技術特征：

1.一種基于機器學習的耐鹽大豆全基因組選擇方法，其特征在于所述方法包括以下步驟：

2.根據權利要求1所述的方法，其特征在于它還包括步驟：根據預測大豆鹽脅迫表型，選擇耐鹽大豆品種進行田間表型實驗。

3.根據權利要求1所述的方法，其特征在于步驟1)具體包括：

4.根據權利要求1所述的方法，其特征在于步驟2)中所述嚴格質控具體包括：

5.根據權利要求1所述的方法，其特征在于步驟3)中所述全基因組關聯分析具體是：利用plink對群體結構進行分析并估計樣本間的親緣關系，同時通過混合線性模型對基因型和表型進行關聯分析，結合群體結構的遺傳相關性矩陣和親緣關系矩陣以減少潛在的混雜效應，獲得高質量變異位點。

6.根據權利要求1所述的方法，其特征在于步驟4)中所述建立模型利用ca機制聚焦關鍵snp位點，并通過多重殘差模塊增強特征提取與建模能力；其中：

7.根據權利要求1所述的方法，其特征在于所述大豆品種的基因型數據，包含耐鹽和鹽敏感的大豆品種。

8.一種基于機器學習的耐鹽大豆全基因組選擇系統，其特征在于所述系統包括以下模塊：

9.基于機器學習的耐鹽大豆全基因組選擇方法在篩選和鑒定耐鹽大豆中的應用。

10.基于機器學習的耐鹽大豆全基因組選擇方法在大豆品種選育或輔助大豆育種中的應用。

技術總結
本發明公開了一種基于機器學習的耐鹽大豆全基因組選擇方法，所述方法包括以下步驟：1)獲取用于建模的數據集的基因型和鹽處理后表型，并進行處理；2)對SNP位點和缺失樣品進行嚴格質控；3)對所述有效變異位點進行全基因組關聯分析，獲得高質量變異位點；4)將所述訓練集中的高質量變異位點數據導入CA注意力機制和多重殘差模塊的卷積神經網絡建立模型；5)確定最優模型；6)獲取待測鹽脅迫表型的大豆群體的重測序數據，提取其高質量變異位點，利用最優模型進行鹽脅迫表型預測。本發明能夠有效預測大豆鹽脅迫表型，降低田間選育成本，顯著提高耐鹽大豆育種效率。

技術研發人員：袁靜婭,丁鈺,宋慶鑫,王芒芒,張群,林峰,章文華
受保護的技術使用者：南京農業大學
技術研發日：
技術公布日：2025/4/24