高通量测序数据的爆炸式增长彻底改变了我们对植物生物系统的理解。然而，从海量基因组序列向功能性生物学见解的转化仍然是一个重大挑战。瓶颈往往在于高级特征工程——即提取和选择生物学描述特征的复杂过程，这些描述特征使机器学习 (ML) 和深度学习 (DL) 模型能够同时实现高预测准确性和生物学可解释性。

International Journal of Molecular Sciences邀请了浙江省农业科学院沈恩惠博士和浙江大学褚琴洁博士，合作主持特刊“Machine Learning and Advanced Feature Engineering: Deciphering the Complexity of Plant Functional Genomics (机器学习与高级特征工程：解析植物功能基因组学的复杂性)”。本特刊聚焦于人工智能与植物功能基因组学，旨在展示创新的计算框架如何能够解析植物基因组中隐藏的调控作用，并促进新基因功能的发现。特刊包括但不限于以下主题：

高级特征工程：针对植物基因组数据的新型序列编码和特征选择方法。

基因组元件的功能注释：基于机器学习驱动的非编码RNA、启动子、增强子、转座子及其他元件的识别与功能预测。

基因组进化模式：利用深度学习检测选择清除、驯化信号及进化保守性。

调控网络推断：基于人工智能的基因调控网络重建及启动子分析。

整合多组学：用于转录组、表观组、蛋白质组等交叉对话分析的机器学习框架。

基因组学中的可解释人工智能：增强基因组模型生物学透明度和可解释性的策略。

投稿截止日期：2026年12月31日

• 客座编辑

沈恩惠 博士

浙江省农业科学院生物大数据开发与利用研究室/农业人工智能创新中心青年骨干，硕士生导师。其以第一作者 (含共一) 或通讯作者身份在 Molecular Plant、Nature Communications、New Phytologist、The Plant Journal、Communications Biology 等权威期刊发表论文18篇，参与发表论文25篇，申请发明专利3件、软件著作权11件，参与编写规划教材2部《生物信息学》和《植物基因组学》；并主持国家自然科学基金青年科学基金项目类等科研项目7项。

研究领域：生物大数据方法开发与利用；植物基因组学和生物信息学；群体遗传及进化机制研究。

褚琴洁 博士

浙江大学生物信息学博士，2022年起在浙江大学从事研究员工作。在Molecular Plant、New Phytologist、Developmental Cell、Plant Communications、Briefings in Bioinformatics 等植物和生物信息学领域高水平期刊上发表SCI检索论文15余篇。主持国家自然科学基金青年项目、博士后创新人才支持计划、中国博士后科学基金面上项目，参与国家及省部级项目若干项。

研究领域：作物遗传育种、植物多组学数据整合分析方法研究、单细胞组学数据挖掘和方法研究、植物非编码RNA特征和进化机制研究。

了解更多特刊信息：https://www.mdpi.com/journal/ijms/special_issues/45HIO58512

• IJMS 期刊介绍

主编：Prof. Dr. José L. Quiles, University of Granada, Spain

期刊发表生物化学与分子生物学、生物材料、生物医学、植物学、生物物理和纳米科学等分子相关领域的研究，目前已被Scopus、SCIE (Web of Science)、PubMed等数据库收录。

2024 Impact Factor：4.9

2025 CiteScore：10.0

Time to First Decision：17.8 Days

Acceptance to Publication：2.6 Days

期刊主页：https://www.mdpi.com/journal/ijms

支持单位：