.png){kind=icon}
返回
Phenomics-assisted sparse testing for potato breeding
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-59202-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，全球天气模式发生了显著变化，给农业带来了更大的不确定性。植物育种中的一个主要挑战是开发能够在如此不确定性条件下保持准确性的选择策略。稀疏测试是一种成熟的增加田间试验中评估基因型数量的方法，同时保持成本可控。然而，将基于图像的数据整合到稀疏测试中仍然具有挑战性。我们开发了一种将高通量表型数据整合到马铃薯育种稀疏测试中的策略，以提高多环境试验中的预测性能。我们的方法包括构建一个基于图像数据的协方差矩阵派生的环境核。我们在稀疏测试条件下评估了多种回归模型的预测性能，包括仅基于基因组或表型组数据的模型以及它们的组合。仅使用所提出的环境核的模型在多种稀疏测试场景中实现了与基因组预测模型相当甚至更高的预测精度。最佳结果出现在块茎产量这一马铃薯育种中的关键性状上。这些发现强调了基于图像的环境核在提高稀疏测试效率和准确性的潜力。该方法具有成本效益和可扩展性，尤其适用于资源有限的育种计划。
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
分享收藏nasapower: A NASA POWER Global Meteorology, Surface Solar Energy and Climatology Data Client for ROAAI
OAAI分享收藏ScabyNet, a user-friendly application for detecting common scab in potato tubers using deep learning and morphological traits.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏To be or not to be tetraploid-the impact of marker ploidy on genomic prediction and GWAS of potato是否为四倍体-标记倍性对马铃薯基因组预测和gw的影响OAAI
OAAI分享收藏Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning使用高通量表型分型和深度学习增强冬小麦育种中的表型和基因组预测潜力OAAI
OAAI分享收藏Multitrait machine- and deep-learning models for genomic selection using spectral information in a wheat breeding programPLANT GENOMEOAAI
PLANT GENOMEIF3.8
OAAI分享收藏Crop Phenomics and High-Throughput Phenotyping: Past Decades, Current Challenges, and Future PerspectivesMOLECULAR PLANTOAAI
MOLECULAR PLANTIF24.1
OAAI分享收藏
查看更多内容