Ученые определили, какие статистические модели наиболее точно предсказывают агрономические признаки кукурузы, в том числе при дефиците фосфора. В исследовании, где сравнивали семь методов геномного прогнозирования, байесовские модели показали лучшие результаты. Наиболее высокую корреляцию между реальными и прогнозируемыми показателями продемонстрировала модель Bayes A.
В ходе эксперимента исследователи изучили 93 генотипа кукурузы в двух условиях: с оптимальным содержанием фосфора в почве и с его нехваткой. Для анализа отобрали ключевые для урожайности признаки, которые выявили с помощью нейросетей. Затем на основе генетических данных ученые предсказали племенную ценность растений, используя различные статистические подходы.
Точность прогнозов оказалась высокой. При достаточном питании корреляция достигала 0,96, а в условиях дефицита фосфора – 0,95. Анализ также подтвердил значительное генетическое разнообразие в изученной группе. Исследователи выделили четыре генотипа (Ma010, Ma001, Ma011 и Ma013), которые показали стабильно высокий потенциал в обеих средах. Эти линии могут стать основой для выведения новых сортов.
Авторы работы подчеркивают, что исследование оценивало именно точность моделей прогнозирования, а не реальный прирост урожайности в полевых условиях. Результаты пока не подтверждены на независимых выборках в других регионах или климатических зонах. Тем не менее геномная селекция в сочетании с машинным обучением может ускорить создание сортов кукурузы, адаптированных к почвам с низким содержанием питательных веществ.