学术中心
利用卷积神经网络改进玉米单倍体种子的鉴定
发布时间:
2021-03-30
来源:
本站
作者:
PhenoTrait
双单倍体(DH)技术成功的关键步骤是诱导杂交中单倍体的鉴定。R1-nj标记是此任务中采用的主要机制,可在种子期选择单倍体。尽管通过人工识别单倍体种子很容易,但该过程费时费力,十分低效。同样,R1-nj标记的差异表型表达导致单倍体种子之间假阳性的发生率很高。本研究,首次使用基于图像的卷积神经网络(CNN)进行训练,识别单倍体种子中真阳性。
卷积神经网络(CNN)训练过程中涉及的总体活动方案
本试验以3000个玉米种子为材料,从单倍体(1000)、二倍体(1000)和抑制(1000)三个诱导杂交组合中选出。从每个种子上采集图像,然后将种子种植在田间,确认其倍性。对于推定的单倍体(R1-nj表型),平均分类准确度为94.39%,单倍体类别的平均分类准确度为97.07%,二倍体类别的平均分类准确度为91.71%。然而,CNN模型无法在假定的单倍体类别中区分真正的单倍体种子,这表明CNN不能识别它们之间的不同模式。
CNN训练方案
综上所述,本文通过R1-nj为科学界提供了一个高度精确且经过训练的CNN模型来对单倍体玉米种子进行分类,这可以支持玉米育种家优化DH管道,主要用于资源有限的小型育种项目。
对于方案4,在CNN模型训练的各个时期的准确性(a)和损失(b)曲线,以及(c)混淆矩阵
来源:
Sabadin F,Galli G, Borsato R, et al. Improving the identification of haploid maize seeds using convolutional neural networks. Crop Science. https://doi.org/10.1002/csc2.20487
推荐新闻
视频展示