DNAwhisper:一个集成的深度学习金字塔框架,用于多层基因组预测和自适应标记者优先级

科学领域:

• 植物育种和遗传学
• 生物信息学和计算生物学
• 基因组学和定量遗传学

背景情况:

• 基因组选择 (GS) 对于提高植物育种中的遗传收益至关重要.
• 深度学习模型为捕捉复杂的遗传相互作用提供了潜力,但面临着高维,杂的基因组数据的挑战.
• 现有的方法很难有效地识别用于复杂特征预测的信息标记.

研究的目的:

• 介绍DNAwhisper,这是一个新的深度学习框架,用于多特征预测和基因组选择中的适应性标记者优先排序.
• 通过改进特征学习和标记器识别来解决GS当前深度学习应用程序的局限性.
• 提高基因组预测的解释性,促进遗传架构的发现.

主要方法:

• 开发了DNAwhisper,这是一个深度学习框架,具有级联的GFIformer架构,在标记块之间共享参数,用于自适应性特征压缩.
• 实施了对人口遗传结构的预训练,以规范特征学习,并建立可概括的潜在表示.
• 利用特征导向的深度监督来从等级金字塔中提取多个分辨率的重要性得分,以确定标记者的优先级.

主要成果:

• 与玉米,小麦,西红和葡萄数据集的基线模型相比,DNAwhisper实现了3.0%至10.0%的更高预测准确度.
• 该框架成功地优先考虑了信息标记,并确定了主要的定量特征位置 (QTL) 和表观相互作用.
• 证明识别了诸如VGT1和ZCN8等关键基因,这些基因与玉米的开花特征有关.

结论:

• DNAwhisper提供了一个强大的深度学习策略,用于提高基因组选择中的预测准确性.
• 该框架通过提供多分辨率的基因组区域重要性得分来提高解释性,帮助标记者优先级.
• DNAwhisper为剖析植物复杂特征的遗传结构提供了一种新的方法.