基于机器学习的葡萄抗寒性状全基因组选择育种方法

本发明公开了基于机器学习的葡萄抗寒性状全基因组选择育种方法，该方法通过对352份葡萄种质资源进行全基因组重测序和冰点检测，开展全基因组关联分析，从而获得与抗寒性状相关的变异位点数据集。随后，利用10种经典的回归模型对降维后的变异位点数据集进行训练，实现了葡萄抗寒性状的表型训练与评估。最终，采用贝叶斯回归模型和4189个变异位点，在训练集中达到了82.2%的预测准确率，在测试集中预测值与真实值之间的皮尔森相关系数达到95%。本发明涉及葡萄抗寒性状全基因组选择育种技术领域。该基于机器学习的葡萄抗寒性状全基因组选择育种方法，显著降低了葡萄杂交后代的筛选成本，提高了抗寒育种的效率，具有重要的育种应用价值。