一种GxE深度学习模型应用甘蔗耐酸铝性预测的方法

本发明公开了一种GxE深度学习模型应用甘蔗耐酸铝性预测的方法，包括以下步骤：整合甘蔗种植数据来源；采用XGBoost+SHAP进行初步特征筛选；通过MIC+层次聚类进行特征去冗余；使用生成器，设计条件式Wasserstein GAN生成高质量合成数据；采用MMD全局检验、KL散度核心基因验证、环境‑基因动态关联分析三级评估流程；基于噪声注入与鲁棒重构的层级式自编码架构，获得降噪数据；捕捉基因表达的时间动态特征；抑制或增强特定基因表达；全连接预测输出甘蔗抗酸铝性概率。本发明显著提升了甘蔗耐酸铝性预测的准确性和可解释性。