基于全基因组选择烟气有害成分释放量预测方法及应用技术

本发明专利技术属于生物技术领域，具体涉及一种基于全基因组选择烟气有害成分释放量预测方法及应用。本发明专利技术通过所述的方法步骤：获取候选预测模型中烟草全基因组数据；实时筛选优化烟草全基因组数据；生成烟草烟气有害成分释放量预测数据。可以实现通过烟草苗期（早期）的基因型数据，获得成熟烟草卷烟制品主流烟气有害成分释放量值数据，并且具备操作方便、快捷、高效、科学且结果精准可靠的特性。也就是说，通过本发明专利技术可以实现利用烟草苗期（早期）的基因型数据来计算或模拟出2年后经过繁杂处理检测而获得的卷烟主流烟气中有害成分释放量值数据，通过本发明专利技术的模型或方法具有方便、快捷、高效、科学且结果精准可靠的特性。

【技术实现步骤摘要】
基于全基因组选择烟气有害成分释放量预测方法及应用
本专利技术属于生物
，具体涉及一种基于全基因组选择烟气有害成分释放量预测方法及应用。
技术介绍
烟草(NicotianatabacumL.)是茄科烟草属一年生经济作物，因其能产生一种特有的植物碱－烟碱，且该物质能提供烟民吸食时获得极大的满足感和愉悦感而被广泛种植。但是，烟草又是一种备受争议的经济作物，因吸烟对人体健康无益，故此，培育低危害且优质的烟草品种就成为烟草新品种选育的一个重要方向。卷烟主流烟气中有害成分性状是影响低危害烟草品种选育成败的核心因素。而卷烟烟气是一种极其复杂的混合物，它是在卷烟抽吸过程中由烟草燃烧、裂解和蒸馏而产生的。目前，已检出的烟气中化合物约7000种，有1000多种与烟叶的成分相同，表明烟叶中挥发性较高的香味物质和有害物质可以经过蒸馏直接影响烟气的质量，其余大部分是由热解和热解合成中产生的。近年来，针对卷烟吸食(燃烧)时产生的主流烟气中有害成分释放量的测定十分繁杂、耗时耗工、效率低下、结果准确度低且不稳定。传统模式，倘若获得相对准确可靠的卷烟主流烟气中有害成分释放量值，需经过一个完整而漫长的烟草田间生育期，成熟后需分期分批采摘叶片、烘烤、分级、叶片处理、切丝、前处理、烟支卷制后，进一步采用操作复杂、通量小的昂贵仪器设备检测卷烟主流烟气中的有害成分释放量，过程繁琐、效率低下且耗时较长。
技术实现思路
针对以上目前对卷烟吸食(燃烧)时产生的主流烟气中有害成分释放量的测定十分繁杂、耗时耗工、效率低下、结果准确度低且不稳定的技术问题及缺陷，本专利技术提供一种基于全基因组选择烟气有害成分释放量预测方法及应用，实现基于烟草苗期(早期)的基因型数据，获得成熟烟草卷烟制品主流烟气有害成分释放量值数据。本专利技术具体通过以下技术方案实现：一种基于全基因组选择烟气有害成分释放量预测方法，所述的方法具体包括如下步骤：获取候选预测模型中烟草全基因组数据；实时筛选优化烟草全基因组数据；生成烟草烟气有害成分释放量预测数据。进一步地，于步骤获取候选预测模型中烟草全基因组数据之中，还包括如下步骤：设定候选预测模型的核心参数；建立候选预测模型；通过所述的候选预测模型，结合所述的核心参数，初步筛选所述的烟草全基因组数据。进一步地，于步骤实时筛选优化烟草全基因组数据之中，还包括如下步骤：建立全基因组选择模型；验证烟草候选预测模型的核心参数；通过所述的全基因组选择模型，结合所述的核心参数，实时二次筛选烟草全基因组数据。进一步地，所述的核心参数包括：分子标记数量、训练群体规模、训练群体与测试群体比例、模型预测精度值。进一步地，所述的全基因组选择模型包括：苯并芘全基因组选择模型、4-甲基亚硝胺基-1-3-吡啶基-1-丁酮全基因组选择模型、氢氰酸全基因组选择模型、氨全基因组选择模型、巴豆醛全基因组选择模型、苯酚全基因组选择模型和一氧化碳全基因组选择模型。进一步地，所述的烟草烟气具体为烟草卷烟制品的主流烟气；所述的烟草烟气有害成分释放量预测数据包括：苯并芘释放量数据、4-甲基亚硝胺基-1-3-吡啶基-1-丁酮释放量数据、氢氰酸释放量数据、氨释放量数据、巴豆醛释放量数据、苯酚释放量数据和一氧化碳释放量数据。进一步地，所述的苯并芘释放量数据的计算公式为：所述的4-甲基亚硝胺基-1-3-吡啶基-1-丁酮释放量数据的计算公式为：所述的氢氰酸释放量数据的计算公式为：所述的氨释放量数据的计算公式为：所述的巴豆醛释放量数据的计算公式为：所述的苯酚释放量数据的计算公式为：所述的一氧化碳释放量数据的计算公式为：其中，BayesAB[a]P为苯并芘释放量的全基因组选择模型，B[a]P为苯并芘；BayesANNK为4-甲基亚硝胺基-1-3-吡啶基-1-丁酮释放量的全基因组选择模型；NNK为4-甲基亚硝胺基-1-3-吡啶基-1-丁酮；BayesBHCN为氢氰酸释放量的全基因组选择模型；HCN为氢氰酸；BayesCNH3为氨释放量的全基因组选择模型；NH3为氨；BayesBCRO为巴豆醛释放量的全基因组选择模型；CRO为巴豆醛；BayesBPHE为苯酚释放量的全基因组选择模型；PHE为苯酚；BayesCCO为一氧化碳释放量的全基因组选择模型；CO为一氧化碳；BayesB为候选预测模型，BayesA为候选预测模型，BayesC为候选预测模型，n1为分子标记数量，n2为训练群体规模，n3为训练群体与测试群体比例，n4为模型预测精度值。为实现上述目的，本专利技术还提供一种基于全基因组选择烟气有害成分释放量预测方法的应用，所述的基于全基因组选择烟气有害成分释放量预测方法应用于分析烟草群体苗期的基因型数据，并于全基因组范围内，预测出所述烟草群体中，各烟草植株成熟后制成卷烟制品中主流烟气有害成分释放量的表型值数据；应用于分析烟草群体或烟草品种的基因型数据，通过在全基因组范围内，预测烟草成熟后制成卷烟制品中主流烟气有害成分释放量值数据，于烟草苗期时，获取所述烟草成熟后卷烟制品主流烟气中，有害成分释放量的表型值数据。为实现上述目的，本专利技术还提供一种基于全基因组选择烟气有害成分释放量预测系统，所述的系统具体包括：获取单元，用于获取候选预测模型中烟草全基因组数据；筛选单元，用于实时筛选优化烟草全基因组数据；生成单元，用于生成烟草烟气有害成分释放量预测数据；所述的获取单元，还包括：设定模块，用于设定候选预测模型的核心参数；第一建模模块，用于建立候选预测模型；第一筛选模块，用于通过所述的候选预测模型，结合所述的核心参数，初步筛选所述的烟草全基因组数据；所述的筛选单元，还包括：第二建模模块，用于建立全基因组选择模型；验证模块，用于验证烟草候选预测模型的核心参数；第二筛选模块，通过所述的全基因组选择模型，结合所述的核心参数，实时二次筛选烟草全基因组数据。为实现上述目的，本专利技术还提供一种基于全基因组选择烟气有害成分释放量预测平台，包括：处理器、存储器以及基于全基因组选择烟气有害成分释放量预测平台控制程序；其中，在所述的处理器执行所述的基于全基因组选择烟气有害成分释放量预测平台控制程序，所述的基于全基因组选择烟气有害成分释放量预测平台控制程序被存储在所述存储器中，所述的基于全基因组选择烟气有害成分释放量预测平台控制程序，实现所述的基于全基因组选择烟气有害成分释放量预测方法步骤。为实现上述目的，本专利技术还提供一种计算机可读取存储介质，所述计算机可读取存储介质存储有基于全基因组选择烟气有害成分释放量预测平台控制程序，所述的基于全基因组选择烟气有害成分释放量预测平台控制程序，实现所述的基于全基因组选择烟气有害成分释放量预测方法步骤。为实现上述目的，本专利技术还提供一种芯片系统，所述芯片系统包括至少一个处理器，当程序指令在所述至少一个处理器中执行时，使得所述芯片系统执行所述的基于全基因组选择烟气有害成分释放量预测方法步骤。本文档来自技高网...

【技术保护点】
1.一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的方法具体包括如下步骤：/n获取候选预测模型中烟草全基因组数据；/n实时筛选优化烟草全基因组数据；/n生成烟草烟气有害成分释放量预测数据。/n

【技术特征摘要】
1.一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的方法具体包括如下步骤：
获取候选预测模型中烟草全基因组数据；
实时筛选优化烟草全基因组数据；
生成烟草烟气有害成分释放量预测数据。


2.根据权利要求1所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，于步骤获取候选预测模型中烟草全基因组数据之中，还包括如下步骤：
设定候选预测模型的核心参数；
建立候选预测模型；
通过所述的候选预测模型，结合所述的核心参数，初步筛选所述的烟草全基因组数据。


3.根据权利要求1所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，于步骤实时筛选优化烟草全基因组数据之中，还包括如下步骤：
建立全基因组选择模型；
验证烟草候选预测模型的核心参数；
通过所述的全基因组选择模型，结合所述的核心参数，实时二次筛选烟草全基因组数据。


4.据权利要求2或3所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的核心参数包括：分子标记数量、训练群体规模、训练群体与测试群体比例、模型预测精度值。


5.根据权利要求3所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的全基因组选择模型包括：
苯并芘全基因组选择模型、4-甲基亚硝胺基-1-3-吡啶基-1-丁酮全基因组选择模型、氢氰酸全基因组选择模型、氨全基因组选择模型、巴豆醛全基因组选择模型、苯酚全基因组选择模型和一氧化碳全基因组选择模型。


6.根据权利要求1所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的烟草烟气具体为烟草卷烟制品的主流烟气；
所述的烟草烟气有害成分释放量预测数据包括：苯并芘释放量数据、4-甲基亚硝胺基-1-3-吡啶基-1-丁酮释放量数据、氢氰酸释放量数据、氨释放量数据、巴豆醛释放量数据、苯酚释放量数据和一氧化碳释放量数据。


7.根据权利要求6所述的一种基于全基因组选择烟气有害成分释放量预测方法，其特征在于，所述的苯并芘释放量数据的计算公式为：



所述的4-甲基亚硝胺基-1-3-吡啶基-1-丁酮释放量数据的计算公式为：



所述的氢氰酸释放量数据的计算公式为：



所述的氨释放量数据的计算公式为：



所述的巴豆醛释放量数据的计算公式为：



所述的苯酚释放量数据的计算公式为：



所述的一氧化碳释放量数据的计算公式为：



其中，BayesAB[a]P为苯并...

【专利技术属性】
技术研发人员：童治军，肖炳光，方敦煌，陈学军，焦芳婵，曾建敏，吴兴富，
申请(专利权)人：云南省烟草农业科学研究院，
类型：发明
国别省市：云南;53