抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ゲノム選抜(GS)は,全ゲノム一塩基多型(SNP)マーカーは,育種価(BV)を予測するために使用できる育種集団における量的形質を増強するためのマーカー支援選択手法である。GSは両植物と動物育種における育種効率を増加させることが証明されている,乳牛,ブタ,イネ,ダイズおよびタエダマツのような。ここでは,ゲノム推定育種価(GEBV)を予測し,連鎖不平衡内の隣接SNP効果を調べるために畳込みニューラルネットワーク(CNN)を用いた性ディープ学習モデルを提案した。二データセット上で提案モデルを適用した1)グリシンマックス(ダイズ)入れ子式関連地図作成(NAM)データセットに穀粒収量(YLD)形質と2)Pinus taeda(タエダマツ)データセットに対する樹高(HT)特性。SoyNAM集団は0.345の形質の遺伝率をもつ5,139例から4,313SNPを含み,テーダマツ個体群は0.31の形質遺伝率を有する者が861例から4,853SNPを含んでいた。性ディープ学習モデルを10倍交差検証,グラフィック処理ユニット(GPU)上で並列に実行を用いて試験した。GEBVと観測値間のPearson相関により計算された,著者らのモデル予測精度は,従来の統計的RR BLUPよりも優れており,Bayes LASSOとBayesAモデル。結果は性ディープ学習モデルは育種価を計算すると同時にCNNから近くのSNP効果を研究する正確に効率的であることを示した。も全ゲノム上の表現型-遺伝子型関係を解釈する際に強力な可能性を示している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】