买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中农业大学

摘要：本发明提供了融合门控与线性注意力机制G×E互作的基因组预测方法，融合门控与线性注意力机制G×E互作的基因组预测方法，通过构建GEFormer模型，提取特征、融合特征和捕获关系，实现了基于基因组与环境组数据精准预测复杂性状的表型值的功能，进而加快了作物智能设计育种，在真实作物育种中具有较大的应用潜力。本发明通过自交系数据预测杂交种的表型，显著提升了预测杂交种表型的准确率和具有不同遗传背景的群体间表型预测的准确率，且对在未测试环境模式下预测测试基因型的表型值和对在未测试环境模式下预测未测试基因型的表型值这两种模式的效果显著。

主权项：1.融合门控与线性注意力机制G×E互作的基因组预测方法，其特征在于：包括以下步骤：S0：搭建GEFormer模型，包括gMLP层、TimeFeatureBlock层和CrossGatedMLP层；gMLP层用于从局部和全局两个方面提取基因型数据特征，进而捕获SNP位点间的长距离依赖关系；TimeFeatureBlock层用于通过完全动态卷积融合每天内不同环境因子间的特征，并采用线性注意力机制提取作物生育期内每天之间环境因子的时序性特征；TimeFeatureBlock层包括嵌入层、动态卷积层和线性注意力层；嵌入层包括值嵌入模块、位置嵌入模块和时间嵌入模块，用于融合时间序列和环境因子的嵌入信息；CrossGatedMLP层用于融合提取基因型特征与环境特征，进而捕获不同组学数据间隐藏的复杂非线性关系；CrossGatedMLP层包括HiddenMLP和GateMLP；HiddenMLP包括GELU激活函数，用于计算输入的隐藏表示；GateMLP包括Sigmoid激活函数，用于计算门控权重；S1：获取育种材料的全基因组数据、环境数据和表型数据并进行预处理；S2：将全基因组数据输入GEFormer模型，通过gMLP层从局部和全局两方面提取基因型数据特征，捕获SNP位点间长距离依赖关系的基因型特征；S3：将全生育期的环境数据输入GEFormer模型，通过TimeFeatureBlock层提取环境特征，捕获环境特征；S4：通过CrossGatedMLP层融合基因型特征与环境特征，捕获不同组学数据间隐藏的复杂非线性关系，得到融合后的特征；S5：利用全连接神经网络对融合后的特征进行线性回归，预测得到该育种材料的表型值。

全文数据：

权利要求：

百度查询： 华中农业大学 融合门控与线性注意力机制G×E互作的基因组预测方法