機器學習方法可精準預測作物抗病性

近日，中國農業科學院植物保護研究所作物病原生物功能基因組研究創新團隊聯合國內科研單位，利用機器學習策略，成功開發出根據作物基因型精準預測抗病表型的方法。相關研究成果發表在《工程》（Engineering）上。

在作物抗病性研究中，已知的作物抗病基因數量有限。近年研究發現，作物感病基因突變、能塑造作物健康微生物組的基因等正逐漸發揮重要作用。高效選育抗病品種需要充分利用全基因組信息，但目前尚缺乏根據作物高通量基因型數據篩選作物抗病表型的高效、精準方法。

該研究利用水稻和小麥核心群體對多種重大病害的抗性水平與高密度單核苷酸多態性之間的關聯，通過機器學習策略來訓練預測模型，實現了根據作物基因型精準預測抗病水平。

其中，對水稻稻瘟病抗性預測準確性高達95%，跨群體預測結合人工接種鑒定的準確性達到91%；對小麥麥瘟病和條銹病的預測準確性分別達到90%和94%；對水稻紋枯病和水稻黑條矮縮病這兩種公認難以準確鑒定抗病性的病害，預測準確性均達85%。研究表明，該方法具有廣適性，未來合理利用可顯著提高作物抗病育種效率。

該研究得到國家自然科學基金、國家重點研發計劃等項目的資助。

相關論文信息：https://doi.org/10.1016/j.eng.2024.03.014