Key points are not available for this paper at this time.
A seleção altamente eficiente e precisa de genótipos elite pode levar a uma redução drástica do ciclo de melhoramento em culturas importantes para sustentar a demanda atual por alimentos, ração e combustível. Em contraste com abordagens clássicas que enfatizam a necessidade de fenotipagem intensiva em recursos em todas as etapas da seleção artificial, a seleção genômica reduz drasticamente a necessidade de fenotipagem. A seleção genômica depende dos avanços em aprendizagem de máquina e da disponibilidade de dados de genotipagem para prever características fenotípicas agronomicamente relevantes. Aqui, fornecemos uma revisão sistemática das abordagens de aprendizagem de máquina aplicadas à seleção genômica de características únicas e múltiplas em culturas importantes na última década. Enfatizamos a necessidade de coletar dados sobre fenótipos intermediários, por exemplo, níveis de metabolitos, proteínas e expressão gênica, juntamente com o desenvolvimento de técnicas de modelagem que podem levar a melhorias adicionais na seleção genômica. Além disso, fornecemos uma visão crítica dos fatores que afetam a seleção genômica, com atenção à transferibilidade de modelos entre diferentes ambientes. Finalmente, destacamos os aspectos futuros da integração de dados fenotípicos moleculares de alta taxa de rendimento das tecnologias ômicas com redes biológicas para a melhoria de culturas.
Tong et al. (Ter,) estudaram essa questão.