Prediksi fenotipe jagung berdasarkan genom berbasis single nucleotide polymorphisms menggunakan deep belief network

Abstract

Proses seleksi pada pemuliaan tanaman dapat dilakukan secara efektif dan efisien jika memanfaatkan data genom. Genomic selection (GS) adalah suatu pendekatan baru untuk proses seleksi yang memanfaatkan data genom melalui mekanisme yang disebut genomic prediction (GP). Sebagian besar model GP menggunakan metode linear yang mengabaikan efek interaksi antara gen dan efek nonlinear orde tinggi. Deep belief network (DBN), salah satu arsitektur dalam metode deep learning, mampu memodelkan data pada tingkat abstraksi tinggi yang melibatkan efek nonlinearitas dari data. Penelitian ini mengimplementasikan DBN untuk mengembangkan model GP dengan menggunakan whole-genome Single Nucleotide Polymorphisms (SNPs) sebagai data latih dan data uji. Studi kasus dilakukan pada tanaman jagung dengan dataset berasal dari program CIMMYT’s (International Maize and Wheat Improvement Center) Global Maize. Berdasarkan koefisien korelasi Pearson, DBN unggul dari metode lain pada fenotipe yang diduga nonaditif. Nilai korelasi yang diperoleh mencapai 0.579 pada rentang -1 hingga 1.