2024年10月，浙江大学农业与生物技术学院棉花团队在Crop Design上发表了题为“Predicting cold-stress responsive genes in cotton with machine learning models” 的研究论文，利用机器学习模型实现棉花冷胁迫响应基因的精准预测。
正文内容导读
Gossypium hirsutumGossypium barbadenseGossypium arboreum
结论与未来展望
综上，本研究首次将机器学习技术应用于棉花冷响应基因的系统性分析，采用三种经典机器学习算法开展冷胁迫响应基因预测。在模型构建前，研究团队对121项特征进行了全面评估，涵盖基因组序列特征、表达谱数据、功能注释信息及保守性分析等维度。研究发现，单一特征的独立预测效能有限，而通过机器学习框架整合多维度特征可显著提升预测精度。本研究重点探索了基于基因组 DNA 序列训练的机器学习模型，结果表明该类序列特征在冷响应基因预测中发挥关键作用。进一步将模型扩增应用于亚洲棉（Ga）和海岛棉（Gb）等近缘物种，成功实现了冷响应基因的有效预测。鉴定响应冷胁迫的基因对于培育更有抗逆性的棉花品种至关重要。
浙江大学棉花精准育种团队已毕业硕士生张梦珂为该论文第一作者，浙江大学棉花精准育种团队赵汀研究员为论文的通讯作者。浙江大学棉花精准育种团队关雪莹研究员、浙江大学海南研究院张志远副研究员、浙江大学海南研究院助理研究员汪露瑶、河北省农林科学院旱作农业研究所助理研究员周娜、浙江大学海南研究院硕士生邓雅元、施王鸿、王恒共同参与了这项研究。本研究得到了三亚市科技产业和信息化局、浙江大学海南研究院科研创业基金、河北省农林科学院青年科技人才国内培养计划项目的部分资助。
原文链接：
https://doi.org/10.1016/j.cropd.2024.100085