.png){kind=icon}
返回
The Enviromic marker
.png){kind=icon}
PRE
AI
DOI：10.1590/1984-70332026v26n1n1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们将环境组学标记形式化为与DNA标记平行的建模单元，但在此用于基因型-环境（G×E）预测。提出了四个操作前提（线性；位点潜力；异质性适宜性；以及环境型协变量(ECs)-基因型依赖性），以使其能够用于线性混合模型，并激励四种构建策略：（i）将原始环境协变量作为线性标记使用；（ii）应用变换以捕捉轻微非线性；（iii）推导生理生态函数；（iv）利用人工智能（AI）模型构建标记，这些模型学习非线性环境→表型映射以供线性下游使用。详细说明了环境数据质量控制，包括空间覆盖和分辨率检查、TPE内的方差检查、共线性控制以及无泄漏的空间/时间验证。将环境组学数据与GIS关联以计算环境核，量化协变量漂移，并提供带不确定性诊断的像素级预测。该框架阐明了假设并标准化了环境组学标记在预测育种分析中的使用。
Keyword:
Envirotyping
genotype-by-environment interaction (G & times
E)
environmental or envirotypic covariates (ECs)
target population of environments (TPE)
geographic information systems (GIS)
期刊
C
IF:
1.1
论文数:
14
被引数:
0
机构
引用论文
Nonlinear kernels, dominance, and envirotyping data increase the accuracy of genome-based prediction in multi-environment trials.png)
HEREDITY
OAAI
HEREDITYIF3.9
OAAI分享收藏Incorporating environmental covariates to explore genotype x environment x management (G x E x M) interactions: A one-stage predictive modelFIELD CROPS RESEARCHOAAI
FIELD CROPS RESEARCHIF6.4
OAAI分享收藏Beyond the genome: the role of functional markers in contemporary plant breeding超越基因组：功能标记在当代植物育种中的作用
OAAI
OAAI分享收藏
查看更多内容