适用于低深度测序的目的性状的预测方法、适用于低深度测序的全基因组选择模型
申请号:CN202511452826
申请日期:2025-10-13
公开号:CN120932742A
公开日期:2025-11-11
类型:发明专利
摘要
本发明提供了一种适用于低深度测序的目的性状的预测方法、适用于低深度测序的全基因组选择模型,涉及生物技术领域。本发明提供的适用于低深度测序的目的性状的预测方法和全基因组选择模型,利用低深度全基因组重测序数据结合机器学习技术,能够在有限数据量下实现待测样品目的性状精准预测,二者配合能够提升基因组选择效率,降低育种或医学研究的时间与经济成本,尤其适用于需快速迭代的大规模遗传分析场景。
技术关键词
全基因组测序数据
全基因组关联分析
隐马尔可夫模型
训练分类模型
贝叶斯模型
位点
深度神经网络
随机森林
机器学习技术
模块
面板
软件
算法
医学
场景
生物