VitisGP

新的VitisGP数据集为葡萄性状预测的机器学习设立基准

研究人员推出了VitisGP，这是一个新的多表型数据集，旨在从基因组数据预测葡萄特征。该数据集整合了全基因组SNP数据和26个不同的预测任务，包括香气、植物学和酿酒葡萄颜色性状，涵盖了1,197个Vitis vinifera栽培品种。该研究对各种机器学习模型进行了基准测试，发现CatBoost在所有任务上的宏平均AUROC为0.696，总体表现最佳，尽管不同性状类型的表现各异。