学术中心
基因组选择中稀疏表型的训练集优化：概念概述
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-11-01 06:10
- 访问量：
【概要描述】该研究为基因组选择中最大限度地利用训练集优化提高遗传改良率提供了综合指南。
基因组选择中稀疏表型的训练集优化：概念概述
【概要描述】该研究为基因组选择中最大限度地利用训练集优化提高遗传改良率提供了综合指南。
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-11-01 06:10
- 访问量：
在育种计划中基因组选择不仅可以提高单位时间内的遗传增益，而且有利于研究者理解植物基因结构与功能并合理分配遗传资源。训练集设计是基因组选择实施环节的关键步骤，良好的训练集优化有助于提升基因组选择的效率与效果。通常情况下，育种研究需要耗费多年时间在多地区测试多种基因型以挑选优良品种，训练集优化通过减少测试基因型数量可降低采集训练集数据的成本。除此之外，相比于任意的训练集，经过优化选择的训练集可以更好预测基因育种值。本研究的目的在于通过介绍训练集优化的基本原理与其在基因组选择中的应用，比较与分析不同训练集优化策略的特性。
基因组选择的统计模型在预测未知基因型的育种值时依赖于自训练集的基因型与表型数据。研究首先介绍了统计模型的训练集数据的筛选方法。训练集优化实质上是一个实验设计优化的过程。其后，研究将设计优化标准分为了三个种类并详细描述了具体优缺点，包括参数设计优化、非参数设计优化与混合设计优化。针对稀疏植物表型的训练集优化现状，本文结合现有研究进行了分析。基因组选择研究现存的挑战主要在于预测种群的尺寸、训练集与预测集的关系、训练集的更新以及不同算法在统计模型训练中的应用性能。该研究为基因组选择中最大限度地利用训练集优化提高遗传改良率提供了综合指南。
图1基因组选择的组成(CS：校正集;TRS：训练集;RS：剩余集;TS：测试集)
图2 多环境表型实验中以决定系数为标准的训练集优化流程示意图(n：基因型数量)
图3 Pareto前沿最小化的训练集基因型到测试集基因型的平均距离示意图
来源：Isidro y Sánchez J, Akdemir D. Training Set Optimization for Sparse Phenotyping in Genomic Selection: A Conceptual Overview. Frontiers in Plant Science, 2021: 1889.
编辑：张金诺
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯
慧诺瑞德（北京）科技有限公司版权所有 京ICP备15043840号 网站建设：中企动力 北二分 法律声明