一种基于卷积-长短时记忆神经网络的育种方法

本发明提供了一种基于卷积‑长短时记忆神经网络的育种方法，包括：对目标材料进行表型与基因型处理，得到训练数据集，包括基因型数据和表型数据；将训练数据集输入至卷积‑长短时记忆神经网络中进行训练和验证，得到训练好的预测模型；将待测数据输入至预测模型中，得到未知表型品种的育种值(或表型值)；利用预测结果指导育种决策。本发明根据基因组数据含有噪声，具有位置效应且会因物种和测序方法产生较大差异的特性，提出了根据基因标记数量改变结构的卷积‑长短时记忆神经网络框架，及相应的噪声过滤和模型训练结果评价方法，构建一种有更好可解释性、符合遗传学规律、有普适性的深度学习育种方法，提高了育种效率。