典型文献
深度学习在植物基因组学与作物育种中的应用现状与展望
文献摘要：
[目的/意义]随着单细胞测序、高通量技术的突破,植物基因组学也取得了巨大进步,可以低成本获取多维全基因组分子表型的海量数据.深度学习技术可以作为强大的数据挖掘工具对获取的分子表型进行进一步预测和解释.当前研究表明,深度学习在植物基因组学与作物育种研究任务中取得显著效果.但目前尚缺乏对于深度学习在植物基因组学中应用的完整综述.[方法/过程]本文首先概述了深度学习方法背景,包括最新的图神经网络;随后着重从基因特性、蛋白质特性方面综述了基因组学和深度学习交叉领域的两个突出问题:1)如何对从植物基因组DNA序列到分子表型的信息流进行建模?2)如何使用深度学习模型识别自然种群中的功能变异?[结果/结论]本文总结了当前研究中如何应用传统深度学习算法、图深度学习、生成对抗网络以及可解释性AI等方法解决上述两个问题.最后分析了深度学习在未来植物基因组学研究和作物遗传改良中的发展前景.
文献关键词：
植物基因组学;作物育种;深度学习;图深度学习;综述
中图分类号：
作者姓名：
侯祥英;崔运鹏;刘娟
作者机构：
淄博市农业科学研究院,淄博 255020;农业农村部农业大数据重点实验室,中国农业科学院农业信息研究所,北京 100081
文献出处：
引用格式：
[1]侯祥英;崔运鹏;刘娟-.深度学习在植物基因组学与作物育种中的应用现状与展望)[J].农业图书情报学报,2022(08):4-18
A类：
B类：
植物基因组学,作物育种,现状与展望,单细胞测序,高通量技术,巨大进步,全基因组,分子表型,海量数据,深度学习技术,育种研究,研究任务,显著效果,尚缺,深度学习方法,图神经网络,基因特性,蛋白质特性,交叉领域,列到,信息流,流进,使用深度,深度学习模型,模型识别,深度学习算法,图深度学习,生成对抗网络,可解释性,组学研究,遗传改良
AB值：
0.287091
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。
