论文部分内容阅读
目前,基因组选择育种主要采用线性模型估计遗传育种值指导作物遗传育种的筛选过程,但是生物体内的基因以及遗传位点的关系主要是复杂的非线性调控。本研究将人工神经网络技术应用到作物基因组选择育种中,对现有的作物基因组选择育种模型进行优化,建立了高效的作物基因组选择预测系统,并与其他线性回归预测模型进行比较。通过分析小麦的育种数据发现,基于人工神经网络的遗传育种估计效果优于其他线性回归预测模型,预测育种值与实际育种值间的相关系数平均值达0.6636,相应的岭回归BLUP、贝叶斯线性回归模型和基于系谱信息的贝叶斯回归