《Crop Science》:Can artificial intelligence effectively mimic a maize breeder's selection decisions?
编辑推荐:
遗传改良依赖于多性状选择决策,育种家从较大群体中筛选出一部分候选材料。本研究的目标是评估人工智能能否通过机器学习有效模拟玉米(Zea mays L.)的选择决策。七位经验丰富的玉米育种家基于环境内和环境间的表型数据,独立对七个双亲群体做出选择决策。研究人员通过
遗传改良依赖于多性状选择决策,育种家从较大群体中筛选出一部分候选材料。本研究的目标是评估人工智能能否通过机器学习有效模拟玉米(Zea mays L.)的选择决策。七位经验丰富的玉米育种家基于环境内和环境间的表型数据,独立对七个双亲群体做出选择决策。研究人员通过两种线性模型和四种非线性模型模拟这些选择决策。在跨群体预测中,对于最佳预测模型,随机一个被育种家选中的候选材料排在随机一个未被选中候选材料之前的概率约为0.90。这一高概率不受育种家选择比例的影响,并且机器学习精确复现了约70%–80%的育种家决策。模型在识别被淘汰的候选材料方面优于识别被选中的候选材料。逻辑回归(Logistic regression)和梯度提升(Gradient boosting)表现最佳,而k-最近邻(k-nearest neighbors)表现最差。超参数调优并未改善模型性能。将对照杂交种纳入预测模型并无帮助。正如预期,产量是最重要的性状,而选择对较低水分、较高容重、较矮株高和较低穗位的倾向较弱但总体一致。总体而言,本研究的发现表明,玉米育种家的选择决策具有可学习的结构,其一致性足以在决策支持系统中得到有效建模。研究人员推测,随着用于训练模型的数据不断增加,机器学习模拟玉米选择决策的有效性只会进一步提高。
人工智能模拟玉米育种选择决策的研究解读
研究背景与问题
植物育种本质上是一个多性状选择过程,育种家需要同时考虑产量、水分、容重、株高、穗位等多个性状,从大量候选材料中筛选出最优个体进行下一步测试或品种释放。尽管已有多种多性状选择指数被开发出来,但在实际应用中,育种家往往依靠直觉和经验而非正式的选择指数做出判断,这使得选择决策具有一定的主观性和不确定性。
目前,人工智能和机器学习已被广泛应用于植物性状值的预测,但能否直接模拟育种家在多性状整合过程中的选择决策仍是一个未解之谜。与预测具体性状值不同,模拟选择决策需要建模决策边界——即区分被选中和未被选中候选材料的多元输入到分类输出的映射关系。此外,不同育种家在面对同一群体时可能做出不同的选择,同一育种家在不同群体中也可能采用不同的性状权衡策略,这增加了建模的复杂性。
因此,本研究旨在评估机器学习分类模型能否有效模拟玉米育种家的多性状选择决策。如果能够实现有效模拟,则可以开发决策支持系统,帮助育种家从每年大规模评估的杂交种中快速识别最有潜力的候选材料,甚至发现可能被忽视的优秀材料。
研究方法与技术路线
本研究使用了来自美国AgReliant Genetics公司育种计划的四个双亲杂交组合(A/B、C/B、C/D和E/F)衍生的双单倍体(DH)材料,这些材料分别与一个或两个非BSSS测验种测交,形成七个测交群体,于2008至2012年间在美国玉米带10至18个环境中进行了田间试验。七位具有丰富经验的博士级玉米育种家(来自Bayer、Corteva、Limagrain和Syngenta等公司)独立对每个群体的表型数据进行评估并记录选择决策。研究人员采用了六种机器学习分类模型进行模拟:逻辑回归(Logistic regression)、弹性网络(Elastic net)、梯度提升(Gradient boosting)、随机森林(Random forest)、支持向量机(Support vector machine)和k-最近邻(k-nearest neighbors)。模型验证采用三种策略:群体内交叉验证、留一群体法跨群体预测,以及加入对照杂交种信息的跨群体预测。评价指标包括准确率(Accuracy)、F1分数和ROC-AUC(受试者工作特征曲线下面积)。
研究结果
3.1 育种家选择决策
七个群体中测试的测交种数量从44到248不等。不同育种家的选择比例差异很大,从B1在C/B(T1)和C/B(T2)群体中的3%到B5在C/D(T3)群体中的57%。在同一群体内,不同育种家的选择比例也不同,例如C/D(T3)群体中,B1和B7只选择了9%,而B5选择了57%。
3.2 群体内预测育种家选择
群体内分析显示育种家选择决策具有内部一致性,各育种家-模型组合的ROC-AUC值范围为0.76至0.98,多数超过0.85。线性模型(逻辑回归和弹性网络)的表现与非线性模型相当或更优,其中逻辑回归和随机森林的平均ROC-AUC均为0.93,而梯度提升和k-最近邻最低,均为0.87。
3.3 不含对照的跨群体预测
跨群体预测的效果低于群体内预测,ROC-AUC值降至0.63至0.91。线性模型在各育种家中表现稳定,常达到接近0.90的ROC-AUC值。梯度提升在多个育种家中表现出较高的准确率和F1分数。k-最近邻在所有三个指标上持续表现最差,ROC-AUC通常低于0.75,F1分数通常低于0.25。
3.4 超参数调优后的跨群体预测
超参数调优后,弹性网络的ROC-AUC有所提高,但常伴随着准确率和F1分数的下降。k-最近邻仍然是最差的模型。梯度提升在调优后保持了较好的ROC-AUC、准确率和F1分数平衡。整体来看,使用固定超参数作为默认做法更为简便高效。
3.5 含对照的跨群体预测
将对照杂交种数据纳入跨群体预测并未带来更好的模拟效果,ROC-AUC值与不含对照时的范围重叠,未出现整体提升。
3.6 回顾性选择指数
回顾性选择权重显示,产量是所有育种家和所有群体中最重要性状。其他性状的权重在大小和方向上均有变化:水分的平均权重多为负值,容重均为正值,株高和穗高的权重绝对值较小且通常为负值。
讨论与结论
本研究的主要发现是,人工智能可以通过机器学习有效模拟玉米育种家的选择决策,其效果足以在实际育种工作中发挥作用。在跨群体预测中,最佳模型的ROC-AUC值达到0.88至0.91,意味着随机一个被育种家选中的候选材料排在随机一个未被选中候选材料之前的概率约为90%。最佳模型可以精确复现约70%至80%的育种家决策,且模型在识别被淘汰的材料方面优于识别被选中的材料。
线性模型的表现与复杂的非线性模型相当,表明育种家的决策边界近似线性或低维。梯度提升在准确率和F1分数方面表现最佳,逻辑回归和弹性网络也表现良好。k-最近邻持续表现最差,不推荐用于模拟玉米选择决策。超参数调优带来的收益有限,不建议作为默认做法。对照杂交种数据的加入未能提升模拟效果。
研究结论指出,玉米育种家的选择决策具有可学习的结构,其一致性足以在决策支持系统中得到有效建模。随着更多历史数据的积累,机器学习的模拟效果预计将进一步改善。该决策支持系统可以帮助育种家预先排序候选材料,使其能将更多时间用于审查最有潜力的个体。同时,研究者建议将机器学习的课程和实践培训纳入当今植物育种硕士和博士研究生的大学课程体系。