文献分享 | 用以精确预测植物抗病性的机器学习方法的开发

本研究开发了一种基于机器学习的方法，用于精准预测植物的抗病性，以应对传统抗病育种方法的局限性。研究通过整合全基因组关联分析结果、抗病表型和群体亲属关系信息，构建了含亲属关系的机器学习模型（如RFC_K、SVC_K、lightGBM_K），并在多种水稻和小麦病害预测中进行了验证。结果显示，这些模型在预测水稻稻瘟病（RB）抗性时准确率高达95%，并在独立的水稻群体RDPII中验证了其预测结果，准确性达到91%。该方法不仅提高了抗病性预测的准确性，还显著减少了田间试验的工作量，加速了育种进程，为抗病育种提供了有效的策略。