GRAFT：拟南芥连锁基因表达与表型性状预测的生物图与超图基准

理解生物体中哪些基因控制哪些性状仍然是生物学的核心挑战之一。尽管数据收集技术取得了显著进步，我们将基因映射到性状的能力仍然有限。这一从基因组到表型组（G2P）的挑战跨越多个问题领域，包括植物育种，并且需要能够对高维、异质性和生物结构化数据进行推理的方法。然而，当前的数据集和数据存储库并不能很好地胜任这项任务。当前的研究没有将基因表达和性状数据联系起来，而且大多数研究集中在非常特定的性状上，限制了可能相关性的广度。为了弥补这一空白，我们提出了新型的拟南芥功能性状基因图回归（GRAFT）数据集，这是一个精选的多模态数据集，将基因表达谱与植物生物学模式生物拟南芥的表型性状测量联系起来。GRAFT支持表型预测和可解释图学习等任务。此外，我们对传统的回归和可解释性基线进行了基准测试，包括一个基于生物信息的超图基线，以验证基因-性状关联。据我们所知，这是第一个为相同的拟南芥样本提供多模态基因信息和异质性性状或表型数据的数据集。通过GRAFT，我们旨在促进利用基因信息、高阶基因配对和来自多个来源的性状数据来准确理解基因型与表型之间关系的研究。