生物信息与育种

最近一直在忙，但之前立的这个 flag 还是要补上，毕竟金三银四也快过去了。 从科研到打工，再到带团队，最后出来自己做，我在生信这一行前后十多年，面过的人不算少，也接触过各种背景的候选人，包括名校博士

在作物育种中，解析基因型与表型之间的关系是实现精准分子育种的核心挑战。然而，复杂性状往往由众多微效基因控制，传统统计模型和现有深度学习方法在捕捉长程基因组依赖、处理超高维数据以及提供生物学解释方面仍存

在近日《Seed World》发布的技术评述中，针对人工智能（AI）如何深度嵌入育种全流程进行了系统性探讨。当前，作物育种正经历从“经验科学”向“智能驱动”的第五次革命（Breeding 5.0）。这

分享去年发表在Plant Phenomics上的一篇文章：Integrating crop models, single nucleotide polymorphism, and climatic i

科学计算领域长期存在一个矛盾：论文里的方法描述越精炼，复现它的代码就越难写。依赖冲突、版本迭代、边界条件修复，这些工程开销往往远超算法本身的设计成本。然而算法的核心思想往往早已在论文中得到了清晰描述。

前段时间有朋友让我们帮忙复现一篇文章中的GS方法，并提供定制化代码：详见上期：【项目案例】定制7种常见基因组选择（GS）模型的核心代码。 我们想反正都是主流算法，写完了不用也就荒废在那了，不如分享给其

这是一篇2024年发表于《Agricultural and Forest Meteorology》（农林科学一区top）的论文：Prediction of maize cultivar yield b

分享一篇近期发表在老牌期刊Theoretical and Applied Genetics上的一篇文章：Integrating genomic prediction into crop DUS tes

近期，中国农业科学院作物科学研究所联合北大荒垦丰种业在Plant Biotechnology Journal发表了题为“Dynamics of gene and allelic expression