Agronomy 线上研讨会:大数据与AI 时代关联分析方法学的理论与应用研究

Agronomy 线上研讨会:大数据与AI 时代关联分析方法学的理论与应用研究 | MDPI Seminar

点击左上角“MDPI生物与生命科学”关注我们，为您推送更多最新资讯。

随着组学技术和AI 的迅猛发展，全基因组关联分析正面临群体规模变大、标记数量与类型增多、依变量数据类型多样化和气候变化加剧的新挑战，且鉴定基因、基因×环境互作和基因×基因互作的需求日益增强。为应对这些挑战与需求，在大数据和AI 时代，需要更新基因鉴定的全基因组扫描框架，更全面考虑关联分析混合模型的遗传组成，更好地融入数学、统计学和AI 新算法，通过关联不同遗传育种群体多组学等依变量与不同标记类型自变量，以鉴定更多与复杂性状真关联的标记，挖掘更多的复杂性状的真基因，为多基因性状遗传改良提供关键基因，为应对气候变化提供特异环境的优异等位基因和育种材料，为低成本全基因组选择提供真关联标记，为破译复杂性状基因分子机制提供优异基因资源。本次研讨会主要讨论大数据和AI 时代关联分析的新算法及其在全基因组选择和作物育种中的应用。

会议信息

会议时间

2026年7月3日 19: 00-21: 30

小鹅通直播通道

复制下方链接至官网或识别二维码，进入小鹅通直播间。

https://9g0ug.xetlk.com/sl/1wVF9I

视频号直播预约

会议议程

19:00-19:10

主席致辞

会议主席章元明教授

19:10-20:10

大数据和AI 时代关联分析QTN、环境互作和上位性检测的Fast3VmrMLM 方法及其软件包

章元明教授

王靖天博士

20:10-20:40

人工智能驱动生物大数据解码基因型-环境互作

何坤辉博士

20:40-21:10

利用多组学整合新策略阐明棉花种子性状的遗传基础

范李强博士

21:10-21:30

提问交流环节

参会人员

研讨会报告介绍

报告题目

大数据和AI 时代关联分析QTN、环境互作和上位性检测的Fast3VmrMLM 方法及其软件包

报告简介

首先，在引言中介绍了复杂性状由数百上千个基因、环境互作和上位性控制。虽然关联分析是检测它们的主要方法，但是目前的流行方法存在很多问题和挑战；其次，针对现有关联分析方法学存在的问题，我们原创了压缩方差组分混合模型和3VmrMLM 算法，并介绍其应用实例和专家评价；第三，针对3VmrMLM 算法的存在问题，我们发展了大数据和AI 时代关联分析Fast3VmrMLM 新算法，包括方法学框架、科学进展、应用实例、作物育种中的应用潜力和专家评价；最后，总结主要结论。它有效突破了传统方法在显性、小效应、小等位基因替代效应和稀有位点检测中的“视野盲区”；拓展到基因×气象因素互作检测；化解了大数据的“算力壁垒”和高端芯片的“卡脖子”难题；提供了功效高、速度快、适用范围广、计算设备小和消耗低的算法和计算平台。

Fast3VmrMLM 是面向大规模全基因组关联分析 (GWAS) 的高效遗传分析软件包，采用“全基因组扫描+机器学习”的分析框架，可用于数量性状位点 (QTN) 检测、QTN×环境互作 (QEI) 和QTN×QTN 互作的检测。该软件兼顾统计功效、运行速度和硬件成本，支持大样本、海量标记数据的关联分析，并可支持至SNP、单倍型、结构变异和分子数量性状位点等多类型分子标记的关联分析。报告将围绕Fast3VmrMLM 的安装、数据准备、基本使用和常见注意事项展开。

报告题目

人工智能驱动生物大数据解码基因型-环境互作

报告简介

作物生长表现由基因型、环境及二者互作共同决定，解析其互作遗传机制是培育气候适应性品种的重要途径。本研究基于大规模多环境玉米杂交种田间试验，系统评估了环境及基因型-环境互作对产量相关性状的影响，证实了环境数据在提高全基因组预测模型精度中的重要贡献。在此基础上，提出了一种整合遗传与环境数据的全基因组选择自动化机器学习框架：通过发育阶段对齐的降维环境参数建立环境-表型线性关系以量化环境对表型的影响；结合3VmrMLM 全基因组关联分析挖掘环境稳定及互作相关标记；将环境数据与性状关联标记同步纳入基因组预测模型，预测精度较传统全基因组标记方法提升14.02%–28.42%，且计算效率显著优化。研究为培育气候适应性品种提供了创新性技术方案。

报告题目

利用多组学整合新策略阐明棉花种子性状的遗传基础

报告简介

杨作仁研究员团队聚焦棉花种子大小调控的遗传基础，开展多组学整合解析研究。研究依托自主构建的高通量智能种子表型平台，对413份陆地棉自然群体完成7项种子性状精准测定；基于3VmrMLM 和Fast3VmrMLM 模型的全基因组关联分析 (GWAS) 联合加权基因共表达网络分析 (WGCNA) 的共定位策略，高效筛选出关键基因GhCSS10。通过RNA干扰与过表达转基因材料验证，证实该基因正向调控棉花种子发育；代谢组分析进一步揭示其介导种子发育早期能量激活、后期物质沉积的阶段特异性代谢转换机制。本研究为棉花种子性状分子育种提供了关键基因资源与理论依据。

会议主席介绍

章元明教授

华中农业大学

博士，二级岗教授，博导，教育部新世纪人才。中国农业生物技术学会理事，科睿唯安2025全球高被引科学家；Heredity 等杂志编委。在国际上发表第1篇关联分析混合模型方法学论文；提出的多位点关联分析方法已在80多个国家、地区和国际学术组织应用；原创性建立的压缩方差组分混合模型和3VmrMLM 方法解决了关联分析的QTN、环境 (气象因素) 互作和上位性检测与效应估计的难题，并推进到数十万品种QTN、数十个环境的环境互作和数十万标记间上位性的关联分析；研制了Fast3VmrMLM、IIIVmrMLM 和mrMLM 软件。发表学术论文近200篇，其中Natl Sci Rev、Mol Plant 和Plant Cell 等SCI 论文126篇。获教育部和湖北省自然科学二等奖各1项；《生物统计与田间试验》国家精品课程负责人；主编的《生物统计学》部级规划教材获2020年度全国农业教育优秀教材。

参会代表简介

王靖天博士

华中农业大学

华中农业大学博士后，合作导师为章元明教授。主要从事数量遗传学、统计遗传学及大规模全基因组关联分析方法学研究，工作涵盖数量遗传学理论、统计建模与高效算法开发，聚焦作物复杂性状基因、基因×环境互作和基因×基因互作的鉴定及其在智慧育种中的应用。围绕多环境、多组学大规模数据的关联分析，提出适用于复杂性状的Fast3VmrMLM 和适用于二分类性状的FastBiCmrMLM 等新算法，并研制相应高性能软件包。相关成果以第一或共一作者在Natl Sci Rev、Plant Commun、Genomics Proteomics Bioinformatics 和Brief Bioinform 等期刊上发表。

何坤辉博士

中国农业科学院

本硕毕业于西北农林科技大学，博士毕业于中国农业大学，中国农业科学院国家南繁研究院博士后，现为中国农业科学院作物科学研究所/国家南繁研究院助理研究员。针对作物育种中面临的养分高效、抗逆性及品种环境适应问题，以玉米为主要研究作物，系统开展了氮效率遗传解析、根系构型基因挖掘以及基于人工智能和环境大数据的全基因组选择方法等方面的研究工作。在Advanced Science、Science China Life Sciences、Theoretical and Applied Genetics、The Crop Journal 等期刊发表学术论文20余篇，授权发明专利10项，主持科技创新2030重大项目子课题等科研项目6项。

范李强博士

中国农业科学院

四川大学硕士，新疆农业大学博士。就职于中国农业科学院西部农业研究中心，助理研究员。长期从事棉花基因组、转录组和代谢组等多组学分析，种子和纤维发育相关机制研究，先后以第一/通讯作者 (含共同) 在Plant Biotechnology Journal、Plant Communications、Journal of Advanced Research、Artificial Intelligence in Agriculture、Computers and Electronics in Agriculture等期刊上发表论文17篇，主持新疆自治区面上项目，新疆自治区重大专项子课题等项目。

特刊推荐

Genome-Wide Association Studies and Breeding by Design for Complex Traits in Diverse Environments

Edited by Yuan-Ming Zhang

Submission deadline: 31 December 2026