Il-ġenetika moderna żviluppat metodu qawwi msejjaħ għażla ġenomika li juża d-dejta li tinsab fil-ġenomi tal-pjanti u l-annimali biex ittejjeb it-tnissil.
L-għażla ġenomika tippermetti t-tbassir tal-potenzjal ġenetiku ta 'individwu għall-kwalitajiet mixtieqa, bħal reżistenza għall-mard, rendiment, jew kwalità, billi teżamina d-differenzi fis-sekwenza tad-DNA bejn l-individwi.
Din id-dejta ġenetika tgħin biex jittieħdu deċiżjonijiet infurmati aħjar, jitħaffef il-proċess tal-għażla, u jinħolqu programmi ta’ tnissil li huma aktar effettivi u li jagħtu l-frott.
F'dan il-qasam interessanti tal-ġenetika, tagħlim magna ilu joħloq jistaqsi u jsaħħaħ il-qasam. Ejja nesploraw u nitgħallmu dwar it-tagħlim tal-magni fl-għażla ġenomika.
X'inhi Eżattament l-Għażla Ġenomika?
L-għażla ġenomika hija teknika użata fit-trobbija tal-annimali u tal-pjanti biex tbassar il-prestazzjoni ta 'individwu abbażi tal-għamla ġenetika tagħhom.
Jinvolvi li tħares lejn id-DNA tan-nies biex issib markaturi partikolari konnessi ma 'karatteristiċi mixtieqa.
Ir-riċerkaturi jistgħu jiddeterminaw il-potenzjal ġenetiku ta 'persuna għal karatteristiċi bħal reżistenza għall-mard, rendiment, jew kwalità billi janalizzaw dawn il-markaturi fil-ġenoma kollu.
Dawk li jrabbu jistgħu jbassru l-prestazzjoni tal-frieħ b'mod aktar preċiż grazzi għall-għażla ġenomika mingħajr il-ħtieġa għal valutazzjonijiet fenotipiċi li jieħdu ħafna ħin u li jiswew ħafna flus.
Billi jippermetti lil dawk li jrabbu jagħżlu individwi bl-aħjar potenzjal ġenetiku għall-programmi tat-tnissil, dan il-metodu jgħin fl-aċċelerazzjoni tal-proċess tat-tnissil billi jippermetti titjib aktar effettiv u ffukat tal-karatteristiċi mixtieqa fil-popolazzjonijiet tal-pjanti u tal-annimali.
Tnissil tal-pjanti permezz ta' għażla ġenomika
It-tnissil tal-pjanti għadda minn rivoluzzjoni grazzi għall-għażla ġenomika, li għaġġlet il-proċess u żiedet ir-rendiment tal-għelejjel.
Iżda biex jiġu indirizzati l-problemi li ġejjin mit-tibdil fil-klima, huwa meħtieġ aktar żvilupp.
Biex isolvu dan, ir-riċerkaturi qed jutilizzaw pangenomes u approċċi avvanzati ta 'tagħlim mill-magni fl-għażla ġenomika.
Il-materjal ġenomiku kollu ta 'speċi, magħruf ukoll bħala l-pangenoma, jippermetti komprensjoni bir-reqqa tal-varjazzjoni ġenetika.
Nistgħu niftħu t-triq għat-titjib tal-uċuħ tar-raba 'u ntaffu l-effetti detrimentali tat-tibdil fil-klima fuq l-agrikoltura billi nħarsu lejn eżempji mit-trobbija tal-għelejjel, nifhmu r-restrizzjonijiet tat-tagħlim bil-magni, u nenfasizzaw il-wegħda ta' dawn it-tekniki.
Pangenomes tal-Pjanti: Tiżvela d-Diversità Ġenomika
Tradizzjonalment, assemblaġġi tal-ġenoma ta 'referenza waħda kienu l-fokus primarju tal-għażla ġenomika, iżda l-pangenomes issa qed isiru aktar prevalenti. Pangenomes tal-pjanti, aktar milli assemblaġġi tal-ġenoma individwali, jirriflettu l-materjal ġenetiku ta 'speċi jew familja.
Varjanti sinifikanti tal-ġeni, inklużi dawk mhux inklużi fl-assemblaġġ ta 'referenza, huma żvelati minnhom. Għal diversi uċuħ tar-raba ', inħolqu pangenomes, li jdawwal l-istorja tad-domestikazzjoni u t-trobbija tal-pjanti.
Il-kombinazzjoni tagħhom mal-għażla ġenetika għadha biss parzjalment effettiva.
Dawk li jrabbu jistgħu jużaw varjetà usa 'ta' markaturi ġenetiċi, itejbu l-eżattezza tat-tbassir u jaqbdu l-konnessjonijiet potenzjali kollha, billi jgħaqqdu l-panġenomi f'għażla ġenomika.
Għażla Ġenomika Ibbażata fuq Tagħlim Magni
L-approċċi tradizzjonali tal-għażla ġenomika għandhom diffikultajiet biex jindirizzaw effetti mhux addittivi bħall-epistasi, l-imprinting ġenomika u l-interazzjonijiet tal-ġenotipi. Billi jissimulaw dawn l-impatti, l-approċċi tat-tagħlim tal-magni jipprovdu tweġibiet vijabbli.
Studji reċenti użaw metodi ta’ tagħlim bil-magni fl-għażla ġenomika, b’riżultati li jvarjaw bejn settijiet ta’ dejta u uċuħ tar-raba’.
Algoritmi ta 'tagħlim bil-magna huma kapaċi jimmaniġġjaw rappreżentazzjonijiet ta' data kkumplikati, bħal fenotipi mħallta u interazzjonijiet bejn fenotipi jew ġenotipi.
Pereżempju, intużaw algoritmi ta' tagħlim bil-magni biex ibassru l-karatteristiċi tal-produzzjoni u tal-kwalità tal-frott f'uċuħ tar-raba' poliplojdi bħall-frawli u l-blueberries.
Filwaqt li dawn is-sistemi għandhom potenzjal kbir, il-fehim tal-interpretabilità tagħhom u l-aġġustament tal-iperparametri huma kritiċi għal applikazzjoni effettiva.
Metodi differenti ta 'Tagħlim Magni
Fi studji ta 'tbassir ġenomika, l-użu ta' tekniki ta 'tagħlim tal-magni qed jikber. Dawn it-tekniki jistgħu jiġu separati f'modi għal tagħlim sorveljat u mhux sorveljat.
Il-metodi ta’ tagħlim sorveljat huma partikolarment utli peress li jistgħu jiskopru mudelli fihom data ttikkettjata u jantiċipaw ir-riżultati.
Filwaqt li diversi studji eżaminaw l-effettività tat-tbassir ta 'approċċi speċifiċi ta' tagħlim tal-magni, ir-riċerka li tqabbel settijiet differenti ta 'metodi hija nieqsa.
Huwa kritiku li wieħed jifhem liema gruppi ta' metodi jaħdmu aħjar u li jiżnu l-benefiċċji u l-iżvantaġġi tagħhom meta mqabbla mal-modi konvenzjonali.
Metodi ta' Tbassir Ġenomika Prometti
Mudelli Lineari Imħallta
Fil-previżjoni ġenomika, mudelli mħallta lineari konvenzjonali wrew li huma affidabbli u utli. Biex jagħtu kont tal-varjazzjoni ġenetika fil-popolazzjoni, dawn il-mudelli jintegraw effetti kemm fissi kif ukoll każwali.
Dawn l-algoritmi jistgħu jbassru b'mod preċiż il-valuri tat-tnissil ġenomika billi jqisu r-relazzjoni individwali.
Minħabba l-prestazzjoni ta 'tbassir kompetittiva tagħhom, l-effiċjenza komputazzjonali, u s-sempliċità, mudelli mħallta lineari huma utilizzati ħafna fit-tnissil tal-pjanti u l-annimali. Huma jeħtieġu inqas parametri ta 'rfinar minn approċċi oħra, li jagħmluhom adattati għall-għażla ġenomika.
Rigressjoni regolarizzata
Għat-tbassir tal-ġenoma, metodi ta 'rigressjoni regolarizzata bħal LASSO (Operatur ta' l-Inqas Assoluti u l-Għażla) u r-rigressjoni tal-linja huma għodod effettivi.
Dawn it-tekniki jippermettu għażla varjabbli u regolarizzazzjoni billi jżidu terminu ta' penali mal-mudell ta' rigressjoni konvenzjonali.
Dawn il-metodi jimmaniġġjaw b'mod effiċjenti data ta 'dimensjoni għolja u jtejbu l-eżattezza tat-tbassir billi jnaqqsu markaturi inqas sinifikanti lejn iż-żero.
It-tekniki ta' rigressjoni regolarizzati huma għażliet attraenti għall-għażla ġenomika kemm fl-istudji tat-tnissil tal-pjanti kif ukoll tal-annimali minħabba li jilħqu kompromess bejn is-sempliċità u l-effettività.
Foresti każwali
Teknika ta 'tagħlim ensemble imsejħa foresti każwali tagħmel tbassir billi tuża siġar tad-deċiżjonijiet. Foresti każwali jistgħu jintużaw biex tiġi vvalutata data ġenomika ta' dimensjoni għolja fil-kuntest ta' tbassir ġenomika.
B'dan il-metodu, jinbnew numru kbir ta 'siġar tad-deċiżjonijiet, kull wieħed imħarreġ fuq subsett każwali ta' markaturi, u t-tbassir tagħhom huma kkombinati biex jipproduċu tbassir wieħed.
Il-foresti każwali huma għodda utli għall-għażla ġenomika minħabba li jistgħu jidentifikaw interazzjonijiet kumplessi u korrelazzjonijiet mhux lineari bejn il-karatteristiċi u l-markaturi.
Il-foresti każwali huma wkoll reżiljenti għall-outliers u jistgħu jakkomodaw dejta nieqsa, li żżid il-valur tagħhom għat-tbassir ġenomika.
ANNs (netwerks newrali artifiċjali)
Artifiċjali netwerks newrali, xi kultant imsejħa ANNs jew netwerks newrali, huma mudelli komputazzjonali li jispiraw mill-arkitettura newrali tal-moħħ tal-bniedem.
Minħabba l-kapaċità tagħhom li jirrikonoxxu mudelli u relazzjonijiet kumplessi fid-dejta, l-ANNs saru dejjem aktar komuni fit-tbassir ġenetiku.
L-ANNs jistgħu jirreġistraw interazzjonijiet mhux lineari bejn markaturi u attributi minħabba l-arkitettura b'ħafna saffi tagħhom u n-nodi interkonnessi (newroni). Dawn in-netwerks jeħtieġu taħriġ bir-reqqa bl-użu ta' settijiet ta' dejta vasti u aġġustament rigoruż tal-iperparametri.
Billi jiżvelaw rabtiet ġenetiċi kumplessi u jidentifikaw mudelli moħbija fid-dejta ġenomika, l-ANNs għandhom il-potenzjal li jżidu l-eżattezza tal-previżjoni ġenomika.
Karatteristiċi fil-mira u Importanza tad-Data
Studji juru li d-dejta partikolari u l-attributi tal-mira li qed jiġu evalwati għandhom impatt fuq il-prestazzjoni tat-tbassir u l-ispejjeż komputazzjonali tal-approċċi tat-tagħlim tal-magni.
Kif jista 'jiġi osservat, iż-żieda ta' kumplessità ma 'approċċi regolarizzati tradizzjonali tista' tirriżulta fi spejjeż kbar tal-kompjuters mingħajr ma neċessarjament tingħata spinta lill-preċiżjoni tat-tbassir.
Investimenti fl-Effiċjenza tal-Kompjutazzjoni
Minħabba d-dipendenza fuq settijiet ta 'dejta u attributi mmirati għall-prestazzjoni ta' tbassir u l-piż komputazzjonali, huwa kritiku li jsir investiment fit-titjib tal-effiċjenza komputazzjonali tal-algoritmi tat-tagħlim tal-magni u r-riżorsi tal-kompjuter.
Dan jgħin biex itejjeb il-preċiżjoni u l-effiċjenza tal-għażla ġenomika.
Konklużjoni - X'Isżomm il-Futur?
It-tagħlim bil-magni fl-għażla ġenomika jidher li għandu futur sabiħ. It-tekniki tat-tagħlim bil-magni għandhom il-potenzjal li jibdlu kompletament it-tbassir ġenetiku hekk kif tiżviluppa t-teknoloġija u r-riżorsi tal-kompjuter isiru aktar disponibbli.
Dawn il-metodi jippermettu l-immaniġġjar ta 'dejta ġenomika ta' dimensjoni għolja, l-iskoperta ta 'mudelli kkomplikati, u żieda fl-eżattezza tat-tbassir.
Billi tiffaċilita għażla aktar mgħaġġla u aktar preċiża ta 'individwi b'karatteristiċi mixtieqa, il-kombinazzjoni ta' algoritmi ta 'tagħlim tal-magni b'għażla ġenomika għandha l-possibbiltà li ttejjeb il-programmi tat-tnissil.
Biex jittejbu dawn it-tekniki, jittrattaw kwistjonijiet komputazzjonali, u jinvestigaw l-applikazzjoni tagħhom għal speċi ta 'pjanti u annimali differenti, huwa meħtieġ aktar studju.
Nistennew li t-tagħlim tal-magni jsir dejjem aktar importanti fl-għażla ġenomika hekk kif tiżviluppa t-teknoloġija, tħaffef ir-rata tal-progress ġenetiku u tgħin lis-settur agrikolu.
Ħalli Irrispondi