典型文献
基于人工智能算法的小麦全基因组选择育种技术研究
文献摘要：
随着小麦等粮食供需矛盾的日益突出,提高作物产量刻不容缓,在影响小麦产量的基因筛选育种领域仍有很多问题亟待研究.该文利用全基因组选择(Genomic Selection,GS)研究冬小麦的基因型和表型数据之间的量化关系,将5种机器学习模型(Linear-SVR、RBF-SVR、Ridge、LightGBM、XGBoost)与2种传统育种模型(GBLUP、BayesA)进行对比,对新育种群体进行表型(如产量、株高、千粒重)预测和选择,进而找到高效的人工智能(AI)算法用于筛选出影响小麦性状的关键基因.研究结果显示,GBLUP,Ridge,Linear-SVR对于小麦产量具有较高的预测准确性,因此机器学习模型结合传统GBLUP模型能够提高基因型预测的准确性,从而为人工智能算法应用于小麦全基因组选择育种开辟新的道路、提供有益的技术支持.
文献关键词：
全基因组选择;人工智能算法;机器学习;分子育种;冬小麦
中图分类号：
作者姓名：
张树馨;范钧玮;许雪凌;杜梦涵;狄玉洁;刘广臣
作者机构：
鲁东大学 数学与统计科学学院,山东 烟台 264000;鲁东大学 信息与电气工程学院,山东 烟台 264000
文献出处：
引用格式：
[1]张树馨;范钧玮;许雪凌;杜梦涵;狄玉洁;刘广臣-.基于人工智能算法的小麦全基因组选择育种技术研究)[J].智慧农业导刊,2022(19):4-6
A类：
BayesA,小麦性状
B类：
人工智能算法,全基因组选择育种,育种技术,供需矛盾,高作,作物产量,刻不容缓,小麦产量,基因筛选,选育,Genomic,Selection,GS,冬小麦,基因型,量化关系,机器学习模型,Linear,SVR,RBF,Ridge,LightGBM,XGBoost,传统育种,GBLUP,育种群体,株高,千粒重,关键基因,预测准确性,算法应用,分子育种
AB值：
0.303257
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
