PBJ | 安徽农业大学等单位开发基于机器学习的全基因组选择新软件MFMGP

近日，安徽农业大学农学院水稻分子育种创新团队联合华中农业大学、中国农业科学院作物科学研究所在《Plant Biotechnology Journal》在线发表了题为“MFMGP: an integrated machine learning fusion model for genomic prediction”的研究论文。

研究基于多种机器学习训练方法，开发出一款融合模型“MFMGP”，能够用于预测动植物育种群体的复杂农艺性状表型。MFMGP利用指数衰减权重的归一化融合方法，通过为每个ML模型的预测结果分配权重，并对这些权重应用指数衰减，再通过归一化这些权重计算模型预测结果的加权平均值，从而获得最终的融合预测结果。

为了测试MFMGP的预测效果，将其与7种常用的GS模型进行比较（传统模型GBLUP、4种机器学习LightGBM、SVR、XGBoost和HGBoost以及2种深度学习DNNGP和DeepCCR），结合植物中数据集（水稻、棉花、小麦与玉米）和动物测试数据集（猪），证明MFMGP具有更高的预测精度和更好的稳定性。同时发现，基因型-环境相互作用影响预测结果的准确度，高遗传力农艺性状往往具有较高的预测精度。特别在亚洲栽培稻中，无论是利用籼稻作为训练群体预测粳稻亚群，或粳稻作为训练群体预测籼稻亚群，其预测精度均较低，提示育种家应根据测试群体选择合适的亚群构建训练群体。

综上，MFMGP可以显著提高预测精度，缩短育种周期，降低育种成本，有望在动植物育种中具有更广泛的应用。

安徽农业大学农学院青年教师张超普、华中农业大学植物科学技术学院已毕业硕士梁齐齐、喻宇烨为本文的共同第一作者。安徽农业大学农学院黎珉副教授、华中农业大学金双侠教授、安徽农业大学农学院黎志康讲席教授为本文的共同通讯作者。该研究得到了国家自然科学基金、安徽省自然科学基金、中国农业科学院科技创新工程、南繁专项的共同资助。

小编试图测试下，没有提供demo，也不知内置了哪些模型及物种。不太友好，作罢了。