深度学习在植物基因组学与作物育种中的应用现状与展望

[目的 /意义]随着单细胞测序、高通量技术的突破，植物基因组学也取得了巨大进步，可以低成本获取多维全基因组分子表型的海量数据。深度学习技术可以作为强大的数据挖掘工具对获取的分子表型进行进一步预测和解释。当前研究表明，深度学习在植物基因组学与作物育种研究任务中取得显著效果。但目前尚缺乏对于深度学习在植物基因组学中应用的完整综述。[方法 /过程]本文首先概述了深度学习方法背景，包括最新的图神经网络；随后着重从基因特性、蛋白质特性方面综述了基因组学和深度学习交叉领域的两个突出问题：1）如何对从植物基因组DNA序列到分子表型的信息流进行建模？2）如何使用深度学习模型识别自然种群中的功能变异？[结果 /结论]本文总结了当前研究中如何应用传统深度学习算法、图深度学习、生成对抗网络以及可解释性AI等方法解决上述两个问题。最后分析了深度学习在未来植物基因组学研究和作物遗传改良中的发展前景。