2024年8月23日，中国水稻研究所王克剑团队与钱前院士团队、江西省农科院严松团队合作，在植物学知名期刊_Plant Communications_杂志在
我国白羽肉鸡的祖代全部是从国外引进的品种，属于快大型肉鸡，其生长速度快、产肉量多，适合工业化生产，作为
所谓“Speed Breeding”（简称“SB”，额~），就是在环境可控的人工气候室中，通过改变光周期来加速植物的生长周期，从而起到加速育种的目的。快速育种：加速作物研究和育种的强大工具2017年7月9日，澳大利亚昆士兰大学Lee Hickey团队领衔在预印本网站bioRxiv上发表了“Speed Breeding”技术的详细介绍（Speed breeding: a powerful tool
2024年6月13日，华中农业大学严建兵教授团队在Molecular Plant发表综述：Doubled Haploid Technology and Synthetic Apomixis: Recent A
分享一篇水文，来自海
当今的生物育种，生物技术正扮演着越来越重要的角色。中国种业市场，一个超过千亿元规模的庞大领域，正迎来以转基因、基因编辑和单倍体育种为代表的技术革新。这些技术不仅极大地加速了作物品种改良的进程，也重塑了种业的市场格局。随着政策的积极推动和企业创新的不断涌现，我们正站在一个新时代的门槛上，一探究竟这些技
作物品种改良主要得益于育种过程带来的遗传获得。传统育种技术受制于表型观察准确性和遗传累赘效应等影响，其育种目标随机
农作物种质资源是新品种选育的基础，是遗传信息由上一代传给下一代的载体，是人类生存不可或缺的重要资源之一
作者：生物信息与育种，若要及时了解动态信息，请关注同名微信公众号：生物信息与育种。
品种是玉米高产的基础，进一步提高品种耐密性和种植密度是提高玉米单产的关键。 在近80 年中，美国玉米单产提升了近8
2021年初，随着我国“十三五规划”的落幕和“十四五规划”的开启，农业农村部种业司组织有关专家，分物种开展
总体概况 自2017年以来，我国种子市场规模围绕1200亿元波动，2022年市场规模达到1313.55亿元，同比增长
近日，四川农业大学刘登才组在《The Crop Journal》发表了综述文章：Towards cultivar-oriented gene discovery for b
近日朋友圈又被“智慧育种”刷屏了，源自于中国农科院李慧慧老师团队和阿里巴巴联合在Mol Plant上发布的首个全流程智慧育种平台。详见：Mol Plant | 中国农科院作科所和阿里巴巴联合发布首个全流程智慧育种平台，恭喜李老师！据网上资料显示，中国农科院作科所与阿里巴巴（公益）于2021年达成合作，政界、商界和学术界各路大佬齐集签约仪式会上，共同推动建立生物技术（BT）、信息技术（IT）与智能技
近期，拜耳公布了一项开创性的试点计划，引入了一个专业的生成式人工智能（GenAI）系统，旨在提高效率，
近期，华中农大严建兵团队在Journal of Genetics and Genomics上发表综述：Engineering the future cereal crops with big
测（Al
背景每年国际水稻所（IRRI）的雨养稻育种（Rainfed Rice Breeding,RRB；所谓雨养就是无人工灌溉，仅靠自然降水作为水分来源）计划都会与区域合作伙伴共享耐旱、耐盐、耐热和耐淹的育种种质进行表型评估，从不同地点的几项试验中获得原始表型数据。例如，RRB在2019年从NARES合作伙伴那里收到了大约20项试验的数据。为区域合作伙伴做数据分析，以便做出更好的育种决策，并以简单易懂的格
目录书籍信息概括目录免费电子书获取方式书籍信息书名：Genomic prediction of complex traits: methods and protocols出版：New York, NY : Humana Press, [2022]作者：Nourollah Ahmadi, Jérôme Bartholomé单位：法国农业国际合作研究发展中心（CIRAD）概括本书探讨了在人类医学以及动
目录GS应用的四个场景情景1情景2情景3情景4 本文整理自Giovanny E Covarrubias Pazaran博士的报告《Gen
目录作物生长模型概述研究思路研究进展未来发展 作物生长模型概述 农业信息技术在世界农业领域的兴起始于20 世纪70年代
本文内容整理自科迪华农业科学公司（Corteva Agriscience）的数量遗传学家Alencar Xavier博士几年前做的报告。Alencar Xavier在统计遗传学方面的工作是基因组辅助育种，重点是数据驱动的植物育种的理论和计算方面，例如使用各种信息来源进行建模、预测和选择。其研究涉及使用混合模型，贝叶斯方法和机器学习以及高性能计算的新数量遗传方法的开发和实施。其更多的介绍和工作可参考
目录机器学习与GP基因型数据编码高通量表型数据驱动的育种需要结构化数据集可解释机器学习机器学习与GP与动物育种相比，植物的基因组选择必须通过环境相互作用来考虑更大的基因型，并且需要添加适当的多环境试验数据。机器学习 （ML） 和深度学习 （DL） 算法比线性预测模型更复杂，可以发现数据集中的非线性关系。与以前的方法相比，随机森林、支持向量机和人工神经网络由于其非线性，可能更容易捕获基因型、表型和环
[人工智能推动作物育种新绿色革命](http://g
在基因组选择领域，"准确性"（Accuracy）和"预测能力"（Predictio
[toc] >来自徐云碧老师的《大数据与智能育种》报告的问答记录 ## 问题 1、大数据育种在国内外的发展现状？ 2、国内大数据育种的主
[toc] >搜集一些主要农作物的已定位、克隆的重要功能基因，以供应用开发。 参考一些
作者：米源MY
https://mp.weixin.qq.com/s/l6BgFt6-aw1aBIprNR4A_Q
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
