返回参赛队伍队伍名称Tarim Genome Pathways盐胁迫核心因子挖掘拟南芥预测与功能验证用可解释的机器学习加基因网络分析，筛出抗盐核心转录因子塔里木大学生命科学与技术学院T2 农业环境 项目名称盐胁迫核心因子挖掘拟南芥预测与功能验证T2 农业环境盐胁迫转录因子盐胁迫表型Tarim Genome Pathways 在盐胁迫转录组中寻找表达变化不显著、但位于调控网络枢纽位置的转录因子，并用实验反馈调整候选筛选阈值。队伍名称Tarim Genome Pathways所属院校塔里木大学生命科学与技术学院参赛队伍相关影像仅用于赛事展示与报道，肖像权归本人所有。如对肖像使用存在异议，请通过 联系我们 向组委会反馈，我们将核实情况并作相应处理。展开更多项目内容队伍口号“用机器学习织网，抓抗盐关键基因 ”项目背景8.33 亿公顷根据 2021 年联合国粮农组织的报告，全球盐渍化土壤面积超过 8.33 亿公顷；而新疆地区就有大面积的盐碱化耕地，严重影响作物生长。项目聚焦盐碱化耕地造成的作物减产问题。盐碱化扩展持续影响区域农业生产。植物抗盐涉及生长、防御和稳态维持等多基因协同调控。现有研究尚未完整解析不同盐浓度下的调控网络。研究路径调控网络中的枢纽基因差异表达分析识别表达变化基因，调控网络分析识别处于调控中心的枢纽基因。常规差异表达分析可能遗漏未显著变化但具有调控作用的枢纽基因。项目整合公开的拟南芥盐处理转录组数据，结合机器学习与调控网络分析筛选核心转录因子。数据来源拟南芥盐处理转录组计算方法GCN + SHAP实验验证敲除与过表达株系项目过程项目推进与验证路径01阶段 1图神经网络与 SHAP 可解释分析项目采用 GCN（图卷积网络）计算基因调控网络中的节点关系。项目利用可解释模型筛选调控网络中的核心转录因子。项目采用 SHAP 分析候选基因的特征贡献，为模型排序提供可解释依据。02阶段 2分类模型评估与候选排序ROC 曲线对比中，十种分类器的 ROC AUC 分别为：MLP 0.981、SVM 0.978、CatBoost 0.976、Gradient Boosting 0.975、随机森林 0.974、KNN 0.974、LightGBM 0.964、XGBoost 0.963、AdaBoost 0.953、逻辑回归 0.951。项目证据项目图表与方法记录Tarim Genome Pathways计算与数据分析记录写代码的那一半。图卷积网络训练损失曲线GCN Training Loss（Optimized）：图卷积网络的训练损失曲线。用图神经网络，是因为「谁在网络中心」这件事，本来就得放在图上算。故事节点项目过程与团队记录首轮验证与假阳性回流部分模型候选未在实验中出现预期表型。第一批候选基因真正有表型的不到三分之一。该反馈构成 DBTL 的再学习环节。预测、验证与再学习闭环项目形成以下闭环：第一步，整合拟南芥盐处理的公开转录组数据，用机器学习与 SHAP 分析筛出核心基因。第二步，按 AI 给的名单，培育基因敲除和过表达的拟南芥株系。第三步，设计盐浓度梯度的处理条件，观察并记录表型。实验结果持续回流模型，形成预测、验证与再学习闭环。队伍影像 06:02
项目名称盐胁迫核心因子挖掘拟南芥预测与功能验证T2 农业环境盐胁迫转录因子盐胁迫表型Tarim Genome Pathways 在盐胁迫转录组中寻找表达变化不显著、但位于调控网络枢纽位置的转录因子，并用实验反馈调整候选筛选阈值。队伍名称Tarim Genome Pathways所属院校塔里木大学生命科学与技术学院
预测、验证与再学习闭环项目形成以下闭环：第一步，整合拟南芥盐处理的公开转录组数据，用机器学习与 SHAP 分析筛出核心基因。第二步，按 AI 给的名单，培育基因敲除和过表达的拟南芥株系。第三步，设计盐浓度梯度的处理条件，观察并记录表型。实验结果持续回流模型，形成预测、验证与再学习闭环。
