机器学习全基因组选择研究进展

文献类型： 中文期刊

第一作者： 李竟

作者： 李竟;张元旭;王泽昭;陈燕;徐凌洋;张路培;高雪;高会江;李俊雅;朱波;郭鹏

作者机构：

关键词： 全基因组选择;研究进展;机器学习;深度学习;原理与应用

期刊名称： 畜牧兽医学报

ISSN： 0366-6964

年卷期： 2024 年 06 期

页码： 2281-2292

收录情况： 北大核心 ; CSCD

摘要： 机器学习方法是全基因组选择研究的重要分支，深度学习是近年来机器学习领域新的研究热点。本文介绍了机器学习以及深度学习全基因组选择研究的原理和应用发展，分别从模型框架、模型参数、特征选择等方面对深度学习全基因组育种值估计研究进展进行了阐述，探讨了深度学习全基因组选择研究中面临的一些的问题，并对未来进行了展望。

分类号： S813

  • 相关文献

[1]基于黄河鲤体质量性状的全基因组选择模型评估. 方家璐,海佳薇,周林燕,徐庆磊,冯莉,许建. 2024

[2]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[3]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[4]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[5]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[6]农业大模型:关键技术、应用分析与发展方向. 郭旺,杨雨森,吴华瑞,朱华吉,缪祎晟,顾静秋. 2024

[7]机器学习在动物基因组选择中的研究进展. 李棉燕,王立贤,赵福平. 2023

[8]栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究. 苗春丽,李仲贤,赵志成,伏帅,高金龙,刘洁,冯琦胜,梁天刚. 2023

[9]基于高光谱成像技术和深度学习的烤后烟叶品种分类判别. 孟令峰,邢富康,韦克苏,王爱华,程昌新,曹娜,林跃平,王松峰,朱荣光. 2024

[10]植物数量性状全基因组选择研究进展. 邵俊明,周瑞阳,黄开健. 2012

[11]动物遗传评估软件研究进展. 张元旭,李竟,王泽昭,陈燕,徐凌洋,张路培,高雪,高会江,李俊雅,朱波,郭鹏. 2024

[12]全基因组选择技术在反刍动物遗传育种中的研究进展及其应用. 张顺进,寇浩玮,丁晓婷,刘贤,蔡雯雯,张子敬,施巧婷,茹宝瑞,雷初朝,黄永震. 2021

[13]基于温带和热带玉米群体全基因组选择和杂种优势候选位点的鉴定. 周玲,熊威,胡俏强,戴惠学,赵涵. 2021

[14]植物全基因组选择技术的研究进展及其在玉米育种上的应用（英文）. 孙琦,李文兰,陈立涛,赵勐,李文才,于彦丽,孟昭东. 2016

[15]国内外肉牛遗传评估体系概况. 朱波,李宏伟,周姵诺,李倩,高翰,王泽昭,汪聪勇,蔡文涛,徐凌洋,陈燕,张路培,高雪,高会江,李俊雅. 2021

[16]基于显性模型的基因组选择中贝叶斯方法研究. 王延晖,朱波,李俊雅. 2017

[17]作物分子标记辅助选择育种的现状与展望. 王亚琦,孙子淇,郑峥,黄冰艳,董文召,汤丰收,张新友. 2018

[18]整合生物学先验信息的全基因组选择方法及其在家畜育种中的应用进展. 袁泽湖,葛玲,李发弟,乐祥鹏,孙伟. 2021

[19]我国动物生物育种产业现状及发展策略探讨. 熊明民,杨亚岚,阮进学,王冰源,张艳敏,周荣,李奎. 2016

[20]紫花苜蓿 QTL 与全基因组选择研究进展及其应用. 康俊梅,张铁军,王梦颖,张怡,杨青川. 2014

作者其他论文 更多>>

微信小程序