（图文|何洋、张琪  编辑|信息  审核|全源）2月23日下午3：00，信息学院“Happy hour”活动2023年第2期学术交流会在逸夫楼C314会议室举行。受信息学院张红雨院长邀请，动科动医学院刘小磊教授作了一场关于“HIBLUP：基因组大数据时代高效育种计算工具研发与应用”的专题报告。这场学术交流会吸引了来自信息学院众多师生的参与。

   刘小磊教授首先介绍了相关研究背景，阐述育种给人类带来的产量与经济效益。通过对育种发展史的讲述，刘老师指出基因组选择解决了传统育种中进展慢与致因突变鉴定困难的问题，继而指出，随着基因组育种时代的来临，育种数据规模快速增长，评估算法的计算速度已成为育种中的关键限制因素。

   刘小磊教授对目前国际现有育种工具进行了详细介绍。目前市面上的工具采用的评估算法都是以混合模型方程组为核心，即MME策略，需要求解个体关系矩阵和MME左手项（Left hand side, LHS）的逆矩阵。传统育种利用系谱构建个体亲缘关系矩阵，评估过程涉及的矩阵极其稀疏，FSPAK算法（美国专利）能够以极快速度求解稀疏矩阵LHS的逆矩阵，是基于系谱信息的传统育种计算必不可少的核心程序。然而，随着基因组育种时代的来临，个体亲缘关系矩阵构建逐渐由系谱过渡到基因组信息，关系矩阵及LHS矩阵也相应由全稀疏转变为半稠密或全稠密，FSPAK算法并不适用于稠密矩阵运算，其劣势逐渐显现。

   为解决这一难题，刘小磊教授向大家介绍了它们团队开发了基因组大数据时代的育种计算工具HIBLUP，HIBLUP首创基于方差协方差V矩阵的“HE+PCG”策略，即利用HE回归法估计方差组分，采用基于V矩阵的PCG迭代法估计育种值，可完全避免遗传评估计算过程中的大矩阵求逆，并且V矩阵的维度（有表型个体数）远低于MME方程的维度（所有个体数×遗传随机效应个数）。因此，无论是计算效率还是内存需求上，HIBLUP全面优于基于MME策略的现有工具，更适合基因组育种时代的大数据计算。

   报告结束，老师和同学们对相关研究表现出浓厚兴趣，并与刘小磊教授展开热烈讨论，本次Happy Hour活动在轻松愉快与收获满满的氛围中结束。