Global Agriculture / The Crop Journal·9月14日 · 周一论文农业人工智能与决策模型阅读 0
Crop-GPA 2.0:安徽农业大学团队发布跨物种基因-表型预测深度学习工具,登The Crop Journal
论文解读
83精选
速览
安徽农业大学团队发布跨物种基因-表型预测深度学习工具Crop-GPA 2.0，并在水稻、玉米、小麦中
方法
分层基因组表征、跨物种预训练、性状感知学习，基于多物种SNP与表型数据。
发现
跨性状预测均优于现有方法，新物种或小样本下仍表现良好，并提供免费在线SNP排名服务。
机会点
可探索将跨物种预训练模型与田间表型组、环境数据融合，提升复杂性状预测与育种决策的可解释性。
影响力22
信息增量23
专业深度18
信源权威14
时效性6
跨物种基因-表型预测工具登核心期刊，方法新颖、结论可靠，对智能育种有实质推动，值得进入每日精选。
原文摘要
安徽农业大学岳振宇教授团队(第一作者高玉佳)开发的Crop-GPA 2.0跨物种基因-表型预测深度学习工具于2026年9月10日发表在The Crop Journal。该工具通过分层基因组表征、跨物种预训练、性状感知学习三种联动技术,在水稻、玉米、小麦测试中跨性状(产量、抗病性、抗逆性、籽粒品质)均优于现有方法,且能在新物种或训练数据有限时保持较好性能,在线平台为育种者提供免费SNP排名服务,极大降低标记辅助选择门槛。