【資料圖】

新京報訊（記者周懷宗）近日，記者從中國農科院獲悉，一種基于人工智能和深度學習算法的新模式，可以實現育種大數據的高效整合與利用。該研究由中國農業科學院作物科學研究所、三亞南繁研究院大數據智能設計育種創新團隊聯合多家單位提出，相關研究成果發表于《分子植物》（Molecular Plant）上。

隨著生物技術的發展，全基因組選擇作為新一代育種技術，通過構建預測模型，根據基因組估計育種值進行早期個體的預測和選擇，從而縮短育種世代間隔，加快育種進程，節約成本，推動現代育種向精準化和高效化方向發展。

其中，統計模型作為全基因組選擇的核心，極大地影響了全基因組預測的準確度和效率。然而，傳統預測方法基于線性回歸模型，難以捕捉基因型和表型間的復雜關系。相較于傳統模型，人工智能和深度學習算法，為解決大數據分析和高性能并行運算等難題，提供了新的契機，深度學習算法的優化，將會提高全基因組選擇的預測能力。

該研究團隊以玉米、小麥和番茄3種作物為對象，將這3種作物的4種不同維度的群體數據作為測試材料，通過創新深度學習算法框架，開發了全基因組選擇新方法。與其他主流預測方法相比，該方法可以利用多組學數據，開展全基因組預測；算法設計可以有效降低模型錯誤率，提高運行速度；預測精度穩健，在小型數據集上的表現，與目前主流預測模型相當，在大規模數據集上預測優勢更加明顯；計算時間與傳統方法相近，比已有深度學習方法提速近10倍；超參數調整對用戶更加友好。

該研究得到了國家重點研發計劃、國家自然科學基金、海南崖州灣種子實驗室和中國農業科學院科技創新工程等項目的支持。

編輯 唐崢

校對 劉軍