一种名为dynamicGP的全新计算方法将基因组预测与动态模式分解相结合，以预测植物在发育过程中的性状。 该方法旨在解决预测植物可观察性状（表型）随时间变化这一难题，而这种变化受到遗传因素、环境条件及其相互作用的影响。
马克斯·普朗克分子植物生理学研究所和莱布尼茨植物遗传与作物植物研究所的研究人员已经证明，dynamicGP提供的预测比以前的方法更准确。 通过使用来自玉米和拟南芥的遗传标记和高通量表型数据，dynamicGP可以预测所有性状。 预测性状的能力随着时间的推移，遗传变异性较小，从而可以对整个发育过程中的可预测性作出更可靠的陈述。
dynamicGP有助于研究基因型和表型之间的相互作用，从而为提高农艺相关性状的预测准确性铺平道路。 未来的发展可能会纳入环境因素，从而完善该方法，并对适应特定地区的植物品种的育种和改善精准农业产生重大影响。