一种基于全基因组选择烟叶产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叶产量预测方法及应用。本发明专利技术通过获取候选预测模型中烟叶全基因组数据；实时筛选优化烟叶全基因组数据；生成烟叶产量预测数据。可以实现利用烟草苗期（或是早期）的基因型数据来计算或模拟出其成熟期烟叶产量性状表型值，并且可以通过分析烟草群体或烟草品种的基因型数据，在全基因组范围内，预测烟草成熟期产量性状表型值数据，实现于烟草苗期时获取成熟期产量性状表型值数据，而本发明专利技术预测方法及其运用操作方便、快捷、高效、科学，以及预测结果精准可靠。

【技术实现步骤摘要】
一种基于全基因组选择烟叶产量预测方法及应用
本专利技术属于生物
，具体涉及一种基于全基因组选择烟叶产量预测方法及应用。
技术介绍
烟草是以收获叶片器官为目的的特殊经济作物，在我国国民经济中占有重要的地位，作为我国烟草行业的基础，培育具有较高产量且优质的烟草品种就成为育种研究的重要目标。研究表明，烟叶产量与其自身的叶数、叶长和叶宽等性状显著相关，且上述性状属于受多基因控制及环境影响的数量性状，遗传较为复杂。此外，针对传统的成熟期烟叶产量性状表型值的测定工作十分耗时耗工且效率低下。也就是说，若获得较准确的烟叶产量性状表型值，需经过一个完整而漫长的烟草田间生育期，在成熟后需进一步的在大田里进行测量，耗时费力且极易受环境和人为因素的影响，而导致结果的不确定性。
技术实现思路
针对以上目前成熟期烟叶产量性状表型值的测定工作十分耗时耗工且效率低下，以及烟草产量性状极易受环境和人为因素的影响，测定结果存在不确定性的技术问题及缺陷，本专利技术提供一种基于全基因组选择烟叶产量预测方法及应用，实现基于烟草苗期(早期)的基因型数来预测该烟草材料成熟期烟叶产量性状的表型值。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叶产量预测方法，所述的方法具体包括如下步骤：获取候选预测模型中烟叶全基因组数据；实时筛选优化烟叶全基因组数据；生成烟叶产量预测数据。进一步地，于步骤获取候选预测模型中烟叶全基因组数据之中，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，初步筛选所述的烟叶全基因组数据。进一步地，于步骤实时筛选优化烟叶全基因组数据之中，还包括如下步骤：建立全基因组选择模型；验证烟叶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，实时二次筛选烟叶全基因组数据。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：自然叶数全基因组选择模型、最大腰叶长全基因组选择模型和最大腰叶宽全基因组选择模型。进一步地，所述的烟叶产量预测数据包括：自然叶数表型值数据、最大腰叶长表型值数据和最大腰叶宽表型值数据。进一步地，，所述的自然叶数表型值数据的计算公式为：所述的最大腰叶长表型值数据的计算公式为：所述的最大腰叶宽表型值数据的计算公式为：其中，BayesCLN为自然叶数表型值全基因组选择模型，LN为自然叶数，BayesC为候选预测模型，BayesBLL为最大腰叶长表型值全基因组选择模型，LL为最大腰叶长，BayesB为候选预测模型，BayesCWL为最大腰叶宽表型值全基因组选择模型，WL为最大腰叶长，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叶产量预测方法的应用，所述的基于全基因组选择烟叶产量预测方法，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，预测出所述群体中各植株成熟期烟叶产量性状的表型值数据；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，预测烟草成熟期产量性状表型值数据，于烟草苗期时获取成熟期产量性状表型值数据。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叶产量预测系统，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叶全基因组数据；筛选单元，用于实时筛选优化烟叶全基因组数据；生成单元，用于生成烟叶产量预测数据；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，初步筛选所述的烟叶全基因组数据；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，用于验证烟叶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，实时二次筛选烟叶全基因组数据。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叶产量预测平台，包括：处理器、存储器以及基于全基因组选择烟叶产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叶产量预测平台控制程序，所述的基于全基因组选择烟叶产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叶产量预测平台控制程序，实现所述的基于全基因组选择烟叶产量预测方法步骤。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叶产量预测平台控制程序，所述的基于全基因组选择烟叶产量预测平台控制程序，实现所述的基于全基因组选择烟叶产量预测方法步骤。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叶产量预测方法步骤。与现有技术相比，本专利技术具有以下有益效果：本专利技术通过一种基于全基因组选择烟叶产量预测方法及应用、系统、平台、存储介质，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其成熟期烟叶产量性状表型值，并且操作方便、快捷、高效、科学，以及预测结果精准可靠。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种基于全基因组选择烟叶产量预测方法流程架构示意图；图2为本专利技术一种基于全基因组选择烟叶产量预测方法之针对成熟期烟叶产量性状中的自然叶数(LN)表型值建立的全基因组选择模型BayesCLN示意图；图2中图(a)为分子标记数量(n1)对BayesCLN模型的LN表型值预测精度影响示意图；图2中图(b)为训练群体规模(n2)对BayesCLN模型的LN表型值预测精度影响示意图；图2中图(c)为训练群体与测试群体比例(n3)对BayesCLN模型的LN表型值预测精度影响；图2中图(d)为于BayesCLN模型中，不同候选预测模型对预测精度值(n4)的影响示意图；图3为本专利技术一种基于全基因组选择烟叶产量预测方法之针对烟叶产量性状中的最大腰叶长(LL)表型值的全基因组选择模型BayesBLL；图3中图(a)为分子标记数量(n1)对BayesBLL模型的LL表型值预测精度影响示意图；图3中图(b)为训练群体规模(n2)对BayesBLL模型的LL表型值预测精度影响示意本文档来自技高网...

【技术保护点】
1.一种基于全基因组选择烟叶产量预测方法，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叶全基因组数据；/n实时筛选优化烟叶全基因组数据；/n生成烟叶产量预测数据。/n

【技术特征摘要】
1.一种基于全基因组选择烟叶产量预测方法，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叶全基因组数据；
实时筛选优化烟叶全基因组数据；
生成烟叶产量预测数据。


2.根据权利要求1所述的一种基于全基因组选择烟叶产量预测方法，其特征在于，于步骤获取候选预测模型中烟叶全基因组数据之中，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，初步筛选所述的烟叶全基因组数据。


3.根据权利要求1所述的一种基于全基因组选择烟叶产量预测方法，其特征在于，于步骤实时筛选优化烟叶全基因组数据之中，还包括如下步骤：
建立全基因组选择模型；
验证烟叶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，实时二次筛选烟叶全基因组数据。


4.据权利要求2或3所述的一种基于全基因组选择烟叶产量预测方法，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叶产量预测方法，其特征在于，所述的全基因组选择模型包括：
自然叶数全基因组选择模型、最大腰叶长全基因组选择模型和最大腰叶宽全基因组选择模型。


6.根据权利要求1所述的一种基于全基因组选择烟叶产量预测方法，其特征在于，所述的烟叶产量预测数据包括：自然叶数表型值数据、最大腰叶长表型值数据和最大腰叶宽表型值数据。


7.根据权利要求6所述的一种基于全基因组选择烟叶产量预测方法，其特征在于，所述的自然叶数表型值数据的计算公式为：



所述的最大腰叶长表型值数据的计算公式为：



所述的最大腰叶宽表型值数据的计算公式为：



其中，BayesCLN为自然叶数表型值全基因组选择模型，LN为自然叶数，Baye...

【专利技术属性】
技术研发人员：童治军，肖炳光，方敦煌，陈学军，曾建敏，焦芳婵，姚恒，
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