Details

Title: Разработка алгоритма оптимального выделения обучающей выборки для геномной селекции растений: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_04 «Биоинформатика»
Creators: Втюрин Александр Александрович
Scientific adviser: Козлов Константин Николаевич
Other creators: Арефьева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2020
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: IT-технологии; геномная селекция; разностная эволюция; R; модель регрессии; RR-BLUP; фенотип; генотип; DEEPMETHOD; многомерная оптимизация; IT-technologies; genomic selection; difference evolution; regression model; phenotype; genotype; multidimensional optimization
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.02
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-1489
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\8257

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Данная бакалаврская работа посвящена разработке алгоритма оптимизации обучающей выборки для геномной селекции. Задачи исследования: 1. Изучить, представленные в научной литературе, подходы к проведению геномной селекции, а так же исследовать методов оптимизации обучающей выборки для геномной селекции. 2. Разработать модификации для оптимизации обучающей выборки для задачи геномной селекции. 3. Провести тестирование реализованных алгоритмов и сравнение результатов их работы. На основе существующих исследований была спроектирована и проверена схема подбора лучшего набора образцов для геномной селекции растений. В качестве основного алгоритма оптимизации использовался метод разностной эволюции, где целевой функцией была выбрана, недавно разработанная, оценка выборки EthAcc или оцененная теоретическая точность. Разработана программная реализация модификаций алгоритма разностной эволюции на основе открытого проекта deepmethod. Для реализованных модификаций были проведены тесты с использованием реальных данных о фенотипе и генотипе различных сортов пшеницы. Для проведения сравнительного анализа был применен метод оценки параметров регрессии RR-BLUP, как наиболее популярный среди методов используемых в задаче геномной селекции. Анализ численных экспериментов показал наличие отличий в результатах работы модификаций.

This bachelor's work is devoted to the development of an algorithm for optimizing the training set for genomic selection. Research problem: 1. To study approaches to conducting genomic selection, as well as to investigate methods for optimizing the training sample for genomic selection. 2. Develop modifications to optimize the training sample for the genomic selection task. 3. Test the implemented algorithms and compare their results. \indent Based on existing research, a scheme for selecting the best set of samples for genomic plant breeding was designed and tested. As the main optimization algorithm, the difference evolution method was used, where the target function was selected estimated theoretical accuracy (EthAcc). A software implementation of modifications of the difference evolution algorithm based on the open project deepmethod has been developed. For the implemented modifications, tests were performed using real data on the phenotype and genotype of various wheat varieties. To conduct a comparative analysis, we used the RR-BLUP regression parameter estimation method, which is the most popular among the methods used in the problem of genomic selection. The analysis of numerical experiments showed that there were differences in the results of modifications.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Table of Contents

  • Разработка алгоритма оптимального выделения обучающей выборки для геномной селекции растений
    • Введение
    • 1. Обзор методик используемых при геномной селекции
    • 2. Разработка метода подбора оптимальной выборки для геномной селекции
    • 3. Разработка программного обеспечения
    • 4. Результаты применения разработанных методов к данным для геномной селекции пшеницы
    • Заключение
    • Список использованных источников

Usage statistics

stat Access count: 12
Last 30 days: 0
Detailed usage statistics