DPCformer는 전체 유전체 정보를 사용하여 작물 표현형을 예측하고 육종을 가속화하는 유전체 선택(GS)을 위한 딥러닝 모델입니다. 이 모델은 복잡한 유전자형-표현형 관계를 모델링하기 위해 컨볼루션 신경망과 자체 주의 메커니즘을 통합합니다. DPCformer는 5가지 작물(옥수수, 면, 토마토, 쌀, 병아리콩)의 13가지 형질에 적용되었으며, SNP 데이터에 8차원 one-hot 인코딩을 사용하고 특징 선택을 위해 PMF 알고리즘을 사용합니다. DPCformer는 기존 방법에 비해 예측 정확도를 향상시켰습니다.
시사점, 한계점
•
시사점:
◦
DPCformer는 복잡한 형질 및 대규모 데이터 세트에 대한 예측 정확도를 향상시켰습니다.
◦
옥수수에서 수염이 트는 데 걸리는 기간 및 키와 같은 형질에 대한 정확도가 최대 2.92% 향상되었습니다.
◦
면에서 섬유질 특성에 대한 정확도 향상이 최대 8.37%에 달했습니다.
◦
토마토 소규모 샘플 데이터에서 주요 형질의 Pearson 상관 계수가 최대 57.35% 증가했습니다.
◦
병아리콩에서 수확량 상관 관계가 16.62% 향상되었습니다.
◦
소규모 샘플 시나리오에서 강력한 성능을 보였으며, 정밀 육종 도구로서의 잠재력을 보여주었습니다.
