基于人工智能算法的小麥全基因組選擇育種技術研究

打開文本圖片集

摘  要：隨著小麥等糧食供需矛盾的日益突出，提高作物產(chǎn)量刻不容緩，在影響小麥產(chǎn)量的基因篩選育種領域仍有很多問題亟待研究。該文利用全基因組選擇（Genomic Selection， GS）研究冬小麥的基因型和表型數(shù)據(jù)之間的量化關系，將5種機器學習模型（Linear-SVR、 RBF-SVR、 Ridge、LightGBM、XGBoost）與2種傳統(tǒng)育種模型（GBLUP、BayesA）進行對比，對新育種群體進行表型（如產(chǎn)量、株高、千粒重）預測和選擇，進而找到高效的人工智能（AI）算法用于篩選出影響小麥性狀的關鍵基因。（剩余6488字）