《Industrial Crops and Products》：NASGP: An efficient and interpretable neural architecture search framework for plant genomic prediction
编辑推荐：
研究人员提出了一种新的植物基因组预测框架NASGP，该框架利用神经架构搜索自动设计和优化网络架构。研究人员设计了MIDAFS（互信息驱动的双通道自适应加权特征选择），一种去除冗余SNP（单核苷酸多态性）同时保留富信息遗传信号的特征选择策略，提高了预测性能和搜索
研究人员提出了一种新的植物基因组预测框架NASGP，该框架利用神经架构搜索自动设计和优化网络架构。研究人员设计了MIDAFS（互信息驱动的双通道自适应加权特征选择），一种去除冗余SNP（单核苷酸多态性）同时保留富信息遗传信号的特征选择策略，提高了预测性能和搜索效率。研究人员证明，在6个植物物种的28个复杂性状中，NASGP不仅比第二优模型SVR（支持向量回归）平均预测准确率提高15.39%，而且计算过程加速2.94倍。研究人员发现，基于SHAP（Shapley加法解释）的解释模块定量识别了影响表型预测的关键SNP，这一发现与GWAS（全基因组关联研究）结果高度一致，增强了NASGP的生物学可解释性。
## 论文解读：NASGP——面向植物基因组预测的高效可解释神经架构搜索框架
**研究背景与问题**
当前，全球粮食安全面临人口增长、气候变化、耕地减少及病虫害频发等严峻挑战，传统育种方法已难以满足未来作物产量与品质的需求。为缩短育种周期、提高育种效率，研究人员积极探索基因组学与人工智能技术的融合，推动植物遗传改良。基因组选择（GS）作为一种核心育种工具，利用全基因组分子标记（如单核苷酸多态性，SNP）估计未表型个体的育种值，加速育种进程。传统统计模型（如GBLUP、BayesB）依赖线性与分布假设，难以捕捉复杂的非线性关系和高维交互效应。深度学习模型（如DNNGP、Cropformer）在处理高维基因组数据和非线性遗传关系方面具有优势，但存在两大瓶颈：一是“黑箱”架构缺乏可解释性，难以揭示特征与预测结果间的因果关联；二是网络架构设计需大量人工干预和专家知识，超参数优化过程繁琐耗时。尽管已有AutoGP、G2PDeep等平台简化了模型部署，但尚未充分探索自动化架构优化策略。此外，NAS（神经架构搜索）领域的最新进展多面向计算机视觉，未广泛适用于植物基因组预测，且未能完全解决基因组数据的高维性、小样本性和可解释性需求。因此，开发针对植物复杂性状遗传原理的自动化、可解释的基因组预测框架成为突破当前GS瓶颈的关键路径。
**研究内容与结论**
本研究提出NASGP，一个针对植物基因组预测的高效可解释神经架构搜索框架。NASGP基于NAS技术自动设计最优网络架构，集成了互信息驱动的双通道自适应加权特征选择（MIDAFS）模块、基于贝叶斯优化的控制器、支持多种层类型的NASNet模型，以及基于SHAP的模型解释模块。在6个植物物种（小麦、玉米、水稻、高粱、云杉、蓝莓）的28个复杂性状上，NASGP与五种基准模型（GBLUP、SVR、DeepGS、DNNGP、Cropformer）进行了比较。结果表明，NASGP在平均预测准确率上比第二优模型SVR提高15.39%，计算速度提升2.94倍。SHAP分析识别的关键SNP与GWAS结果高度一致，增强了生物学可解释性。该研究为植物基因组预测提供了新方法，为精准育种和基因挖掘提供了有力工具。论文发表在《Industrial Crops and Products》。
**主要关键技术方法**
NASGP框架包含三个核心模块：（1）MIDAFS特征选择模块，结合Pearson相关系数和随机森林重要性评分，通过互信息加权融合线性与非线性关系，自适应选择最优SNP子集；（2）基于贝叶斯优化的控制器，使用高斯过程回归器（GPR）和期望改进（EI）采集函数，在搜索空间中高效探索超参数和架构；（3）NASNet模型骨干，支持密集层、残差层、DenseNet块、Highway层等多种层类型。代理模型策略采用20%样本和简化模型（10%训练轮次、半数神经元）快速评估候选架构，并通过嵌套交叉验证（外5折内3折）避免过拟合。样本队列来源：小麦（CIMMYT种质资源，2000份伊朗面包小麦地方品种，33709个DArT标记，8个性状）、玉米（391份，244781个SNP，3个性状）、水稻（IRRI灌溉稻育种项目，327份，57542个SNP，3个性状）、高粱（NPGRS，451份，56299个SNP，3个性状）、云杉（SmartForests项目，1722份，6930个SNP，3个性状）、蓝莓（佛罗里达大学蓝莓育种和基因组学实验室，1575份南方高丛蓝莓，77496个SNP，8个性状）。
**研究结果**
**3.1 NASGP模型**：NASGP接收基因型数据，通过多层神经网络预测表型，核心包括扩展的神经架构搜索框架、支持多种层类型的NASNet模块、贝叶斯优化控制器与代理模型，并集成SHAP分析量化特征贡献。
**3.2 NASGP的预测准确率及与其他方法的比较**：在小麦数据集上，NASGP在8个性状中平均准确率65.51%，优于其他模型；在蓝莓数据集上，NASGP在所有8个性状中表现最佳，特别是FBD性状准确率提升超过100%；在玉米、高粱、水稻、云杉数据集上，NASGP均达到或优于最佳对比模型，平均准确率分别70.23%、49.31%（YLD）、50.60%（YLD）等，显著优于DeepGS、DNNGP等。NASGP仅在云杉数据集上略低于SVR（33.18% vs 35.31%），但优于其他深度学习模型。
**3.3 NASGP与其他方法的预测RMSE比较**：NASGP在小麦、玉米、水稻、高粱数据集上获得最低平均RMSE，表明预测偏差最小、模型拟合最优。在蓝莓数据集上，除firmness和size性状因数据质量问题RMSE较高外，NASGP在其他性状上仍优于对比模型。
**3.4 预测方法的计算时间效率**：NASGP在所有性状上仅需3\-18分钟（平均8.2分钟），而DeepGS平均605.3分钟，NASGP仅为DeepGS的1.35%，计算效率提升约73.8倍。SVR为5\-50分钟，Cropformer、DNNGP、GBLUP为50\-200分钟。
**3.5 代理模型加速NASGP计算**：代理模型策略使NASGP在蓝莓数据集上计算效率提升2.27\-3.33倍，玉米1.66\-2.04倍，小麦1.67\-2.46倍，高粱2.22\-2.65倍，云杉2.54\-2.60倍，水稻显著。代理评估与完整评估结果呈强正相关（如小麦TKW性状r=0.8932），验证了代理模型的可靠性。
**3.6 MIDAFS特征选择模块提高NASGP预测准确率**：MIDAFS模块使预测准确率在蓝莓数据集提升27.35%\-271.72%，高粱6.16%\-27.09%，水稻27.97%\-35.77%，小麦0.94%\-40.96%，云杉4.04%\-15.09%，玉米12.29%\-32.66%。
**3.7 NASGP的计算效率分析**：搜索空间大小（Small、Medium、Total）增加时，预测性能总体上升，计算成本也增加。中等搜索空间在性能和效率间取得较好平衡。各模块执行时间记录表明，NASGP整体计算负担合理。
**3.8 模型解释与标记发现**：以云杉DBH性状为例，SHAP分析显示前5个SNP累积贡献超过50%（如dart_4062_A占13.5%）。SHAP summary plot和heatmap显示了SNP对预测的正负影响模式。与GWAS结果比较，7个SNP（如dart_4062_A、dart_3727_A）同时出现在GWAS显著峰区（P<10
-6）和SHAP前20个重要特征中，证实了SHAP方法的生物学有效性。
**讨论与结论**
**讨论总结**：NASGP通过自动搜索涵盖网络深度、神经元数、激活函数等超参数和多种层类型（残差、密集连接等）的广阔搜索空间，自动构建最优架构，克服了固定架构模型在不同任务中泛化性差的问题（“No Free Lunch Theorem”）。MIDAFS模块整合线性与非线性关系，显著提升特征提取能力。代理模型策略使计算效率提升1.66\-3.33倍，整体计算时间远低于DeepGS等手动设计模型。NASGP在大多数性状上优于GBLUP（线性假设局限性）和SVR（核函数依赖），且对手动设计模型（DeepGS、DNNGP、Cropformer）的泛化性不足表现出明显优势。SHAP方法成功识别与GWAS一致的生物学相关SNP，增强了模型可解释性。局限性包括：小样本时代理模型效能受限，SNP较少时自动搜索优势减弱，未整合环境协变量和多组学数据。未来可结合环境信息、多组学数据及育种验证方案，进一步优化预测精度和实际应用价值。
**研究结论翻译**：总之，NASGP作为一个通用且高效的基因组预测框架，为植物育种提供了新的方法学途径。利用NASGP，研究人员可以轻松对所关注的植物进行预测分析，并评估基因型与模型预测结果之间的相关性，从而展示了其在实际应用中的巨大潜力。随着进一步改进，NASGP有望在植物遗传改良和精准育种实践中发挥越来越重要的作用。
