Resformer：基于残差网络与Transformer的基因型×环境互作基因组预测模型

《Agriculture》：Genomic Prediction with Genotype-by-Environment Interaction Using a Residual Network and Transformer Framework

　　

摘要

基因型、环境及其相互作用共同决定了作物的表型。虽然整合基因型和环境数据有可能提高基因组预测性能，但大多数现有方法未能充分纳入环境因素或作物的实际生长条件，其预测准确性仍不理想。在本研究中，我们提出了 Resformer，一种结合残差网络与 Transformer 架构的基因型 × 环境互作基因组预测模型。该模型采用门控卷积和 Transformer 来捕获遗传特征，残差网络和全连接层来提取环境特征，并通过交叉注意力机制来建模基因型 × 环境互作。我们在 G2F 数据集上评估了 Resformer，并将其与三种传统机器学习方法和两种最先进的基因型 × 环境互作方法进行了比较。实验结果表明，Resformer 始终能取得更好的预测性能，证实其在作物育种基因组选择中的有效性和泛化能力。