Prévision de la résistance des plantes aux maladies basée sur la génomique utilisant l'apprentissage automatique

Résumé Les épidémies de maladies des plantes représentent un défi constant pour la sécurité alimentaire et la durabilité. Les méthodes chimiques traditionnelles utilisées pour traiter les maladies soulèvent des préoccupations environnementales et sanitaires, ce qui accentue la nécessité d'améliorer les mécanismes inhérents de résistance des plantes aux maladies. Les traits, y compris la résistance aux maladies, peuvent être liés à des loci spécifiques dans le génome et l'identification de ces marqueurs facilite les approches de sélection ciblée. Plusieurs méthodes, y compris les études d'association à l'échelle du génome et la sélection génomique, ont été utilisées pour identifier des marqueurs importants et sélectionner des variétés avec des traits souhaitables. Cependant, ces approches traditionnelles peuvent ne pas capturer pleinement les caractéristiques non linéaires de l'effet de la variation génomique sur les traits. L'apprentissage automatique, connu pour ses capacités d'exploration de données, offre une opportunité d'améliorer l'exactitude des approches d'association de traits existantes. Il a trouvé des applications dans la prévision de divers traits agronomiques à travers plusieurs espèces. Cependant, son utilisation dans la prévision de la résistance aux maladies reste limitée. Cette revue met en évidence le potentiel de l'apprentissage automatique en tant qu'outil complémentaire pour prédire les loci génétiques contribuant à la résistance aux pathogènes. Nous fournissons un aperçu des méthodes traditionnelles de prédiction des traits, résumons les applications de l'apprentissage automatique, et abordons les défis et les opportunités associés à la prédiction de la résistance des cultures aux maladies basée sur l'apprentissage automatique.