最后1天！机器学习+作物育种！2023全基因组选择实操演练学习交流会，中国农科院团队首席开讲

全基因组选择（Genomic selection, GS）是一种利用覆盖全基因组的高密度标记进行选择育种的新方法，简言之就是在全基因组范围内的标记辅助选择。全基因组选择作为新一代的育种技术，通过构建预测模型，根据全基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。统计模型作为全基因组选择的核心，极大地影响着全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。相较于传统模型，非线性模型具备分析复杂非加性效应的能力，机器学习（Machine Learning，ML）和深度学习（Deep Learning，DL）算法为解决大数据分析和高性能并行运算等难题提供了新的契机，因此，基于机器学习算法的全基因组选择将会进一步提高选择的预测能力。

近年来，中国农业科学院作物科学研究所/国家南繁研究院大数据智能设计育种创新团队在团队首席、博士生导师李慧慧研究员的带领下，联合多家单位开发出利用植物海量多组学数据进行全基因组预测的深度学习方法（Deep Neural Network for Genomic Prediction, DNNGP），实现了育种大数据的高效整合与利用，助力了深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供了有效工具，相关成果在线发表于《Molecular Plant》。

本次课程，我们诚邀李慧慧老师为我们系统讲解全基因组选择的理论知识并带我们进行详细的实操演练，李老师对课程体系做了精心设计，涵盖了经典统计（GBLUP、RRBLUP）模型、贝叶斯模型和基于机器学习算法的全基因组选择模型（SVM、KRR、RF、XGBoost、GBDT、LightGBM），对每一个模型都进行详细的预测演示和交叉验证结果评价并实现预测结果的可视化，在此基础上，李老师会进一步带我们学习基于深度学习算法的DNNGP方法及软件操作和KNIME平台的使用方法，最终让大家能够在KNIME平台上实现基于机器学习算法的全基因组预测。课时三天，干货满满，相信将为您呈现一场全基因组选择的视听盛宴。

培训形式

形式：腾讯会议线上直播（课程免费回放三个月）

时间：2023年6月9-11日

课程对象

所有从事植物、动物、林木、水产等的遗传育种、数量遗传学及相关领域研究的在读研究生、科研人员及企业研发人员。

课程收获

1. 系统学习经典统计GBLUP、RRBLUP和贝叶斯模型；能够独立运用经典统计模型进行全基因组预测；

2. 系统学习基于机器学习算法的全基因组预测流程；能够独立运用SVM、KRR、RF、XGBoost、GBDT及LightGBM模型进行全基因组预测；进行交叉验证结果评价；实现预测结果的可视化；

3. 系统学习DNNGP软件与KNIME平台的使用方法，能够在KNIME平台上实现基于机器学习算法的全基因组预测。

课程安排

软件要求：

1）安装anaconda或miniconda

2）安装R及Rstudio软件平台

3）配置Jupyter Notebook环境

4）安装Pycharm开发平台（选择安装）

5）安装KNIME软件

注：相关软件请在报名交费后于会务人员处获取，电话15210096658（微信同号）

主讲专家

李慧慧

研究员博士生导师

李慧慧，研究员，博士生导师，中国农科院大数据智能设计育种创新团队首席科学家。自2005年以来一直致力于作物数量遗传学研究，围绕数量性状遗传解析方法及育种应用，研制了系列方法和软件工具，在国内外多个科研及育种单位广泛应用。在Molecular Plant, Nature Plants, Molecular Ecology, Trends in Plant Science等期刊发表第一/通讯作者37篇，其中单篇他引超过500次的论文3篇，单篇他引超过100次的论文9篇。获国家基金委优秀青年科学基金项目资助，获中国农学会青年科技奖，并入选中国农科院“农科英才”领军人才。担任农学国际主流期刊Frontiers in Plant Science分刊主编，Theoretical and Applied Genetics, Journal of Integrative Agriculture (JIA) 和《作物学报》编委，中国作物学会智慧农业专业委员会秘书长。