《Plant Biotechnology Journal》刊发安徽农业大学水稻分子育种创新团队开发基于机器学习的全基因组选择软件

本网讯 近日，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在国际权威期刊《Plant Biotechnology Journal》（中科院1区TOP，五年影响因子12.1）在线发表了题为“MFMGP: an integrated machine learning fusion model for genomic prediction”的研究论文（https://doi.org/10.1111/pbi.14532）。
 
　　2024年10月，农业农村部印发《关于大力发展智慧农业的指导意见》，进一步着重强调了开发智能设计育种工具，推进育种智能化进程的迫切性。基因组选择（geomic selection，GS）作为分子育种的关键技术之一，其相关基础研究是提高我国动植物设计育种水平的重大亟需。因此，开发一款具有普适性且预测精度高的GS工具对分子育种应用具有重要的理论与实践意义。
 
　　本研究基于多种机器学习（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。
 
　　该研究联合了国内多家科研单位，实现了动植物学科交叉攻关农业“卡脖子难题”。未来，成果有望吸引更多科研单位和育种公司进一步进行实践和应用，打造智能快速育种技术体系，助力我国分子育种技术迈向智能化、高效化发展的新阶段。
 
　　安徽农业大学农学院青年教师张超普、华中农业大学植物科学技术学院已毕业硕士梁齐齐、喻宇烨为本文的共同第一作者。安徽农业大学农学院黎珉副教授、华中农业大学金双侠教授、安徽农业大学农学院黎志康讲席教授为本文的共同通讯作者。该研究得到了国家自然科学基金、安徽省自然科学基金、中国农业科学院科技创新工程、南繁专项的共同资助。



日期：2025-02-05