一种基于表型距离的水稻特异性测试近似品种筛选方法技术

本发明专利技术公开了一种基于表型距离的水稻特异性测试近似品种筛选方法。该方法根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对各个水稻表型性状的所有表达状态的代码差值设置不同的权重(如表1所示)，所有表型性状上的权重相加得出两品种间的表型距离。通过对大量真实品种间表型距离和差异明显程度的比较分析，确定一个安全的表型距离阈值，进行近似品种筛选时，低于该表型距离阈值的品种作为近似品种进行田间种植。采用这种方法，较好排除了人员观测偏差、互作和数据录入错误和对近似品种筛选的影响，提高了近似品种筛选的严谨性，也便于田间试验时将最近似的品种与申请品种相邻种植，提高了特异性测试的针对性。

【技术实现步骤摘要】
一种基于表型距离的水稻特异性测试近似品种筛选方法
本专利技术涉及一种基于表型距离的水稻特异性测试近似品种筛选方法，属于植物新品种测试(或称DUS测试)

技术介绍
特异性、一致性和稳定性是对植物品种的基本要求，是植物新品种获得品种权保护、主要农作物品种品种审定和非主要农作物品种登记的前提条件。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其他任何品种。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(“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，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，尤其是选育早的品种，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。近似品种的筛选一般通过比较申请品种和仍有应用潜力的已知品种(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(尤其是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)不同测试人员对性状表达状态的观测结果，容易产生偏差。偏差的大小，与性状和人员均有关系。如何确定近似品种筛选指标，是近似品种筛选的难点。一种做法是根据性状的表达方式、性状表达受环境程度影响波动程度和受人为误差影响大小，通过申请品种与已知品种各个表达状态的比较，筛选近似品种：对于假质量性状和数量性状，采用与之相差1-3个代码的表达状态范围。采用上述做法，对于数据的准确性要求很高。实践中，存在着个别性状表达状态的数据由于受人员观测偏差的影响偏离正常值过大、或由于数据录入错误，或由于性状与环境条件的互作(极少数情况下)，会导致本应作为近似品种的已知品种未能筛选进来，造成近似品种的遗漏，直接影响特异性测试的准确性。另外，对每个品种的筛选条件进行设置，过程繁琐，筛选效率较低。申请人之前开发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(专利技术专利申请号201610061250.5)。该方法是根据性状的表达方式、性状表达受环境程度影响波动程度和受人为误差影响大小，对于申请品种的每一个假质量性状和数量性状，已知品种采用与之相差1-3个代码的表达状态范围，通过申请品种与已知品种各个表达状态的比较，筛选近似品种。申请人在后续研究中发现，该方法仍然存在有以下不足，需要进一步改善：(1)容错性差，对数据的准确性要求很高。实践中，存在着个别性状表达状态的数据由于受人员观测偏差的影响偏离正常值过大、或由于数据录入错误，或由于性状与环境条件的互作(极少数情况下)，会导致本应作为近似品种的已知品种未能筛选进来，造成近似品种的遗漏。(2)该方法基于单个性状的差异筛选近似品种，不能把品种间的差异进行累加，选入不太近似的品种；(3)不能显示入选近似品种与申请品种的近似程度，不便于设计田间特异性测试试验。
技术实现思路
针对上述基于单个性状的近似品种筛选方法容易导致遗漏近似品种的问题，本专利技术提供了一种基于表型距离的水稻特异性测试近似品种筛选方法。该方法首先针对水稻品种不同性状表达状态观测值受环境和人员观测影响程度不同这一特点，对申请品种和已知品种之间入选性状表达状态代码差值给予一定的权重(如表1)，将申请品种与已知品种在一组性状上的权重相加，得出品种间的表型距离。权重的大小取决于该性状表达状态观测值受环境和人员观测影响程度和代码差值的大小。性状表达越稳定、观测偏差越小，权重越大；代码差值越大，权重越大。通过对性状存在明显差异的大量已测试品种间表型距离的统计，找出一个近似品种筛选的安全距离，保证高于该安全距离的品种存在明显的差异。在筛选近似品种时，以该安全距离作为近似品种筛选的阈值：高于该安全距离的已知品种与近似品种存在明显的差异，不需要种植；小于该安全距离的已知品种作为近似品种与申请品种进行田间相邻种植和特异性评价。采用这种方法，较好排除了人员观测偏差、互作和数据录入错误和对近似品种筛选的影响，提高了近似品种筛选的严谨性。本专利技术的技术方案是：一种基于表型距离的水稻特异性测试近似品种筛选方法，其特征是，(1)设置各个水稻表型性状代码差值的权重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测试指南中的品种鉴别力高的性状，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；根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对各个水稻表型性状的所有表达状态的代码差值(如代码为1-9，差值为0、1、2……8)设置不同的权重，得到如表1所示的数据，输入水稻品种表型性状数据库；对于质量性状，代码差值大于等于1时，权重为2-6，对于数量性状和假质量性状，根据性状表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对不同的代码差值，给予不同的权重。水稻不同DUS测试性状表达状态差异的权重如下：表1水稻不同DUS测试性状表达状态差值的权重表1(续)注：1.QN：数量性状，PQ：假质量性状；QL：质量性状；2.“-”表示没有(对应相应代码差值的权重)；(2)表型距离阈值的设定对成对水稻品种的表型性状表达状态代码差值，按步骤(1)的方法赋予权重，所有表型性状上的权重相加得出两品种间的表型距离；将表型距离与品种间差异的明显程度进行比较，得出二者之间的关系，在此基础上确定一个表型距离阈值：当品种间表型距离大于该阈值时，品种之间差异很明显，不需要田间种植比较；并将表型距离阈值输入数据库系统。本专利技术经多年研究发现，合适的表型距离阈值为2，即当品种间表型距离≥2时，品种之间差异很明显；两品种间的表型距离<2时判定为近似品种。(3)近似品种筛选基于建立的水稻品种表型性状数据库，开发基于表型距离的近似品种筛选软件。向水稻品种表型性状数据库中输入待测的申请品种的表型性状数据，该筛选软件能根据步骤(2)的方法计算待测的申请品种与每个已知品种的表型距离，并与表型距离阈值进行比较，表型距离小于阈值的已知品种作为该待测的申请品种的近似品种。本专利技术方法的优点：本专利技术的方法，根据环境条件和人员对不同性状表达状态观测值的影响程度不同这一特点，对品种间代码的差值，给予一个权重，计算品种间所有差异性状权重之和作为品种间的表型距离。通过对大量真实品种间表型距离和差异明显程度的比较分析，确定本文档来自技高网...

【技术保护点】
1.一种基于表型距离的水稻特异性测试近似品种筛选方法，其特征是，(1)设置各个水稻表型性状代码差值的权重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；根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对各个水稻表型性状的所有表达状态的代码差值设置不同的权重，得到如表1所示的数据，输入水稻品种表型性状数据库；表1

【技术特征摘要】
1.一种基于表型距离的水稻特异性测试近似品种筛选方法，其特征是，(1)设置各个水稻表型性状代码差值的权重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；根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对各个水稻表型性状的所有表达状态的代码差值设置不同的权重，得到如表1所示的数据，输入水稻品种表型性状数据库；表1续表1(2)表型距离阈值的设定对成对水稻品种的表型性状表达状态代码差值，按步骤(1)的方法赋予权重，所有表型性状上的权重相加得出两品种间的表型距离；将大量表型距离...

【专利技术属性】
技术研发人员：李汝玉，张晗，段丽丽，张洪瑞，王雪梅，孙加梅，王玮，郑永胜，王穆穆，王晖，李华，
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