GS-Impute:一种神经网络框架,用于在跨种群基因组选择中准确地赋值低密度标记物
Xin Wang1, Zhenting Jiang2, Tongtong Ding3
1College of Information Engineering, Yangzhou University, Yangzhou 225009, Jiangsu, China/Jiangsu Engineering Research Center for Knowledge Management and Intelligent Service; Key Laboratory of Plant Functional Genomics of the Ministry of Education/Jiangsu Key Laboratory of Crop Genomics and Molecular Breeding/Jiangsu Co-Innovation Center for Modern Production Technology of Grain Crops, College of Agriculture, Yangzhou University, Yangzhou 225009, Jiangsu, China.
Plant communications
|March 12, 2026
概括
基因组选择 (GS) 可以使用低密度标记加速植物育种. 一个新的神经网络GS-Impute准确地归因基因型,使跨人群的GS可行且资源高效.
科学领域:
- 植物育种和遗传学 植物育种和遗传学
- 生物信息学是一种生物信息学.
- 机器学习在农业中的应用.
背景情况:
- 基因组选择 (GS) 加快了植物的繁殖,但往往需要密集的,对齐的标记物.
- 跨种群的GS至关重要,但受到低密度标记数据和缺失的基因型的挑战.
- 现有的方法难以在多种不同人群中灵活,低密度的标记物赋值.
研究的目的:
- 开发一种准确的基因型归算方法,用于低密度,跨种群的基因组选择.
- 为应对在多种繁殖种群中缺少基因型数据的挑战.
- 为了使资源效率高的基因组育种策略能够使用灵活的标记密度.
主要方法:
- 开发了GS-Impute,一个神经网络框架,使用剩余卷积无效化自编码器.
- 实现了一个自动匹配算法来处理零星和系统的缺失数据.
- 集成的数据增强,残余块,动态学习率优化和层规范化,以提高归算准确性.
主要成果:
- 与基准工具 (Beagle5.4, Minimac4, STICI) 相比,GS-Impute实现了更高的基因型归因准确性.
- 使用低密度标记物进行跨种群基因组选择的可行性.
- 在大米和玉米育种种群中验证的表现.
结论:
- 在低密度,跨人口的GS中,GS-Impute为基因型赋值提供了一个强大而准确的解决方案.
- 这一框架促进了资源效率高的基因组育种计划.
- 该研究强调了通过克服标记物密度限制来改变基因组育种的潜力.
