MACHINE-LEARNING MODEL FOR PREDICTIVE PLANT BREEDING USING PHENOMIC SELECTION TO PREDICT GRAIN COMPOSITION

The present disclosure is directed to methods (and associated systems) for training a machine learning model for predictive plant breeding using phenomic selection based on diverse data streams to predict grain composition comprising: collecting, with a processor, training data, stored in a database, from the group consisting essentially of phenomic data; selecting, with the processor, a machine learning model based on the training data, the machine learning model selected from the group comprising supervised learning models, unsupervised learning models, and combinations thereof; training, with the processor, the machine learning model using the training data from the database; and inputting, via the processor, a new set of phenotypic data from a plurality of grain bearing plants into the trained machine learning model to generate a predictive breeding crosses list ranked on an aggregate probability that a progeny of the cross will exhibit one or more desired phenotypic characteristics. La présente divulgation concerne des procédés (et des systèmes associés) pour entraîner un modèle d'apprentissage automatique pour une sélection prédictive de plante à l'aide d'une sélection phénomique sur la base de divers flux de données afin de prédire une composition de grain comprenant : la collecte, avec un processeur, de données d'entraînement, stockées dans une base de données, à partir du groupe constitué essentiellement de données génomiques ; sélectionner, avec le processeur, un modèle d'apprentissage automatique sur la base des données d'entraînement, le modèle d'apprentissage automatique étant sélectionné dans le groupe comprenant des modèles d'apprentissage supervisé, des modèles d'apprentissage non supervisés, et des combinaisons de ceux-ci ; l'entraînement, avec le processeur, du modèle d'apprentissage automatique à l'aide des données d'apprentissage provenant de la base de données ; et l'entrée, par l'intermédiaire du processeur, d'un nouvel ensemble de données phénotypiques à partir d'une pluralité de plantes porteuses de grains dans le modèle d'apprentissage automatique entraîné pour générer une liste de croisements prédictive classée sur une probabilité agrégée qu'une descendance du croisement présente une ou plusieurs caractéristiques phénotypiques souhaitées.