The plant genome. 2024 Oct 24:e20519. doi: 10.1002/tpg2.20519 Q13.82025

Introducing CHiDO-A No Code Genomic Prediction software implementation for the characterization and integration of driven omics

CHiDO-A无代码组学预测软件的实现及其在驱动型组学特征和集成中的应用翻译改进

Francisco González¹, Julián García-Abadillo^{1 2}, Diego Jarquín¹

作者单位 +展开

作者单位

¹ Agronomy Department, University of Florida, Gainesville, Florida, USA.

² Centro de Biotecnología y Genómica de Plantas, Universidad Politécnica de Madrid (UPM), Campus de Montegancedo, Pozuelo de Alarcón, Spain.

DOI: 10.1002/tpg2.20519 PMID: 39447214

摘要中英对照阅读

Climate change represents a significant challenge to global food security by altering environmental conditions critical to crop growth. Plant breeders can play a key role in mitigating these challenges by developing more resilient crop varieties; however, these efforts require significant investments in resources and time. In response, it is imperative to use current technologies that assimilate large biological and environmental datasets into predictive m... ...点击完成人机验证后继续浏览

气候变化对全球粮食安全构成了重大挑战，通过改变作物生长所需的关键环境条件。植物育种者可以通过开发更具抗逆性的作物品种来缓解这些挑战，并在其中发挥关键作用；然而，这些努力需要大量的资源和时间投入。因此，迫切需要利用当前的技术将大规模的生物和环境数据集整合到预测模型中，从而加速新改良品种的研究、开发和发布，使其更能抵御日益多变的气候条件。利用大量且多样化的数据集可以改善对由于环境刺激引起的表型反应和基因组脉冲特征的描述。更好地表征这些信号有可能提高我们预测在天气或土壤条件变化下性状表现的能力，并且能以高精度进行预测。本文介绍了驱动组学特性化与整合（CHiDO），这是一个易于使用的无代码平台，旨在整合各种组学数据集并有效建模其相互作用。凭借其灵活的数据集成和处理能力，CHiDO的直观界面允许用户探索历史数据、提出假设，并为未来场景优化数据收集策略。该平台强调全球可访问性，在专业数据处理和数据分析能力不足的情况下，使统计解决方案民主化。

翻译效果不满意？用Ai改进或寻求AI助手帮助，对摘要进行重点提炼

相关内容

期刊名：Plant genome

缩写：PLANT GENOME-US

ISSN：N/A

e-ISSN：1940-3372

IF/分区：3.8/Q1

文章目录更多期刊信息

全文链接

官方链接

PMC全文

引文链接

复制

已复制！

格式：

Introducing CHiDO-A No Code Genomic Prediction software implementation for the characterization and integration of driven omics

CHiDO-A无代码组学预测软件的实现及其在驱动型组学特征和集成中的应用翻译改进

What we learned from a no-code baby

无代码婴儿教会了我们什么

Large-scale genomic prediction using singular value decomposition of the genotype matrix

基于基因型矩阵奇异值分解的大规模全基因预测方法

Approximate Bayesian neural networks in genomic prediction

基因组预测中的近似贝叶斯神经网络

Using residual regressions to quantify and map signal leakage in genomic prediction

利用剩余回归分析量化和绘制基因组预测中的信号泄漏现象

Genome-wide association mapping and genomic prediction for pre‑harvest sprouting resistance, low α-amylase and seed color in Iranian bread wheat

用于伊朗小麦品种穗发芽抗性、低淀粉酶活性和籽粒颜色的全基因组关联分析及遗传预测研究

Using Local Convolutional Neural Networks for Genomic Prediction

基于局部卷积神经网络的基因组预测模型

Genomic prediction of maternal haploid induction rate in maize

玉米母体单倍体诱导率的基因组预测

Including different groups of genotyped females for genomic prediction in a Nordic Jersey population

基因分型的雌性纳入北欧Jersey牛群体基因预测参考群的研究

Introducing CHiDO-A No Code Genomic Prediction software implementation for the characterization and integration of driven omics

CHiDO-A无代码组学预测软件的实现及其在驱动型组学特征和集成中的应用 翻译改进

What we learned from a no-code baby

无代码婴儿教会了我们什么

Large-scale genomic prediction using singular value decomposition of the genotype matrix

基于基因型矩阵奇异值分解的大规模全基因预测方法

Approximate Bayesian neural networks in genomic prediction

基因组预测中的近似贝叶斯神经网络

Using residual regressions to quantify and map signal leakage in genomic prediction

利用剩余回归分析量化和绘制基因组预测中的信号泄漏现象

Genome-wide association mapping and genomic prediction for pre‑harvest sprouting resistance, low α-amylase and seed color in Iranian bread wheat

用于伊朗小麦品种穗发芽抗性、低淀粉酶活性和籽粒颜色的全基因组关联分析及遗传预测研究

Using Local Convolutional Neural Networks for Genomic Prediction

基于局部卷积神经网络的基因组预测模型

Genomic prediction of maternal haploid induction rate in maize

玉米母体单倍体诱导率的基因组预测

Including different groups of genotyped females for genomic prediction in a Nordic Jersey population

基因分型的雌性纳入北欧Jersey牛群体基因预测参考群的研究

CHiDO-A无代码组学预测软件的实现及其在驱动型组学特征和集成中的应用翻译改进