原創(chuàng)報道

　　南海網(wǎng)3月10日消息（記者 利聲富）計算時間比傳統(tǒng)統(tǒng)計模型足足縮短290倍！10日，記者從中國農(nóng)業(yè)科學院國家南繁研究院獲悉，日前，該院李慧慧團隊成功研發(fā)了一套新的人工智能算法——自動化機器學習框架。該算法通過將環(huán)境數(shù)據(jù)與基因組信息深度融合，實現(xiàn)了作物精準遺傳分析與基因組預測，為作物智能設計育種提供有效工具。

　　資料圖：在三亞繁育的玉米新品種。記者 利聲富 攝

　　據(jù)了解，作物的田間表型是由基因型、環(huán)境以及基因型與環(huán)境互作共同決定的。實際育種過程中，準確預測作物表型對于提高育種效率、縮短育種周期至關重要。然而，傳統(tǒng)的基因組預測方法往往忽略了環(huán)境因素對表型的影響，導致在多環(huán)境試驗中表型預測精度有限。因此，將環(huán)境數(shù)據(jù)納入基因組預測模型，考慮基因型與環(huán)境的相互作用，成為提升預測精度的關鍵。

　　李慧慧研究團隊利用大規(guī)模多環(huán)境玉米雜交種數(shù)據(jù)集，開發(fā)了一套自動化機器學習框架，將環(huán)境數(shù)據(jù)與基因組信息深度融合開展遺傳分析與基因組預測。“與傳統(tǒng)基因組預測方法相比，自動化機器學習框架有3大亮點。”李慧慧介紹，該框架一是集成遺傳和環(huán)境特征處理功能；二是集成多種先進技術進行模型訓練，提升模型訓練效率和預測精度，與傳統(tǒng)統(tǒng)計模型相比，計算時間可縮短290倍，且能保持較高的預測精度；三是利用獨特的SHAP可解釋技術解釋模型，采用源于博弈論的SHAP可解釋技術對模型進行事后解釋以量化遺傳和環(huán)境特征對表型變異及模型性能的貢獻。該研究可為解析基因型與環(huán)境互作的生物學機制提供重要參考，同時為作物育種提供新工具。