随笔分类 - GS
摘要：本文旨在比较机器学习方法在基因组预测中的表现，并评估其对高维数据的处理能力。作者使用了正则化回归、深度学习、集成和实例基础学习等不同类型的监督学习方法，分别应用于模拟动物育种数据集和三个实际玉米育种数据集中。 结果表明，机器学习方法的表现和计算成本取决于数据和目标性状，简单线性混合模型和正则化回归方
阅读全文
摘要：中国农业科学院作物科学研究所联合国际玉米小麦改良中心（CIMMYT）等单位在《The Crop Journal》发表论文：Genomic prediction of yield performance among single-cross maize hybrids using a partial
阅读全文
摘要：本文来自《基因组选择对培育气候适应性作物的意义》一些研究和观点。 重点摘要 基因组选择是改善植物复杂性状（如生物和非生物胁迫耐受性）和实现可持续生产的有力工具。基因组选择能够显著提高植物的气候适应性和产量，并且预测准确性高。 不同统计模型对预测精度的影响：比较了单因素线性模型（SSGBLUP）、半参
阅读全文
摘要：本文介绍了一个名为SeqBreed的Python工具，用于评估基因组预测在复杂情况下的表现。该工具可以模拟任何数量的由任意数量的因果位点决定的复杂表型，可实现了GBLUP、SSGBLUP、PBLUP等，并支持多种基因组预测方法和复杂染色体类型。作者使用了果蝇和四倍体马铃薯的数据集进行了测试，并展示了
阅读全文
摘要：这是美国爱荷华州立大学工业工程系王立志老师联合同校老师发表的一篇文章。Front. Plant Sci.虽然影响因子不高（大家应该都知道偏应用的数量遗传学发表的期刊普遍不高），但本文的引用还是蛮高的，好像是年度最佳论文之一吧。 本文介绍了一种基于深度学习的框架，用于预测作物产量。该框架结合使用卷积神
阅读全文
摘要：目录GS架构GS模型GS论文GS工具影响GS因素总结 过去的二十年，GS已被全球动物育种计划广泛采用，因为它有可能提高选择准确性，最大限度地减少表型，缩短周期和增加遗传增益。此外，鉴于GS在提高小麦、玉米和水稻等谷类作物的产量、生物和非生物胁迫耐受性以及品质方面取得了可喜的初步评估结果，因此正在探索
阅读全文
摘要：在GS领域，虽然已经开发了众多统计模型，但其中大多数是针对数量连续性状的，只有少数是针对离散性状。近日，CIMMYT的Jose Crossa（数量遗传学领域大佬，详见：https://www.cimmyt.org/people/jose-crossa/）针对离散性状提出了一个在贝叶斯框架下的离散对数
阅读全文
摘要：目录目的示例代码表型文件预处理基因型文件预处理机器学习建模预测绘图其他结果 利用代码复现一个机器学习应用于基因组预测的项目，张志武老师于2023年发表在《园艺研究》上的一篇文章。 目的 使用 GWAS 和 GP 结合重测序数据和从世界各地收集的 220 份紫花苜蓿种质的秋季休眠（Fall dorma
阅读全文
摘要：本报告来自佛罗里达大学Salvador A. Gezanboshi博士。Salvador是一位拥有20多年经验的育种家/数量遗传学家，在育种、统计分析和遗传改良咨询方面有着丰富的经验。同时，他也是VSN的国际顾问，没错，就是那个开发了大名鼎鼎的ASReml的VSN。在大学或研究机构任职期间，他主要集
阅读全文
摘要：本报告是Ben Hayes和Hans Daetwyler合著。 关于Ben Hayes，前文已经介绍。详见：https://qaafi.uq.edu.au/profile/1059/ben-hayes Ben Hayes是澳大利亚昆士兰大学教授，昆士兰州农业和食品创新联盟动物科学中心主任，也是千牛基
阅读全文
摘要：关于Ben Hayes详见：https://qaafi.uq.edu.au/profile/1059/ben-hayes Ben Hayes是澳大利亚昆士兰大学教授，昆士兰州农业和食品创新联盟动物科学中心主任，也是千牛基因组计划的发起者。在牲畜、作物、牧场和水产养殖物种的遗传改良方面拥有丰富的研究经
阅读全文
摘要：Julius Van der Werf是新英格兰大学（University of New England，UNE）教授，专门从事遗传评估、育种计划设计、育种目标和基因组选择方面的研究。他指导了60多名博士生。2003 年至 2019 年，他担任绵羊 CRC 遗传学项目的经理，在此期间，澳大利亚绵羊产
阅读全文
摘要：Julius Van der Werf是新英格兰大学（University of New England，UNE）教授，专门从事遗传评估、育种计划设计、育种目标和基因组选择方面的研究。他指导了60多名博士生。2003 年至 2019 年，他担任绵羊 CRC 遗传学项目的经理，在此期间，澳大利亚绵羊产
阅读全文
摘要：目录 这是美国乔治亚大学（University of Georgia）李增禄教授在山东农业大学做的一场最新报告。李教授主要从事大豆高产、优质、抗病虫育种，大豆遗传资源鉴定、利用及创新，目标性状基因定位，分子育种方法的开发和利用、基因组选择等研究工作。 关于李教授：https://cropsoil.u
阅读全文
摘要：目录书籍信息概括目录免费电子书获取方式 书籍信息 书名：Genomic prediction of complex traits: methods and protocols 出版：New York, NY : Humana Press, [2022] 作者：Nourollah Ahmadi, Jé
阅读全文
摘要：目录主要内容小编碎碎念 几个月前就听说华大万物联合上海师范大学开发了基因组选择的工具CropGS，一直比较好奇。近日文章已经发表见刊，得以一窥究竟。 主要内容 以往的作物GWAS数据库集中在表型和基因型之间的关联，只有少数数据库充分利用表型和基因型资源来构建和托管农艺性状的基因组预测模型。如NHGR
阅读全文
摘要：目录课程介绍培训形式课程对象课程收获课程安排主讲专家收费标准扫码报名交费方式联系方式 课程介绍 全基因组选择（Genomic selection, GS）是一种利用覆盖全基因组的高密度标记进行选择育种的新方法，简言之就是在全基因组范围内的标记辅助选择。全基因组选择作为新一代的育种技术，通过构建预测模
阅读全文
摘要：目录GS应用的四个场景情景1情景2情景3情景4 本文整理自Giovanny E Covarrubias Pazaran博士的报告《Genomic Selection in R》，他是国际水稻研究所植物育种和遗传学博士，具有强大的统计学背景以及具有从事育种计划和实践研究的丰富经验，是R和SAS等不同软
阅读全文
摘要：目录简介材料方法数据集SoyDNGP的模型结构比对模型的处理主要结果SoyDNGP在大豆基因组预测中展现了出色的能力大豆基因组预测中SoyDNGP与其他算法的性能比较SoyDNGP模型在不同大豆群体中的多功能预测能力SoyDNGP 在大豆之外的广泛应用SoyDNGP是一个面向大豆基因组预测的开放友好
阅读全文
摘要：看到很多基因组选择教程，包括文献资料、R包文档和demo，都是很学术化的：划分训练集和测试集后，一股脑儿建模预测跑下来，比较下准确性。 但在实际应用中，建模和预测并非连在一起，通常是分开进行的。用参考群构建好了模型，用测试群来代入模型做预测。不理解这个过程，你都不知道模型到底是个啥，长什么样，有哪些
阅读全文