团队开发基于机器学习的全基因组选择软件

        安徽农业大学农学院水稻分子育种创新团队联合华中农业大学、中国农业科学院作物科学研究所基于多种机器学习（ML）训练方法，开发出一款融合模型“MFMGP”，能够用于预测动植物育种群体的复杂农艺性状表型。MFMGP利用指数衰减权重的归一化融合方法，通过为每个ML模型的预测结果分配权重，并对这些权重应用指数衰减，再通过归一化这些权重计算模型预测结果的加权平均值，从而获得最终的融合预测结果。为了测试MFMGP的预测效果，将其与7种常用的GS模型进行比较（传统模型GBLUP、4种机器学习LightGBM、SVR、XGBoost和HGBoost以及2种深度学习DNNGP和DeepCCR），结合植物中数据集（水稻、棉花、小麦与玉米）和动物测试数据集（猪），证明MFMGP具有更高的预测精度和更好的稳定性。同时发现，基因型-环境相互作用影响预测结果的准确度，高遗传力农艺性状往往具有较高的预测精度。特别在亚洲栽培稻中，无论是利用籼稻作为训练群体预测粳稻亚群，或粳稻作为训练群体预测籼稻亚群，其预测精度均较低，提示育种家应根据测试群体选择合适的亚群构建训练群体。综上，MFMGP可以显著提高预测精度，缩短育种周期，降低育种成本，有望在动植物育种中具有更广泛的应用。研究成果发表于《Plant Biotechnology Journal》。