一种可解释性机器学习基因组预测方法及装置

本发明公开一种可解释性机器学习基因组预测方法及装置，属于生物育种、生物信息与机器学习结合技术领域，利用先进的机器学习算法，结合生物学先验信息进行参数优化，通过处理多源数据(基因组、转录组、表观遗传数据)、动态特征工程(PCA与PHATE降维)、多种机器学习模型有机结合，以及基于网格搜索与麻雀搜索算法的自动化调参框架，显著提升基因组预测精度与计算效率；同时，基于SHAP值实现模型的可解释性，量化SNP位点贡献，为精准育种提供参考，适用于动植物分子育种和医学遗传分析，可加速高价值性状的遗传解析，辅助精准育种决策与疾病风险预测，推动“经验育种”向“智能育种”的跨越式发展。