За последнее десятилетие геномное прогнозирование произвело настоящую революцию в селекции растений, предоставляя возможность оценивать генотипическую ценность новых сортов на основе их геномного профиля и наблюдений за фенотипами родственных генотипов. Это новшество позволяет сократить количество дорогих полевых испытаний, поскольку на ранних этапах селекционных испытаний с низкой наследуемостью можно применять геномное прогнозирование. В результате, время, необходимое для выбора лучших генотипов, значительно сокращается, даже для сложных признаков, контролируемых множеством генов.
Учёные из Института генетики растений и исследований сельскохозяйственных культур имени Лейбница (IPK) расширили применение данного подхода на инбредные линии, объединив фенотипические и генотипические данные из четырёх коммерческих программ селекции пшеницы. Исследование, опубликованное в журнале Plant Biotechnology Journal, показывает, что методы глубокого обучения играют всё более значимую роль в геномном прогнозировании. В отличие от традиционных методов, глубокое обучение позволяет выполнять гибкие и нелинейные преобразования входных данных, что помогает выявлять закономерности и соотносить их с наблюдаемыми характеристиками, такими как урожайность и высота растений.
Работа исследовательской группы IPK охватывает 12 лет испытаний в 168 условиях, формируя обширный обучающий набор из 9500 генотипов, включая такие показатели, как урожайность зерна, высота растений и дата колошения. Одна из главных задач заключалась в объединении разрозненных данных, что потребовало тщательной подготовки. Сравнение классических методов с подходами глубокого обучения позволило улучшить точность прогнозов, особенно с увеличением размера обучающего набора. Учёные полагают, что дальнейшее расширение набора данных сможет ещё больше увеличить потенциал использования больших данных в селекционных исследованиях.
