GSCNN: Un modelo de red neuronal convolucional de selección genómica basado en características de genotipo de SNP y distancia física y estrategia de aumento de datos

Resumen Antecedentes La selección genómica (GS) se muestra como un método efectivo para aumentar la eficiencia en la cría de plantas y animales. El aprendizaje profundo muestra una flexibilidad notable y una vasta capacidad de representación, lo que le permite captar asociaciones complejas, y se considera uno de los modelos más prometedores para GS. Métodos El presente estudio propuso una técnica de aprendizaje profundo llamada red neuronal convolucional de selección genómica (GSCNN) que introduce innovación en tres aspectos. GSCNN codifica los polimorfismos de nucleótido único (SNP) adyacentes utilizando los genotipos y la distancia física (PD) entre SNP, permitiendo una determinación más precisa de las complejas relaciones asociativas de los SNP. En segundo lugar, generamos nuevas muestras perturbando secuencias de SNP basadas en cromosomas para resolver el problema de escasez de datos y mejorar el rendimiento del modelo de aprendizaje profundo de GS. Además, la GSCNN utiliza técnicas avanzadas de aprendizaje profundo: incrustación de Representación de Codificador Bidireccional de Transformadores (BERT) y agrupamiento de atención - para interpretar la información de biosecuencias. Resultados En comparación con modelos de GS ampliamente utilizados, como la predicción lineal no sesgada, el espacio de Hilbert de núcleo reproductor, Bayes B, la lasso bayesiana y el estudio de asociación de genoma completo utilizando aprendizaje profundo, la GSCNN demostró un rendimiento superior en seis tareas de predicción. Conclusión La GSCNN es un modelo prometedor para GS y proporciona una referencia para aplicar el aprendizaje profundo a otros campos de ciencias de la vida.