机器学习方法在植物基因组信息预测中的研究现状 |
| |
作者姓名: | 张兆旭 管思彤 林一鸣 苏培森 黄思罗 孟宪勇 柳平增 颜君 |
| |
作者单位: | 1. 山东农业大学信息科学与工程学院,农业农村部黄淮海智慧农业技术重点实验室;2. 聊城大学农学与农业工程学院;3. 华中科技大学生命科学与技术学院 |
| |
基金项目: | 泰安市2019年科学技术发展计划(2019NS080); |
| |
摘 要: | 随着高通量测序技术的飞速发展,植物基因组学研究目前已经积累了海量多组学数据。因此如何开发和改进相关处理软件工具,从而有效利用这些海量数据发掘有用的生物学信息,成为当下亟需解决的重要科学问题。其中机器学习方法凭借其显著的预测、分类、数据挖掘和集成能力,在此领域受到广泛关注。本文系统综述了不同类型机器学习方法的基本原理和流程,以及这些方法在植物基因组功能预测中的研究进展,重点总结了机器学习模型在植物分子相互作用预测、重要功能位点预测、功能注释、作物育种等方面的应用成果,并展望了该领域未来的发展方向和应用前景。本文有助于植物研究者快速了解和应用机器学习方法,从而推进植物遗传相关机制的研究和作物性状改良。
|
关 键 词: | 机器学习 植物基因组预测 蛋白质相互作用 分子位点预测 功能注释 作物育种 |
|