,而全基因组模式则提高了高度可遗传性特征的准确性.
科学领域:
- 基因组学就是基因组学.
- 植物育种 植物育种
- 机器学习 机器学习
背景情况:
- 传统的基因组预测模型忽视了SNP序列背景对作物表型的影响.
- 精英作物育种需要精确的基因组预测,以加速遗传收益.
研究的目的:
- 开发用于基因组预测的新型特征嵌入方法,其中包括SNP序列上下文.
- 与传统方法相比,评估这些方法的性能.
主要方法:
- 利用DNABERT-2,一个跨物种基因组基础模型,用于SNP-context和全基因组特征嵌入.
- 应用于高维嵌入的维度减小技术 (PCA,PLS).
- 测试了大米和玉米数据集的测试方法,分析了不同特征维度和上下文长度的预测准确性.
主要成果:
- 具有SNP上下文嵌入的机器学习模型显示出比传统SNP特征更高的准确性和更低的MAE.
- 最佳的上下文长度 (1000-3000 bp) 改善了低至中等遗传性特征的预测.
- 全基因组嵌入增强了高度遗传性特征的预测准确性,优于现有的深度学习模型.
结论:
- 基于DNABERT-2的特征嵌入有效地捕捉SNP上下文,克服传统模型的局限性.
- 对于低到中等可遗传性特征,SNP上下文模式是最佳的;对于高度可遗传性特征,全基因组模式是优越的.
- 为植物育种者提供灵活的框架,以根据特征复杂性选择预测方法,加速作物改进.
更多相关视频
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
相关概念视频
Single Nucleotide Polymorphisms-SNPs
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
Evolutionary Relationships through Genome Comparisons
Genomics
