机器学习在下一代育种基因组学和表型组学中的应用和趋势

本文总结了下一代测序的最新进展以及表型技术在基因组学辅助育种中对自然变异的利用和靶基因鉴定的作用，植物表型资讯介绍如下：

农作物是加工业的主要食物来源和原材料。作物生产和粮食消费之间的平衡不断受到作物病害和不利环境条件的威胁。特别是在发展中国家，每年病虫害和不利环境导致作物严重损失，造成粮食短缺现象。目前，结合作物基因组测序和表型分析的前沿技术以及随着计算科学的进步，一场植物育种革命正在兴起，以前所未有的精度推进性状遗传基础的鉴定。在该框架中，机器学习（ML）在数据挖掘和分析中起着关键作用，为实现育种目标的决策提供相关信息。为此，本文总结了下一代测序的最新进展以及表型技术在基因组学辅助育种中对自然变异的利用和靶基因鉴定的作用。另外，本文还探索了ML在管理大数据和预测模型中的应用，介绍了应用microRNA（miRNA）识别与胁迫状况相关的基因的案例研究。

最近20年与植物表型相关索引出版物的数量

基因组和表型组学的整合，以开发基因组范围关联研究（GWAS）中的遗传资源，环境环境基因型（GxE）估计，数量性状基因座（QTL）分析，作物多样性调查和基因组选择

机器学习（ML）方法的流程图

来源：

Esposito S, Carputo D, Cardi T and Tripodi P. Applications and Trends of Machine Learning in Genomics and Phenomics for Next-Generation Breeding. Plants 2020, 9(1), 34; https://doi.org/10.3390/plants9010034.