learnMET: an R package to apply machine learning methods for genomic prediction using multi-environment trial data.
learnMET: an R package to apply machine learning methods for genomic prediction using multi-environment trial data.
复制标题
DOI：
10.1093/g3journal/jkac226
复制
发表时间：
2022-11-04
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
我们介绍了R包learnMET，它是一个灵活的框架，可以使用基于机器学习的模型对多环境试验育种数据进行分析。learnMET允许将基因组信息与环境数据（如气候和/或土壤特征）相结合。值得注意的是，该软件包提供了纳入来自实地气象站的气象数据或从美国航天局数据库检索全球气象数据集的可能性。每日天气数据可以基于朴素（例如，不重叠的10天窗口）或物候方法在特定时间段内汇总。实现了用于基因组预测的不同机器学习方法，包括梯度提升决策树，随机森林，堆叠集成模型和多层感知器。这些预测模型可以通过一系列交叉验证方案进行评估，这些方案以用户友好的方式模拟植物育种者使用多环境试验实验数据时遇到的典型情况。该软件包在MIT许可证下发布，可在GitHub上访问。
We introduce the R-package learnMET, developed as a flexible framework to enable a collection of analyses on multi-environment trial breeding data with machine learning-based models. learnMET allows the combination of genomic information with environmental data such as climate and/or soil characteristics. Notably, the package offers the possibility of incorporating weather data from field weather stations, or to retrieve global meteorological datasets from a NASA database. Daily weather data can be aggregated over specific periods of time based on naive (for instance, nonoverlapping 10-day windows) or phenological approaches. Different machine learning methods for genomic prediction are implemented, including gradient-boosted decision trees, random forests, stacked ensemble models, and multilayer perceptrons. These prediction models can be evaluated via a collection of cross-validation schemes that mimic typical scenarios encountered by plant breeders working with multi-environment trial experimental data in a user-friendly way. The package is published under an MIT license and accessible on GitHub.
登录
查看更多内容
影响因子：
5.4
作者：
Jarquin, Diego;Crossa, Jose;Lacaze, Xavier;Du Cheyron, Philippe;Daucourt, Joelle;Lorgeou, Josiane;Piraux, Francis;Guerreiro, Laurent;Perez, Paulino;Calus, Mario;Burgueno, Juan;de los Campos, Gustavo
通讯作者：
de los Campos, Gustavo
影响因子：
3.3
作者：
de Los Campos G;Hickey JM;Pong-Wong R;Daetwyler HD;Calus MP
通讯作者：
Calus MP
影响因子：
2.3
作者：
Burgueno, Juan;de los Campos, Gustavo;Crossa, Jose
通讯作者：
Crossa, Jose
影响因子：
2.3
作者：
Heslot, Nicolas;Yang, Hsiao-Pei;Jannink, Jean-Luc
通讯作者：
Jannink, Jean-Luc
影响因子：
2.6
作者：
Granato, Italo;Cuevas, Jaime;Fritsche-Neto, Roberto
通讯作者：
Fritsche-Neto, Roberto