线上培训 | 机器学习+深度学习算法的“全基因组选择”，中国农科院团队首席开讲！

主要观点总结

本文介绍了全基因组选择（Genomic selection, GS）作为一种新的育种技术，利用覆盖全基因组的高密度标记进行选择育种。文章详细描述了全基因组选择的过程和关键点，包括统计模型的核心作用、传统预测方法的局限性以及机器学习（ML）和深度学习（DL）算法在大数据分析中的应用。为了推广这一技术，北京金智研生物科技有限公司将举办第三期全基因组选择学习交流会，邀请李慧慧研究员为大家系统讲解基于机器学习和深度学习算法的全基因组选择课程。课程将涵盖理论学习、实操演练，并涉及模型优化及实施目标群体预测等内容。课程对象为从事遗传育种、数量遗传学及相关领域研究的科研人员和企业研发人员。通过参加课程，学员将熟练掌握基因组大数据统计分析和群体结构亲缘关系构建，能够独立运用各种模型进行全基因组预测，并进行交叉验证结果评价和模型优化。课程安排包括硬件和软件安装要求，以及主讲专家和课程助理的介绍。收费标准、报名方式、联系方式等也一并说明。

关键观点总结

关键观点1: 全基因组选择（GS）作为新一代的育种技术，通过构建预测模型进行早期个体的预测和选择。

基于高密度标记的全基因组选择能够缩短育种世代间隔、加快育种进程并节约成本。

关键观点2: 传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

非线性模型如机器学习和深度学习算法能够分析复杂非加性效应，为大数据分析提供新的契机。

关键观点3: 北京金智研生物科技有限公司将举办全基因组选择学习交流会，邀请李慧慧研究员系统讲授基于机器学习和深度学习算法的全基因组选择课程。

课程内容涵盖理论学习、实操演练，旨在解决学员在实际操作中的痛点、难点。