来源：期刊VIP网 时间：
作者：徐歆;李亚奇;杨亦扬;徐琪;钱雪飞;马春雷;梅菊芬;
单位：江苏省茶叶研究所,无锡市茶叶品种研究所有限公司;江苏省茶叶研究所,江苏省种质资源圃;江苏省农业科学院休闲农业研究所;中国农业科学院茶叶研究所/农业农村部特种经济动植物生物学与遗传育种重点实验室;
摘要：茶树作为重要经济作物，其品质改良是育种的核心目标。针对传统茶树育种周期长（≥2年）、表型鉴定效率低等问题，以黄化茶树品种‘安吉黄叶’自然杂交的90个子代为材料，整合40 326个核心单核苷酸多态性（Single nucleotide polymorphism,SNP）位点的基因型数据与黄化表型连续两年观测数据（黄化∶非黄化=54∶36），系统比较了逻辑回归、随机森林和支持向量机3种机器学习模型的预测效能。结果显示，随机森林模型在十折交叉验证中性能最优，其精确度达78.96%，显著优于其他模型。通过特征重要性分析鉴定出两个关键遗传标记位点：Chr8＿142477650（编码叶绿体型丙酮酸脱氢酶E1β亚基）和Chr8＿126475215（参与RNA加工调控）。然而，在涵盖109份多源黄化种质的独立验证中，模型预测准确率降至21.10%，遗传背景差异导致的特征权重偏移是主要限制因素。该研究建立了茶树黄化性状的机器学习预测框架，将表型鉴定周期从24个月缩短至基因型即时分析，实现了育种早期阶段的性状预判。尽管跨品种泛化能力有待提升，但构建的SNP-表型关联模型为解析茶树基因型-表型复杂关联提供了可扩展的研究范式，标志着人工智能技术在木本植物复杂性状预测中的创新应用。
关键词：茶树育种;;机器学习;;黄化性状;;性状预测
基金资助：国家重点研发计划（2024YFD1200504）;; 江苏省种业振兴“揭榜挂帅”项目（JBGS[2021]085）;; “太湖之光”科技攻关项目（N20231002）
