基因组选择的广泛应用大大加快了畜禽的遗传进展。随着畜禽芯片的商业化和测序成本的不断降低,可获得的畜禽基因组信息越来越丰富。基因型标记数量远远超过具有表型数据的样本个数,基因组信息之间的关系更加复杂等问题也随之出现,使得...基因组选择的广泛应用大大加快了畜禽的遗传进展。随着畜禽芯片的商业化和测序成本的不断降低,可获得的畜禽基因组信息越来越丰富。基因型标记数量远远超过具有表型数据的样本个数,基因组信息之间的关系更加复杂等问题也随之出现,使得最佳线性无偏预测(best linear unbiased prediction,BLUP)和Bayes等传统评估模型的使用受到极大限制。机器学习算法不依赖于预定的方程模型,可以更好地处理非线性关系,为以上问题提供了解决方案,因此逐步被应用于基因组选择中。本文综述了基因组选择的发展,阐述了几种常用于基因组选择中的机器学习算法的原理,并对机器学习在畜禽基因组选择中的应用现状和实现方式进行了总结,最后对机器学习在畜禽育种中面临的问题进行了探讨并对其发展进行了展望。展开更多
文摘基因组选择的广泛应用大大加快了畜禽的遗传进展。随着畜禽芯片的商业化和测序成本的不断降低,可获得的畜禽基因组信息越来越丰富。基因型标记数量远远超过具有表型数据的样本个数,基因组信息之间的关系更加复杂等问题也随之出现,使得最佳线性无偏预测(best linear unbiased prediction,BLUP)和Bayes等传统评估模型的使用受到极大限制。机器学习算法不依赖于预定的方程模型,可以更好地处理非线性关系,为以上问题提供了解决方案,因此逐步被应用于基因组选择中。本文综述了基因组选择的发展,阐述了几种常用于基因组选择中的机器学习算法的原理,并对机器学习在畜禽基因组选择中的应用现状和实现方式进行了总结,最后对机器学习在畜禽育种中面临的问题进行了探讨并对其发展进行了展望。