Kurz gefasst
Fachartikel in der Zeitschrift 农业科学, erschienen am 31.03.2025. Verfasst von 艾灵 陈.
Abstract (Originalsprache)
随着大豆育种的需求日益增加,传统育种方法面临着时间长、成本高以及环境因素影响较大的挑战。因此,基因组预测技术成为了一种提升大豆育种效率的关键工具。研究的目的在于应用Transformer模型,结合大豆SNP数据,构建一个准确、高效的大豆基因组预测模型,探索其在基因型到表型预测中的应用潜力。首先,通过数据预处理和特征选择,将大豆SNP数据转换为适合Transformer模型输入的格式。其次,结合Transformer模型中的自注意力机制,探索如何捕捉SNP间的长距离依赖关系,从而提高性状预测的准确性。为了进一步优化模型性能,采用了贝叶斯优化算法,自动化搜索超参数配置,以提高计算效率和预测精度。实验结果表明,与传统的CNN、LSTM等模型相比,基于Transformer模型的大豆基因组预测框架,在单性状预测及多性状联合预测任务中均表现出较高的精度。此外,贝叶斯优化进一步提升了模型的超参数选择效率,减少了手动调参的工作量。
Schlagwörter
soybeangenomic predictiontransformer modelsSNP datagenotype-phenotype predictionself-attentionlong-range dependenciesBayesian optimizationhyperparameter optimizationsoybean breeding
Zitieren
APA
陈, 艾. (2025). 基于Transformer的大豆基因组预测方法. 农业科学. https://doi.org/10.12238/as.v8i3.2800
Vancouver
陈 艾. 基于Transformer的大豆基因组预测方法. 农业科学. 2025. doi:10.12238/as.v8i3.2800
BibTeX
@article{2025,
author = {陈, 艾灵},
title = {基于Transformer的大豆基因组预测方法},
journal = {农业科学},
year = {2025},
doi = {10.12238/as.v8i3.2800}
}
EUVIMED