我校举办第三届基因组育种算法国际竞赛-华中农业大学南湖新闻网

我校举办第三届基因组育种算法国际竞赛

发布时间：2025-12-29 编辑：匡敏

南湖新闻网讯（通讯员张雯）12月24日，第三届基因组育种算法国际竞赛颁奖典礼在我校第一综合楼A102会议室顺利举办。本次竞赛由我校联合国家玉米种业技术创新中心、玉米等作物种质创新及分子育种全国重点实验室共同主办，崖州湾国家实验室、上海人工智能实验室、湖北洪山实验室、华为技术有限公司等单位协办支持，以“基因组育种‘从算法到应用’”为主题，聚焦基因组科学与育种技术交叉领域创新，着力解决育种实践关键问题，为农业可持续发展注入科技动能。

自2025年5月启动报名以来，竞赛吸引了全球科研团队的广泛关注和积极参与，共有来自伦敦大学学院等单位的42支队伍报名参赛。经过激烈角逐，最终华中农业大学、长江大学、华南农业大学、四川农业大学和上海交通大学的5支优秀队伍脱颖而出，晋级决赛答辩环节。

活动现场（侯国涛摄）

本次大赛的评委汇聚了中国农业科学院作物科学研究所徐云碧研究员、扬州大学徐辰武教授、先正达科技有限公司姚骥总监以及我校专家肖英杰教授、谢为博教授，活动由阎加培研究员主持。

决赛现场，生命科学技术学院代明球副院长致辞。他表示，基因组育种算法竞赛不仅是技术比拼的舞台，更是智慧碰撞的平台。本届赛事聚焦基因组育种核心算法，首次创新引入中国种子集团提供的真实育种场景数据集——涵盖9600余个玉米杂交种、16000个分子标记的实测数据，并增设田间验证环节，构建起“算法开发-模拟测试-田间验证”全链条评价体系。这一举措旨在汇聚全球智慧，攻克海量基因组数据挖掘与复杂性状精准预测等技术难题，以算法创新驱动现代种业发展，为保障粮食安全提供科技支撑。随后，华中农业大学肖英杰教授宣读了评选规则，评委从算法创新性、计算复杂度以及算法准确性等维度进行综合打分。

代明球教授开幕式致辞（侯国涛摄）

在决赛答辩环节，各参赛团队展示了具有鲜明特色的研究成果。

华中农业大学GS-Farmer团队汇报了其轻量化模型TabgMLP，该模型致力于解决在新环境中稳定预测作物表型的问题，将问题分解为环境编码、基因型编码与多模态交互三个子任务；采用TabPFN模块对环境变量进行独立编码，避免信息混淆；使用gMLP高效处理高维SNP数据；通过Cross-gated MLP实现基因型与环境数据的自适应交互。模型参数量仅为3.84M，在单GPU上训练约20分钟即可收敛，在未见环境中仍保持强泛化能力，预测相关性最高达0.78。

长江大学Gene Cube团队介绍了GEMKC模型。该模型融合CNN与KAN网络，分别处理高维基因型数据与低维环境变量，实现基因型-环境交互效应的高效建模。团队在数据处理阶段提出基于同胞信息的基因型填充策略，修复约1691万个缺失位点，并采用ATCG四通道编码提升SNP表征能力。模型通过Optuna自动调优，对5700个样本的预测仅需5~7秒，兼具高精度、快速度与一定可解释性。

华南农业大学EPGS团队展示了不确定性感知的G×E深度学习框架。该模型通过独立编码基因型与环境数据，结合残差网络显式建模交互效应，引入均值-方差估计模块，在输出表型预测值的同时还能提供预测不确定性量化。模型在测试性状上预测相关系数最高达0.903，表现出优秀的跨环境泛化能力，实现了从点估计到风险感知决策支持的跨越。

四川农业大学MaizeMind团队提出了基于深度残差网络的MaizeMind模型。采用“架构简洁，算力驱动”的策略，利用一维CNN提取SNP连锁不平衡特征，MLP编码环境变量，通过多任务学习实现多性状同步预测。结合A100 80G GPU的强劲算力，批次大小优化至128时，显著提升训练与推理效率，并借助残差连接、Huber损失、余弦退火学习率等确保训练稳定与泛化性能，具备良好的用户友好性与部署便捷性。

上海交通大学NovoForce团队分享了其从初赛到决赛的算法演进与工程优化实践。团队依托AI与生物设计交叉背景，将蛋白质进化中的机器学习经验迁移至育种预测任务。初赛采用CNN-Transformer双流网络，决赛阶段则转向更轻量、可解释的架构：通过分块读取与内存映射优化数据加载，采用基于特征值分解的遗传特征提取方法替代传统卷积网络，提升模型生物学合理性，并构建多任务MLP框架同步预测多个性状。

经过专家的严谨评审，最终评选结果正式揭晓。长江大学Gene Cube团队获得二等奖，华中农业大学GS-Farmer团队和华南农业大学EPGS团队并列获得三等奖，四川农业大学MaizeMind团队获得优胜奖。大赛组委会为获奖团队颁发荣誉证书，并勉励全体参赛者持续深耕算法创新，推动科研成果向育种实践转化，为智能育种与农业可持续发展贡献更多智慧与力量。