基于表型性状的水稻特异性测试中的近似品种筛选方法技术

本发明专利技术公开了基于表型性状的水稻特异性测试中的近似品种筛选方法。该方法首先建立水稻品种表型性状数据库，然后将申请人提供的申请品种编号、名称和性状表达状态观测值或测试机构采集的性状数据导入数据库；对应每一个申请品种各个性状的表达状态，根据预先设定的已知品种性状表达状态的安全取值范围，在数据库中输入相应表达状态范围；数据库将符合条件的近似品种筛选出来。本发明专利技术根据环境条件和人员对不同性状和性状表达状态观测值的影响程度不同这一特点，针对不同类型性状和不同的性状表达状态观测值，灵活设置了已知品种相应的表达状态选择范围，防止了近似品种的遗漏又防止了选入过多近似品种的问题。

【技术实现步骤摘要】

本专利技术涉及一种基于表型性状的水稻特异性测试中的近似品种筛选方法，属于DUS测试

技术介绍
稻是人类的主要粮食作物，据知目前世界上可能超过有14万种的稻，而且科学家还在不停的研发新稻种，因此稻的品种究竟有多少，是很难估算的。目前中国也是世界上最大的稻米生产国家，占全世界35％的产量。我国于1997年3月24日颁布了《中华人民共和国植物新品种保护条例》，同年10月实施。条例对授权品种的条件作出了明确规定。授权品种必须是国家植物新品种保护名录范围内，具有新颖性、特异性、一致性和稳定性并有适当名称的植物新品种。其特异性、一致性和稳定性(简称DUS)测试是重要的授权条件，是实质审查的主要内容。对申请品种进行DUS测试不仅是审批机关进行实质审核的主要内容和作出授权与否的重要依据，而且还是保证并维护授权品种的公证性、合法性、权威性的重要手段。特异性是指申请品种应当明显区别于申请日以前所有已知的同属或同种品种。为鉴定一个品种具备特异性，需要证明该品种在表型性状上不同于已知的同类作物每个品种。主要作物已知品种往往数以万计，将每一个申请DUS测试的品种(即申请品种)与这些已知品种进行田间种植比较，实践上是不可行的。为此，需要通过一些筛选机制，将那些不需要种植比较即可确定与申请品种表型性状明显不同的品种排除，只种植那些不通过田间比较试验则不能确定与申请品种是否有明显表型差异的品种，即近似品种。通过田间种植试验，比较申请品种与近似品种是否存在明显差异申请品种，据此得出申请品种是否具备特异性的结论。因此，近似品种的选择又是特异性测试的关键环节。虽然主要作物已知品种数量众多，但是对于大多数已知品种，尤其是早期选育的品种，因丰产性等原因已不能满足当前生产需要，在近似品种筛选时可以不予考虑。近似品种的筛选主要通过比较申请品种和仍有应用潜力已知品种(例如近十年来育成的品种)的性状表达状态进行。如果能够确定一个已知品种与申请品种的表达状态差异足够大以至于田间种植时两者间必定会表现出明显差异，则可以将该已知品种排除，剩余的品种作为近似品种。对于数量性状和假质量性状(假质量性状的连续变化区域的表达状态)，其表达状态观测值会因环境条件和人为因素的影响呈现以下特点：(1)受环境条件影响，同一个品种的同一个性状，在不同年份和不同地区种植时，表达状态观测值(表达状态代码)会发生一定的波动；(2)不同的性状表达受环境影响的程度不同，表现为表达状态波动程度因性状而异。(3)不同测试人员对同一性状表达状态的观测结果，容易产生偏差。偏差的大小，既取决于性状，也受表达状态在性状变异范围中所处位置的影响。因此，根据一个申请品种不同性状的表达状态观测值，如何确定近似品种筛选时已知品种表达状态取值范围，是近似品种筛选的关键。现有的做法是采用固定的已知品种表达状态范围：对于假质量性状，采用与之相同的表达状态；对于数量性状，采用与之相差三个代码的表达状态范围。采用固定已知品种表达状态范围做法，对于受环境和人员观测影响较大的性状和表达状态，容易遗漏近似品种，导致特异性测试结果不可靠；反之，对于受环境和人员观测影响较小的性状和表达状态，导致选入过多的近似品种，增加测试成本，降低试验精确度。
技术实现思路
针对上述DUS测试中近似品种筛选容易导致遗漏或选入过多近似品种的问题，本专利技术提供了一种基于表型性状的水稻特异性测试中的近似品种筛选方法。该方法根据品种不同性状和性状表达状态受环境和人员观测影响程度不同这一特点，通过对申请品种的每一个表达状态观测值设置一个相应的已知品种的表达状态范围，极大提高了近似品种筛选效率。本专利技术的技术方案是：一种基于表型性状的水稻特异性测试中的近似品种筛选方法，其特征是，(1)水稻品种表型性状数据库的建立采集当前仍具有应用潜力的水稻品种(例如近十年来育成的品种)的表型性状数据(DUS测试指南中的全部52个性状，每个品种一般测试二个生长周期)；对采集的表型性状数据进行整理，建立水稻品种表型性状数据库；(2)申请品种性状数据导入将水稻特异性测试的申请人提供的水稻申请品种编号、名称和性状表达状态观测值(即技术问卷性状数据)或测试机构采集的性状数据导入水稻表型性状数据库；输入申请品种名称(或编号)，显示申请品种的相关性状的表达状态；(3)设置已知品种的表达状态范围对应每一个申请品种各个性状的表达状态(代码)，根据预先设定的已知品种性状表达状态的安全取值范围(如表1所示，包含全部的安全取值范围)，在数据库中输入相应表达状态取值范围(代码范围)；(4)近似品种筛选水稻品种表型性状数据库将符合条件的近似品种筛选出来。表1水稻不同DUS测试性状近似品种筛选采用的表达状态范围备注：1.QN：数量性状，PQ：假质量性状；QL：质量性状；2.“-”表示没有(此代码)或者不考虑(此性状)；3.“*”表示DUS测试中规定必须测的性状。用于近似品种筛选的性状，可以少至几个分组性状，多至全部测试指南性状，性状的多少与测试数据受环境影响的程度有关系，比如说：来自同一生态区的数据，受环境影响相对小，最多用全部测试指南性状；来自不同生态区的测试数据，受环境影响大，至少采用全部的质量性状，在此基础上可以选择比较稳定的数量性状和假质量性状。本专利技术根据水稻性状表达方式以及性状和表达状态表达受环境和人员观测影响程度，对应每一个申请品种表达状态观测值，设定近似品种筛选时的已知品种表达状态安全取值范围。性状表达状态安全取值范围根据多年多点的试验数据设定，超出该范围的已知品种与申请品种存在明显的表型差异，不需要作为近似品种种植。本专利技术表1的安全取值范围是根据如下规则设定的：对于质量性状，已知品种表达状态安全取值范围采用与申请品种相同的表达状态；对于数量性状，根据性状表达状态观测值受环境和人员影响的程度，已知品种表达状态安全取值范围采用“申请品种表达状态±1个代码”、“申请品种表达状态±2个代码”或“申请品种表达状态±3个代码”的取值范围，并根据表达状态在变异范围中的位置和观测偏差产生的难易做相应调整(例如申请品种某性状代码为“1”时，已知品种表达状态安全取值范围由“±3个代码”调整为“+1个代码”)。对于假质量性状，对处于非连续变异区域的表达状态，采用质量性状的方式；对处于连续变异范围中的表达状态，采用数量性状的方式。用于近似品种筛选的性状，可以少至几个分组性状，多至全部测试指南性状。本专利技术方法的优点：现有的基于表型性状的近似品种筛选方法，未本文档来自技高网...

【技术保护点】
一种基于表型性状的水稻特异性测试中的近似品种筛选方法，其特征是，(1)水稻品种表型性状数据库的建立采集当前仍具有应用潜力的水稻品种的表型性状数据；对采集的表型性状数据进行整理，建立水稻品种表型性状数据库；(2)申请品种性状数据导入将水稻特异性测试的申请人提供的申请品种编号、名称和性状表达状态观测值或测试机构采集的性状数据导入水稻表型性状数据库；输入申请品种名称或编号，显示申请品种的相关性状的表达状态；(3)设置已知品种的表达状态范围对应每一个申请品种各个性状的表达状态，根据表1所示的已知品种性状表达状态的安全取值范围，在水稻表型性状数据库中输入相应表达状态取值范围；(4)近似品种筛选水稻品种表型性状数据库将符合条件的近似品种筛选出来；表1 表达状态范围

【技术特征摘要】
1.一种基于表型性状的水稻特异性测试中的近似品种筛选方法，其特征是，
(1)水稻品种表型性状数据库的建立
采集当前仍具有应用潜力的水稻品种的表型性状数据；对采集的表型性状数据进行整
理，建立水稻品种表型性状数据库；
(2)申请品种性状数据导入
将水稻特异性测试的申请人提供的申请品种编号、名称和性状表达状态观测值或测试
机构采集的性状数据导入水稻表型性状数据库；输入申请品种名称或编号，显示申请品种
的相关性状的表达状态；
(3)设置已知品种的表达状态范围
对应每一个申请品种各个性状的表达状态，根据表1所示的已知品种性状表达状态的<...

【专利技术属性】
技术研发人员：李汝玉，张晗，段丽丽，张洪瑞，孙加梅，郑永胜，王雪梅，王玮，仙丽娜，李华，王秀娟，王穆穆，王东建，
申请(专利权)人：山东省农业科学院作物研究所，
类型：发明
国别省市：山东;37