【技术实现步骤摘要】
本专利技术涉及生物信息学，具体涉及一种基于机器学习的基因型和环境互作方法及其应用。
技术介绍
1、在生物学和遗传育种领域，特别是作物育种领域，表型是指基因型和环境决定的形状、结构、大小、颜色等生物体的外在性状，表型组又是指某一生物的全部性状特征，不仅仅局限于农艺性状，还应更加关注植株所表现出来的生理状态。
2、授权专利公开号为cn110459265b的中国专利技术公开了一种提高全基因组预测（gp）准确性的方法。本方法包括：（1）对目标作物群体进行表型和基因型鉴定，然后基于对整个群体的全基因组关联分析（gwas)，找到效应最大的4个单碱基变异（snps)；（2）把效应最大的4个snps作为固定效应，在并gp模型中加入基因型与环境互作组分，能最大限度地提高预测准确性。
3、表型变异是由遗传、环境及其相互作用共同促成的，要培育出产量高、对新气候和多变气候适应性强的作物，剖析环境因素的作用势在必行，尽管在提高准确性方面取得了重大进展，但现有的基因组和基因型×环境（g×e）预测模型缺乏可解释性，如果不能准确量化基因和环境的...
【技术保护点】
1.一种基于机器学习的基因型和环境互作方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境数据包括：有效积温、光合有效辐射、有效水分和土壤酸碱度。
3.根据权利要求1所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数的具体计算方法为：
4.根据权利要求3所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数均值的具体计算方法为：
5.根据权利要求4所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数比较...
【技术特征摘要】
1.一种基于机器学习的基因型和环境互作方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境数据包括：有效积温、光合有效辐射、有效水分和土壤酸碱度。
3.根据权利要求1所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数的具体计算方法为：
4.根据权利要求3所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数均值的具体计算方法为：
5.根据权利要求4所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述环境指数比较均值的具体计算方法为：
6.根据权利要求5所述的一种基于机器学习的基因型和环境互作方法，其特征在于，所述最高相关性...
【专利技术属性】
技术研发人员：李慧慧，余廷熙，何坤辉，
申请(专利权)人：中国农业科学院作物科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。