文献

J-GLOBAL ID：201802226762723669   整理番号：18A0161401

ゲノム選択における深い学習の応用【Powered by NICT】

Application of deep learning in genomic selection

著者 (2件)： Liu Yang (Informatics Institute, University of Missouri, Columbia, Columbia, MO USA) ,  Wang Duolin (Christopher S. Bond Life Sciences, University of Missouri, Columbia, Columbia, MO USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 2280  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 個体群 ,  テーダマツ ,  一塩基多型 ,  乳牛 ,  家畜育種 ,  遺伝子型 ,  表現型 ,  学習モデル ,  育種価 ,  *ゲノム ,  育種 ,  遺伝率 ,  ダイズ
準シソーラス用語： 予測精度 ,  *ゲノム選択 , 【Automatic Indexing@JST】

分類 (2件)： 飼育動物の育種  (FD01020R) ,  牛  (FD02020Y)

タイトルに関連する用語 (3件)： ゲノム選択 ,  学習 ,  応用