关注我们：
基因组预测与选择系统GPaSS
背景
基因组选择(Genomic Selection，简称GS)这一概念由挪威生命科学大学的TheoMleuwissen教授于2001年提出，它是一种利用覆盖全基因组的高密度分子标记进行选择育种的新方法，通过构建预测模型，根据基因组佔计育种值(Genomic Estimated Breeding Value，GEBV)进行早期个体的预测和选择，从而缩短世代间隔，加快育种进程，节约大量成本。这一方法尤其对低遗传力以及难以测量的复杂性状具有良好的预测效果，真正实现了通过基因组技术来指导育种实践。该技术日前主要侧重于早期预测，因此又称为基因组预测
(Genomic Prediction, 简GP).
产品简介
多种算法:自由构建模型
GPaSS工具为用户提供了多种专业的算法来构建模型，用户只需勾选感兴趣的算法(一个或多个)，即可同时创建多个模型。
不仅提供了主流的基于混合线性模型的GBLUP、rrBLUP, Bayes方法 (BayesA, BayesB, BayesCpai), 以
及基于机器学习的支持向量机(SupportVectorMachine,SVM)、随机森林 (RandomForest,RF)。本平台也集成了最新的深度学习方法DNNGP(DeepNeural Network for Genomic Prediction), 该方法由中国农业科学院作物科学研究所/三亚南繁院大数据智能设计育种创新团队联合多家单位共同开发。与主流预测方法相比，DNNGP运行速度更快，预测更精准，尤其在大规模数据集上预测优势明显。
针对基于混合线性模型的方法，用户还可以根据不同性状的特点，针对性地选择加性效应或非加性效应模型，从而更精准地构建的预测模型。
产品特点
产品功能
自交系预测
适用于前期育种阶段需要对亲本或种质资源进行筛选。
杂交组配预测
适用于杂交亲本组配阶段，对组配进行早期筛选，通过高效模拟与预测，大幅减少田间试验负担，加速育种进程。
预测结果真实性验证
真实的观测表型数据，可以上传到系统，和之前获得的预测结果进行比对，从而验证预测的准确性。
应用案例
