基于机器学习算法的海量遗传标记分析应用开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

课题的意义：

随着计算机技术和生物技术的飞速发展，产生了海量的遗传标记。遗传标记可应用于遗传图谱的构建和基因定位，在遗传学发展中起着重要作用。为了在大量遗传数据中提取有效信息，衍生了数据挖掘技术。其中，机器学习算法由于计算速度快、检测精度高，近年来得到了快速的发展。本课题通过利用机器学习算法对海量遗传标记进行分析，能够既准确又高效地为剖析遗传基础提供一定的理论依据。

2. 研究的基本内容和问题

研究目标：

通过本课题的研究，力求使用更前沿、更高效的数据分析算法对海量遗传标记进行处理，再通过剖析总结数据处理结果，为植物分类性状的遗传育种提供有效的理论依据。

3. 研究的方法与方案

研究方法：

利用机器学习算法进行数据分析，可能使用的机器学习算法主要包括决策树、朴素贝叶斯分类、逻辑回归、支持向量机、集成方法、聚类算法、主成分分析、奇异值分解、独立成分分析。

4. 研究创新点

特色或创新之处：

在植物遗传研究中，许多重要复杂性状如抗虫、抗病等都是分类性状。虽然其表现型是间断的，但遗传机理却十分复杂。主要体现在(1)分类性状与质量性状有本质的差别，其比例并不满足孟德尔遗传规律，信息量少，内在生物模式复杂；(2)分类性状属于数量性状，但与连续型数量性状不同，其表现型不服从正态分布。因此，分类性状的遗传分析更具挑战性。本文将借鉴国内外先进的经验，对这一问题进行深入探讨。

5. 研究计划与进展

研究计划：

1、准备阶段：11月15日—2月29日

（1）查找资料，确定研究方向及研究策略；