期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于芯片数据的长白猪繁殖性状基因组选择研究
1
作者 阳文攀 刘相杰 +8 位作者 罗冬香 陈梦会 谢瑛 方跃鑫 林婷燕 李爱民 李文静 邓政 丁能水 《畜牧兽医学报》 北大核心 2025年第1期213-221,共9页
旨在比较不同基因组预测模型预测准确性与运行效率,以探究支持向量机(SVM)回归与随机森林(RandomForest)回归在基因组预测中的应用价值与应用前景。本研究使用博瑞迪猪50K液相芯片,采用GBLUP、BayesB、BayesLASSO、SVM回归和RandomFores... 旨在比较不同基因组预测模型预测准确性与运行效率,以探究支持向量机(SVM)回归与随机森林(RandomForest)回归在基因组预测中的应用价值与应用前景。本研究使用博瑞迪猪50K液相芯片,采用GBLUP、BayesB、BayesLASSO、SVM回归和RandomForest回归等基因组预测模型,对1 001头长白猪繁殖性状进行基因组预测评估。研究发现,在总产仔数、产活仔数、窝重等繁殖性状中,使用SVM回归径向基函数核的评估准确性均最高;产活仔数、窝重在参数C值为1时评估准确性达到最大值,总产仔数在参数C值为2时评估准确性达到最大值。在总产仔数、产活仔数、窝重等繁殖性状中,使用RandomForest回归评估ntree、mtry、nodesize等参数时发现,基因组预测准确性随着参数的变化展现一定的随机性。RandomForest回归模型在总产仔数、产活仔数、窝重中的评估准确性均最高,其次为SVM回归,GBLUP、BayesB、BayesLASSO等模型遗传评估准确性较差且保持一致。交叉验证相关性显示,不同模型遗传评估结果存在较强的相关性,为0.806~0.995。SVM回归与RandomForest回归等非参数机器学习模型在猪繁殖性状基因组选择中具有一定的优势,但运行时间在一定程度上限制了这些算法的使用。随着算法的研究优化,SVM回归与RandomForest回归等非参数机器学习模型将具有良好的应用前景。 展开更多
关键词 长白猪 繁殖性状 基因芯片 基因组选择 机器学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部