2025全基因组选择&智能设计育种实操演练学习交流会
全基因组选择（Genomic selection, GS）是利用覆盖全基因组的高密度标记进行选择育种的新方法，作为新一代的育种技术，它通过构建预测模型，根据全基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。种子是农业的芯片，全球育种技术正在经历一场深度变革，随着生物技术、信息技术的发展，设计育种已经成为我们新的研究方向，而人工智能（AI）的赋能，正推动设计育种向精准化、智能化的进一步发展，推动育种技术从依赖经验迈向数据驱动、智能设计的新时代。
多年来，中国农业科学院作物科学研究所作物智能设计算法模型课题组（原作物数量遗传课题组）基于高通量组学数据，持续开展复杂性状重要基因定位、生物信息学、统计基因组学和数量遗传学的相关研究，利用人工智能等前沿信息技术，致力于打造“数据-技术-算法-决策”一体化的大数据遗传育种智能设计与决策平台，在定向设计、高效培育新品种的新兴前沿技术上开展创新研究并硕果累累。继2024年成功研发出全流程智慧育种平台后，今年初在Advanced Science上发表 AutoGS 方法，又于近日成功研发出面向复杂性状预测的可解释机器学习框架 EXGEP，用于精准建模作物表型中的基因型与环境互作（G×E）效应。AutoGS 与 EXGEP 在设计理念与应用场景上各有侧重、优势互补，系统构建起一套兼具可解释性、广泛适应性与跨物种迁移能力的G×E建模解决方案体系，显著提升了复杂性状在多环境条件下的预测精度，展现出优异的泛化能力，为推动多物种、多区域和不同遗传背景下的作物遗传改良与精准育种提供了有力的人工智能工具支撑。
为响应广大学员的学习需求，进一步推动育种技术向数据驱动、智能设计的高质量发展，中国农业科学院作物科学研究所作物智能设计算法模型课题组王建康研究员和李慧慧研究员将于2025年11月8~10日携生物信息学专家为我们系统讲授基于机器学习和深度学习算法的全基因组选择与智能设计育种课程。
本次课程（课程表附后）遵循理论学习+实操演练相结合的原则，兼顾身处不同学习阶段学员的需求，将从田间实验设计与统计学基础知识、基因组选择概述入手，涵盖了利用经典统计（GBLUP，RRBLUP）和贝叶斯模型、基于机器学习算法的全基因组选择模型（SVM，KRR，RF，XGBoost，GBDT，LightGBM）实现全基因组预测；模型优化及实施目标群体预测；基于高通量基因组数据预测功能基因的深度学习模型、利用高通量转录组数据预测功能基因以及基于高通量代谢组数据预测功能基因的大语言模型。尤其是将最新成果融入本次课程体系，新增了基因型与环境互作的AI算法及育种流程的模拟和优化，并系统讲解基因型与环境互作集成软件AutoGS+EXGEP，在此基础上，对每个模型做详细的预测演示和交叉验证结果评价并实现可视化，构建多性状遗传互作网络，掌握基于深度学习的全基因组预测，带我们实现从“零基础”到“会育种”再到“慧育种”的完美转变。
培训形式
形 式：腾讯会议线上直播（课程免费回放三个月）
时 间：2025年11月8~10日
课程对象
所有从事植物、动物、林木、水产、微生物等的遗传育种、数量遗传学及相关领域研究的在读研究生、科研人员及企业研发人员。
课程收获
1. 熟练掌握基因组大数据统计分析和群体结构亲缘关系构建；
2．系统学习经典统计GBLUP、RRBLUP和贝叶斯模型，能够独立运用经典统计模型进行全基因组预测，实施目标群体预测；
3．系统学习基于机器学习算法的全基因组预测流程，能够独立运用SVM、KRR、RF、XGBoost、GBDT及LightGBM模型进行全基因组预测，进行交叉验证结果评价，实现预测结果的可视化，模型优化及实施目标群体预测；
4. 系统学习基于高通量基因组数据预测功能基因的深度学习模型、利用高通量转录组数据预测功能基因以及基于高通量代谢组数据预测功能基因的大语言模型；
5. 系统学习基因型与环境互作的AI算法与大语言模型基本原理，掌握基因型与环境互作集成软件AutoGS+EXGEP。
课程安排
日期 | 上午8:30-11:30（理论＋实操） | 下午14:00-17:00（理论+实操） |
11月8日 星期六 | 田间试验设计与统计分析 | 全基因组预测模型与算法 |
Ÿ 试验设计的作用与学科地位 Ÿ 试验设计的种类和基本原理 Ÿ 常见田间实验设计 Ÿ 多环境试验设计与统计分析 Ÿ R语言基础初步 Ÿ QTL IciMapping软件方差分析功能的使用 | Ÿ 全基因组选择介绍 Ÿ 经典统计GBLUP、RRBLUP和贝叶斯模型介绍 Ÿ 交叉验证及模型评价 Ÿ 基因型数据清洗 Ÿ 群体结构、亲缘关系构建 Ÿ 全基因组选择群体构建经典统计模型预测演示 Ÿ 育种群体预测 Ÿ BGLR软件包的使用 |
11月9日 星期日 | 机器学习基本理论与方法 | 机器学习与全基因组预测 |
Ÿ 机器学习基本原理 Ÿ 基于机器学习算法的全基因组预测流程 Ÿ 基于高通量基因组数据预测植物功能基因的深度学习模型、模型优化及实施目标群体预测 | Ÿ SVM，KRR，RF，XGBoost，GBDT及LightGBM模型介绍 Ÿ 基于SVM，KRR，RF，XGBoost，GBDT及LightGBM模型实现基因组预测 |
11月10日 星期一 | 深度学习与大语言模型 | 育种模拟预测与优化设计 |
Ÿ 深度学习基本原理 Ÿ 基于深度学习算法的全基因组预测 Ÿ 基因型与环境互作AI算法 Ÿ 大语言模型基本原理 Ÿ 深度学习全基因组预测软件 Ÿ 基因型与环境互作集成软件GxEtoolkit：AutoGS+EXGEP Ÿ 基于高通量转录组数据预测植物功能基因的大语言模型 Ÿ 基于高通量代谢组数据预测植物功能基因的机器学习模型 | Ÿ 作物育种一般流程 Ÿ 育种仿真模拟的基本原理 Ÿ 育种流程仿真模拟工具ISB Ÿ 仿真模拟的育种应用实例 Ÿ 育种目标性状的遗传信息和遗传模型构建 Ÿ 育种流程的数字化表示 Ÿ 利用ISB模拟工具设计并开展育种模拟试验，优化育种流程 |
软件安装：
1）安装anaconda或miniconda
2）安装R及Rstudio软件平台
3）配置Jupyter Notebook环境
注：相关软件和预习资料请在报名交费后于会务人员处获取，电话15210096658（微信同号）
收费标准
学时3天，3200元/人（包含3个月的视频回放）。
优惠1：三人及以上成团，团购价2900元/人。
优惠2：早鸟优惠，10月10日之前报名并交费尊享3100元/人。
（温馨提示：两项优惠任选其一，不可叠加使用。）
扫码报名
扫描或长按识别下方二维码，填写报名信息，提交并支付汇款，即为报名成功，报名截止于2025年10月31日17:00，届时报名通道将自动关闭。
提交报名信息后，会务人员会及时与您取得联系，过程中如遇问题请致电或微信：15210096658。
交费方式
1. 转账汇款
收款单位：北京金智研生物科技有限公司
开户银行：中国工商银行股份有限公司北京中海凯旋支行
账号：0200205009200045825
2. 个人扫码支付
对于不能及时由单位转账的学员，可接受个人垫付的形式，我们在收到报名费后，会及时为您开具发票协助办理报销事宜。扫描下方二维码（支持公务卡、银联卡、信用卡）即可完成支付。如遇问题，请致电或微信：15210096658。
温馨提示：汇款时请备注“姓名+全基因组选择”
注意事项
1. 会议通知：以下链接为本期学习交流会的《会议通知》，请自行下载保存。
2. 关于发票：请准确填写报名表单的发票信息。在此过程中，您有任何问题可以先行与我们沟通联系，我们都将为您做出详细解答，电话：15210096658（微信同号）。
联系方式
1电话：杨老师：15210096658
徐老师：15001277701，010-88608002
2 QQ: 3442810497
3网址：www.jinzhiyanbio.com
