基因组选择（GS）被认为是加速优良基因型评估和选择的关键方法，可以在传统育种中实施。GS通过基因组预测（GP）模型预测目标性状的基因型值，并在育种方案中使用这些预测值进行选择。GS实现了基于预测基因型值的个体选择和杂交选择，减少了目标性状的田间评估次数，从而实现高效快速的育种。然而，GS本身并不旨在优化育种决策，因此关于亲本选择和配对选择的最终决策仍然很大程度上依赖于育种者的经验和直觉。近日，日本东京大学提出一种基于模拟的优化后代分配策略，利用AI辅助选择植物育种中的配组问题。
方法
本研究的目标是通过结合未来导向的模拟和数值黑盒优化来确定最佳的后代分配策略，以改进亲本和配对的选择。研究重点是优化后代的分配，将育种过程视为一个黑盒函数，其输入是与后代分配策略相关的参数集，输出是育种方案的最终遗传增益。每个配对的后代分配根据softmax函数参数化，输入是分配的多个特征的加权和，包括后代的预期遗传方差和选择标准，如不同类型的育种值，以最佳地平衡遗传增益和遗传多样性。然后，通过称为StoSOO的黑盒优化算法通过未来导向的育种模拟来优化权重参数。
结果
通过模拟研究评估了该新方法的潜力，结果表明，基于优化权重的育种策略在仅仅四代内就比平等分配后代到所有配对的策略实现了近10%的遗传增益。在优化策略中，考虑后代预期遗传方差的策略能够在整个育种过程中维持遗传多样性，从而比不考虑它的策略获得更高的最终遗传增益。这些结果表明，该新方法可以通过优化亲本和配对选择的决策显著提高品种开发的速度和效率。
结论
此外，通过改变模拟设置，本研究的未来导向优化框架可以轻松地实施到一般的育种方案中，有助于加速植物和动物育种，提高效率。该研究提出的AI辅助选择配对方法通过模拟基于优化的后代分配策略，可以显著提高育种的速度和效率。该方法通过未来导向的模拟和数值黑盒优化，实现了亲本和配对选择的优化，并通过考虑后代的预期遗传方差，成功地在育种过程中保持了遗传多样性，从而在中期育种项目中实现了更高的遗传增益。
源码：
https://github.com/KosukeHamazaki/SCOBS
模拟：
https://github.com/KosukeHamazaki/myBreedSimulatR