文献

J-GLOBAL ID：202202226441719148   整理番号：22A1085010

植物育種における疎ゲノムベース予測を改善するために系統を配分するための不完全ブロック設計の利用【JST・京大機械翻訳】

Using an incomplete block design to allocate lines to environments improves sparse genome-based prediction in plant breeding

著者 (8件)： Montesinos-Lopez Osval Antonio (Facultad de Telematica, Univ. de Colima, Colima, Colima, 28040, Mexico) ,  Montesinos-Lopez Abelardo (Centro Universitario de Ciencias Exactas e Ingenierias (CUCEI), Univ. de Guadalajara, Guadalajara, Jalisco, 44430, Mexico) ,  Acosta Ricardo (Facultad de Telematica, Univ. de Colima, Colima, Colima, 28040, Mexico) ,  Varshney Rajeev K. (International Crops Research Institute for the Semi-Arid Tropics (ICRISAT), Hyderabad, India) ,  Varshney Rajeev K. (State Agricultural Biotechnology Centre, Centre for Crop and Food Innovation, Food Futures Institute, Murdoch Univ., Murdoch, Australia) ,  Bentley Alison (International Maize and Wheat Improvement Center (CIMMYT), Km 45, Carretera Mexico-Veracruz, CP 52640, Edo. de Mexico, Mexico) ,  Crossa Jose (International Maize and Wheat Improvement Center (CIMMYT), Km 45, Carretera Mexico-Veracruz, CP 52640, Edo. de Mexico, Mexico) ,  Crossa Jose (Colegio de Postgraduados, Montecillos, Edo. de Mexico, CP, 56230, Mexico)
資料名： Plant Genome  (Plant Genome)
巻： 15  号： 1  ページ： e20194  発行年： 2022年 
JST資料番号： W5739A  ISSN： 1940-3372  資料種別： 逐次刊行物 (A)
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： ゲノム選択(GS)は,新しい系統のゲノム可能予測を行うために使用される参照個体群を持つ統計的機械学習モデルを訓練する予測方法論である。植物育種において,それは速度を増加させ,選択のコストを減少させる可能性がある。しかし,資源を最適化するために,スパース試験法を提案した。一般的アプローチは,位置においてランダムに割り当てられた非重複と重複線の割合を保証することであり,すなわち,いくつかの位置に現れるが,すべてで現れない。本研究では,不完全ブロック設計(IBD)を用いて,全てのラインが全ての位置において観測されないような方法での位置へのラインの配置について主に提案した。この割当を,ラインがIBD設計の下で同じ数の場所に割り当てられることを保証する位置に対するラインのランダム割当と比較した。著者らは,Bayesゲノム最良線形不偏予測子(GBLUP)モデルの下でいくつかの作物データセットにこのベンチマークを実装し,IBDの原則下の割り当てが,平均平方誤差に関して,位置,形質,およびデータセットを通して,1.4%と26.5%の間のランダム割当てを凌駕することを発見した。広範囲の性能改善が観察されたが,結果は,位置へのラインの配分のためにIBDを使用することが,ランダム配分と比較して予測性能の改善を助けることができるという証拠を提供する。これは大規模植物育種プログラムに適用できる可能性がある。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  最適化 ,  予測 ,  農作物 ,  選択 ,  *ゲノム ,  モデル ,  *作物育種 ,  個体群 ,  *ブロック計画 ,  ベンチマーク
準シソーラス用語： BLUP ,  試験方法 ,  予測性能 ,  統計的機械学習 ,  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 (6件)： 植物育種 ,  ゲノム ,  予測 ,  系統 ,  配分 ,  ブロック設計