近日，安徽农业大学农学院水稻分子育种创新团队联合华中农业大学、中国农业科学院作物科学研究所在国际权威期刊《Plant Biotechnology Journal》（中科院1区TOP，五年影响因子12.1）在线发表了题为“MFMGP: an integrated machine learning fusion model for genomic prediction”的研究论文。
随着2024年10月农业农村部发布《关于大力发展智慧农业的指导意见》，强调了开发智能设计育种工具的重要性以及推进育种智能化进程的需求，基因组选择作为分子育种的重要技术之一，其基础研究对于提高我国动植物设计育种水平至关重要。因此，研发一种具有普遍适用性和高预测精度的基因组选择工具，对分子育种的应用有着重要的理论与实践价值。
此次研究提出了一种基于多种机器学习训练方法的新融合模型——MFMGP，它能够预测动植物育种群体中的复杂农艺性状。MFMGP采用指数衰减权重的归一化融合策略，通过给每个机器学习模型的预测结果分配权重，并应用指数衰减处理这些权重，再将它们归一化以计算加权平均值，从而得到最终的融合预测结果。在与7种常见的基因组选择模型进行比较后，结合植物（如水稻、棉花、小麦和玉米）和动物（猪）的数据集测试显示，MFMGP展现出更高的预测准确性和更好的稳定性。此外，研究还指出基因型-环境相互作用对预测准确性的影响，以及遗传力高的农艺性状通常能获得更精确的预测。
值得一提的是，在亚洲栽培稻中，无论是使用籼稻还是粳稻作为训练群体来预测对方亚群，都显示出较低的预测精度，这提示育种专家应根据目标群体的特点选择合适的训练群体。总的来说，MFMGP不仅能够显著提升预测精度、缩短育种周期、降低育种成本，而且有望在动植物育种领域得到更广泛的应用。
此项目汇聚了国内多家科研机构的力量，实现了动植物学科间的协作攻关，攻关农业“卡脖子难题”。展望未来，这一成果预计将吸引更多的科研单位和育种公司参与实践与应用，推动建立智能化快速育种技术体系，促进我国分子育种技术向智能化、高效化方向发展。
安徽农业大学农学院青年教师张超普、华中农业大学植物科学技术学院已毕业硕士梁齐齐、喻宇烨为本文的共同第一作者。安徽农业大学农学院黎珉副教授、华中农业大学金双侠教授、安徽农业大学农学院黎志康讲席教授为本文的共同通讯作者。该研究得到了国家自然科学基金、安徽省自然科学基金、中国农业科学院科技创新工程、南繁专项的共同资助。
