基于自动化CNN模型的小麦非生物胁迫性状SNP预测方法

本发明涉及人工智能技术领域，具体是基于自动化CNN模型的小麦非生物胁迫性状SNP预测方法，该方法从GWAS Atlas数据库收集了与小麦相关的GWAS数据，并构建了一个高质量的突变位点数据集；使用DNA原始序列、基于文本的特征以及基于结构的特征对数据集进行特征提取，使用SHAP方法对输入特征的重要性进行排序并辅助特征选择，解释预测模型的结果；然后构建了一个自动架构搜索框架，采用自动神经架构搜索，使模型在指定的搜索空间内进化，在验证集上实现最佳性能，并在测试集上评估模型的精确度、AUPR和AUC。本发明提供了一种高效、准确且可解释的深度学习框架，用于预测小麦生物胁迫相关的SNP，从而推动小麦抗逆育种和基因组学研究的发展。