Structuralmutationsofsmallsinglecopy(SSC)regionintheplastidgenomesoffiveCistanchespeciesandinter-speciesidentification五种肉苁蓉属植物叶绿体基因组中小单拷贝(SSC)区域的结构突变及物种间鉴定摘要背景肉苁蓉属是列当科的重要属类，具有重要的

BED（BrowserExtensibleData）文件和WIG（Wiggle）文件是两种用于基因组数据存储和展示的常见格式，在浏览基因组数据时这两者用途明显不同。BED文件特点：格式简单：通常每一行代表一个基因组区域，包含的基本列为染色体（chromosome）、起始位置（start）、结束位置（end），此外还可以包括额外的列如

目前，《生物信息与育种》公众号已经发布了50来篇有关基因组选择（GS）的推文，包括了一些教程、书籍、文献、工具、案例等，基本上阅读了这些文章，对GS有个较为全面的了解应该是没问题的。《生物信息与育种》GS合集近期，中国农科院团队首席将于6月28~30日举办第三期全基因组选择学习交流会

第一部分：人类基因组概述与测序历史（详细版）摘要：第十七章深入探讨了人类基因组的复杂性、测序历程以及其对现代科学的意义。人类基因组由约30,000至40,000个蛋白质编码基因组成，这些基因的表达和变异构成了我们生物学特征和疾病倾向的基础。本章节详细回顾了人类基因组计划的

HGP的主要人物是人类的DNA测序遗传图谱：连锁分析法物理图谱：指DNA链的限制性酶切片段的排列顺序序列图谱：测序获得基因图谱（genemap）：基因图谱是在识别基因组所包含的蛋白质编码序列的基础上绘制的结合有关基因序列、位置及表达模式等信息的图谱。生物信息学与组学作为新兴的交

近期，中国农科院作物所联合国内多家单位，构建了用于水稻基因组选择的大规模中国栽培稻群体数据集，提出了配套的全基因组预测深度学习模型DeepCCR，为育种者快速、高效地培育优良品种提供了有利工具。相关研究成果以简讯方式在线发表在《PlantBiotechnologyJournal》上。水稻是世界

读书笔记：《生物信息学与功能基因组学》第十五章-第一部分摘要第十五章聚焦于真核生物中的真菌基因组，探讨了真菌的多样性、与人类和其他生物的密切关系以及它们在生态系统中的重要性。本章首先介绍了真菌的基本概念和分类，随后深入分析了真菌基因组的结构、功能和进化，特别

今年4月，华中农业大学焦文标团队在GenomeBiology上发表论文：Acomprehensivebenchmarkofgraph‑basedgeneticvariantgenotypingalgorithmsonplantgenomesforcreatinganaccurateensemblepipeline，主要研究了基于图谱的植物基因组变异基因分型算法，并创建了一个准确的

植物和动物在GS实施上有很大的差异，这一点很多学者做过系统的比较，只能说各有优劣。不管如何，动物的GS走在了前列，有很多地方值得植物借鉴。GS技术最早在奶牛育种得到广泛应用，因此我们来看看奶牛GS的发展及国内外现状。2001年，Meuwissen等首次提出GS的概念，其基本思想是利用覆盖个

尽管基因组预测的育种值通常是基于各种统计方法计算的，如基因组最佳线性无偏预测（GBLUP）、贝叶斯回归模型等，但这些方法通常假设复杂性状受许多微效基因影响，且基因型和表型之间的关系是线性的。虽然有效，但线性假设可能限制了它们在全基因组预测上的表现。机器学习模型的发展允许进行

近日，《生物技术通报》特邀扬州大学农学院徐辰武教授团队发表综述《作物全基因组选择育种技术研究进展》。本文首先分析了影响作物GS功效的主要因素，继而从非加性效应模型、群体构建方案、多性状与多环境预测、多组学预测和育种芯片技术现状等方面阐述了GS技术在作物育种中的研究进

近期，华中农大严建兵团队在JournalofGeneticsandGenomics上发表综述：Engineeringthefuturecerealcropswithbigbiologicaldata:towardsanintelligence-drivenbreedingbydesign。该文回顾了近年来在作物育种领域取得的进展，涵盖了作物农艺性状的机制、新兴技术的开发

近期，瑞典RodomiroOrtiz团队在MolecularPlant发表综述：Genomicselectioninplantbreeding:Keyfactorsshapingtwodecadesofprogress，总结了近20年植物基因组选择育种的影响因素和重要进展。小编读后认为，相比于其他泛泛而谈的综述而言，该文作者有自己一些独特的见解，而且引用

Y叔团队参与开发的一个R包RIdeogram，可用来绘制基因组染色体的可视化图形，如基因密度、分子标记等。直接上代码。#install.packages("RIdeogram")library(RIdeogram)data(human_karyotype,package="RIdeogram")data(gene_density,package="RIdeogram")data(Random_RNAs_500,

背景现代植物育种是一个数据密集型过程，需要整合和评估多种不同的数据集以支持决策制定。传统的植物育种通过有意的亲本杂交来产生具有优良表型特征的后代，而现代育种方法则结合了标记辅助选择和基因组选择（GS）来增强表型选择。随着高通量表型技术的出现，可以追踪的潜在表型数量大大增

通过代码指导Minimmap2基因组比对和seq-seq-pan泛基因组比对，并在R中进行可视化。本教程提供了一个示例，该示例使用Heliconiusbutterflies中optix基因位点的两种单倍型。教程：https://stevenvb12.github.io/代码：https://github.com/StevenVB12/Tutorial_pan_genomics

分享一篇近期来自华中农大王旭彤老师（即SoyDNGP作者）的综述，以SoyDNGP为例。建议参考之前的推文：基于深度学习框架的基因组预测新模型SoyDNGP。摘要人工智能（AI）与作物育种的结合代表了向数据驱动型农业实践的范式转变，旨在提高作物改良的效率和精度。本文对大豆深度神经网络等基因组

近日，Wing-KinSung(宋永健)博士在NatureMethods发文CreatingdiploidassembliesfromNanoporeandIlluminareadswithhypo-assembler，报道其开发的基因组组装新工具hypo-assembler，该工具可以利用Nanopore和Illuminareads将二倍体基因组组装成两套单倍型。关于KinSung：作为

近期，华中农大赵虎&郭亮团队在JIPB上发表发表综述：FunctionalgenomicsofBrassicanapus:Progresses,challengesandperspectives，总结了近年来油菜功能基因组学的研究进展，包括种质资源、组学数据库和克隆功能基因的可用性以及主要挑战和前景。甘蓝型油菜(Brassicanapus;AA

油菜综述刚发JIPB（往期：），又见PlantCom，同一家单位同一作物连综述内容都及其相似，这么严重的撞车还能接连发不同的国产期刊，也是少见。近日，华中农大刘克德&洪登峰团队在PlantCommunications上发表了综述：Thestoryofadecade:genomics,functionalgenomicsandmolecularbreedin

本文旨在比较机器学习方法在基因组预测中的表现，并评估其对高维数据的处理能力。作者使用了正则化回归、深度学习、集成和实例基础学习等不同类型的监督学习方法，分别应用于模拟动物育种数据集和三个实际玉米育种数据集中。结果表明，机器学习方法的表现和计算成本取决于数据和目标性

在基因组选择领域，"准确性"（Accuracy）和"预测能力"（PredictionAbility）是两个常用的评价指标，用于衡量基因组选择模型的性能。在学术研究中，两者都有用到，但没有明显区分，容易出现混用情况。以下是一篇文章中的定义：https://bmcgenomics.biomedcentral.com/articles/10.1186/s12864-018-

近日，扬州大学张韬团队在aBIOTECH发表综述“Integratingmachinelearningandgenomeeditingforcropimprovement”。随着大数据的积累，越来越多基于机器学习的方法被应用于植物科学研究，包括功能性基因和调控元件的挖掘，蛋白质结构的预测，以及表型的快速鉴定。先进的CRISPR基因

介绍一篇RajeevKumarVarshney于2021年在TrendsinPlantScience专题《养活世界：植物育种的未来》上的综述，强调了基因组学辅助育种（genomics-assistedbreeding,GAB）的作用和意义。关于RajeevKumarVarshney，他在基因组测序、利用遗传多样性、基因组学辅助育种、种子系统和发展

本文介绍了一个名为SeqBreed的Python工具，用于评估基因组预测在复杂情况下的表现。该工具可以模拟任何数量的由任意数量的因果位点决定的复杂表型，可实现了GBLUP、SSGBLUP、PBLUP等，并支持多种基因组预测方法和复杂染色体类型。作者使用了果蝇和四倍体马铃薯的数据集进行了测试，并展示