基因组生物学:机器学习与生物大数据交叉融合助力智能育种

来源：华中农业大学2022-03-21 12:36

近日，基因组生物学在网上发表了华中农业大学玉米团队的《靶向优先：通过预测分析ti整合有机和分子性状的靶向选择策略》。

最近，基因组生物学在网上发表了华中农业大学玉米团队的一篇研究论文，题为“目标导向优先：育种中通过预测分析综合有机和分子性状的目标选择策略”。

基于研究和育种应用相结合设计的5820个杂交种的不完全双列杂交群体，本研究开发了一套基于理想目标材料识别的机器学习算法：TOP(target-oriented priorization)。该算法可以整合组学数据，实现多性状的协同选择。在保证育种目标整体一致性的基础上，使具体性状更好，为作物智能设计和育种提供技术支持。

作物育种技术面临新的转型升级。利用基因编辑和合成生物学技术，借助生物、环境和人工智能技术，快速聚合有利等位基因，实现农作物新品种的定向智能培育，被认为是未来育种技术的发展方向。

多性状的协同改良是目前制约育种效率的关键。在作物育种中，育种者通常希望同时改良多个性状，但不同的性状往往存在连锁障碍。比如高产品种往往不抗病，适合机械化收割的品种脱水快，但产量会受影响。同时选择两个或两个以上的性状通常比选择单一性状进行育种更困难。在实践中，多性状选择的方法主要有三种：一种是逐项选择，在一个育种周期内只选择一个性状；二是独立淘汰水平法，在一个育种周期内同时选择几个性状，对符合条件的材料进行杂交；第三种是指数选择法，这是一种根据性状的经济重要性或预期改善幅度对性状进行加权的选择方法。虽然指数选择法比逐项选择法和独立淘汰水平法更有效，但性状重要性的赋值依赖于育种者的经验，必须为每个特定群体和育种目标建立一个理想的选择指数，操作和推广难度很大。

本文第一作者杨文宇博士开发了一套适合农作物的DNA画像技术，针对特定品种(商业品种或区试对照材料)，在育种资源中，通过基因组信息进行材料的“表型画像”，寻找与“目标画像”完整性最相似的材料。该方法被命名为TOP(面向目标的优先级排序)。本研究采用4个独立数据集检验顶选效应，包括5820个F1玉米杂交种、368个玉米自交系、282个玉米自交系和210个水稻自交系。结果表明，TOP方法在多个物种和数据中具有广泛的适用性，能够有效平衡多个性状间的复杂相关性，在与特定目标品种总体相似的前提下，筛选出特定性状较好的候选材料。如果进一步加入其他组学，TOP的选择精度可以进一步大幅提高。以我国广泛推广的玉米品种郑丹958为目标材料，从34188个理论上可组合的杂交组合中筛选出86个(胜率为0.25%)，并通过田间试验进一步验证了这些筛选出的杂交组合。结果表明，10个杂交组合在综合性状与郑丹958相似的基础上，表现出0.75% ~ 8.66%的差异。(100yiyao.com)

版权声明

本网站所有标注“来源：100医学网”或“来源：bioon”的文字、图片、音视频资料，均属于100医学网网站的版权。未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。获得书面授权转载时，必须注明“来源：100医学网”。其他来源的文章都是转载。本网站所有转载都是为了传递更多信息。转载内容不代表本网站立场。不希望被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在用100医网APP随时阅读、评论、分享。请扫描二维码下载-