一种基于深度学习的全基因组选择方法

本发明涉及深度学习和动植物分子育种领域，公开了一种基于深度学习的全基因组选择方法EBMGP。本发明结合了基于弹性网(Elastic Net,EN)的特征选择方案来优化特征集，以减少计算负担并提升预测准确性。通过采用双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)嵌入将SNP模拟为类似人类语言的结构，有效地捕捉了单个SNP以及连锁不平衡区块层面的复杂遗传相互作用。此外，本发明还提出了多头注意力池化(Multi‑head attention pooling)技术，能够在学习来自多个子空间的特征时，智能地为特征分配权重，实现对高层次的语义信息的深入理解。相较于7个参比模型，本发明在五个不同任务中均展现出卓越的平均预测精度。因此EBMGP是一种很有前景的全基因组选择模型。