博士毕业于中国农业科学院研究生院,中国农科院副研究员以第一作者和通讯作者在1区Top期刊发表研究成果

近日，中国农科院作物科学研究所成功开发出一款深度学习模型GP-WAITER，该模型可显著提升作物复杂性状预测准确率与计算效率。相关成果发表在《Nature Communications》期刊。作科所副研究员李静、硕士研究生余林峰和环发所硕士研究生李梦凡为论文共同第一作者，作科所孙君明研究员、邱丽娟研究员和李静副研究员为论文共同通讯作者。

研究团队创新性地将全基因组关联分析获得的变异位点作为权重引入编码层，融合局部特征提取能力与长距离依赖关系捕捉优势，构建了GP-WAITER模型，使模型能“有重点”地学习关键遗传信息，且可高效处理超长基因组序列。研究表明，该模型在大豆、玉米等6类数据集中，预测准确率较现有7种主流模型平均提升27.2%，最高提升达77.5%，计算效率提高1.8-2.4倍，并显著降低显存占用。此外，团队利用可解释性分析，成功挖掘出影响大豆油脂及异黄酮含量的关键基因。

论文链接：

https://www.nature.com/articles/s41467-026-71035-5