近日，小麦育种全国重点实验室在《Briefings in Bioinformatics》发表了题为“WheatGP, a genomic prediction method based on CNN and LSTM”的研究论文。生命科学学院李祥、机电学院刘平为通讯作者，王春颖副教授与硕士研究生张迪为共同第一作者，山东农业大学为唯一通讯单位。
全基因组预测是如今作物育种的核心技术之一，能够有效缩短育种周期。近年来基于深度学习的全基因组预测技术快速发展，已初步应用于水稻、玉米、大豆等主要作物。然而，小麦的多倍体结构涉及复杂的等位基因之间的相互作用以及明显的非加性效应，使其在复杂性状的预测中面临着诸多挑战。
研究团队基于卷积神经网络（CNN）和长短期记忆神经网络（LSTM）提出了一种小麦基因组预测方法（WheatGP），利用了多层CNN捕获基因组序列中的短程依赖性和LSTM独特的门控机制，提取并保留基因位点之间的长距离的依赖关系。
图1 WheatGP算法结构
利用WheatGP所训练的模型在小麦籽粒产量预测中相关性达到0.73，对多种农艺性状的预测相关性介于0.62-0.78之间，同时表现出在不同作物数据集中的适应性和鲁棒性。对模型的输入实施有选择性的降维能够提高WheatGP 的计算效率，同时不会降低准确性，而特征可视化技术能够有效地识别关键的单核苷酸多态性（SNPs）以及有助于预测的关键特征，从而提高模型的可解释性，为小麦智慧育种技术提供了新工具。
该研究得到了山东省重点研发计划项目的资助。
论文链接：https://doi.org/10.1093/bib/bbaf191
编 辑：万 千
审 核：贾 波
