一种用于鉴定水稻适种区域的试剂盒及其预测方法和预测模型的构建技术

本发明专利技术公开了一种用于鉴定水稻适种区域的试剂盒及其预测方法和预测模型的构建，涉及水稻种植环境检测技术领域，水稻是比较重要的粮食作物，本发明专利技术通过高通量测序的方法，检测和分析籼稻和粳稻群体中SNP位点的基因型，获得了特定的目标SNP位点，采用机器学习和人工智能的方法，构建分析模型，用于对待测水稻品种进行适种区预测。综合预测准确率超过90％，相对于常规的适种区域评价方法，具有成本低，时间短等技术优势。时间短等技术优势。时间短等技术优势。

【技术实现步骤摘要】
一种用于鉴定水稻适种区域的试剂盒及其预测方法和预测模型的构建


[0001]本专利技术涉及水稻种植环境检测
，具体而言，涉及一种用于鉴定水稻适种区域的试剂盒及其预测方法和预测模型的构建。

技术介绍

[0002]水稻作为主要的主食农作物，在人们日常生活中占据着及其重要的地位。随着人们生活水平的不断提高，人们对水稻的品质追求逐渐提高，影响水稻的品质的因素除了水稻品种本身的遗传特性之外，生态环境也是影响水稻品质优劣的关键因素，例如土壤因素和气候因素等，优质水稻只有在适宜的生态条件下才能实现品种与气候条件的合理匹配。
[0003]现有常规的鉴定水稻适种区域的流程为：基于天气因素进行种植区域的选择，通过育秧和插秧，进行适应性观察。整个过程需要耗费120天左右。因此，如何有效地鉴定水稻的适种区域是如今亟待解决的问题之一。
[0004]鉴于此，特提出本专利技术。

技术实现思路

[0005]本专利技术的目的在于提供一种用于鉴定水稻适种区域的试剂盒及其预测方法和预测模型的构建。
[0006]本专利技术是这样实现的：
[0007]第一方面，本专利技术实施例提供了用于检测目标SNP位点基因型的试剂在制备用于鉴定水稻适种区域的试剂盒中的应用，所述目标SNP位点的表1所述SNP位点中的至少197个位点。
[0008]表1纬度分布相关SNP位点列表
[0009][0010][0011][0012][0013][0014][0015][0016][0017][0018][0019][0020][0021][0022]备注：水稻参考基因组版本：MSU7.0(http://rice.uga.edu/)；iS代表仅籼稻受选的目标位点，表示位点与籼稻的性状相关，jS代表仅粳稻受选的目标位点，表示位点与粳稻的性状相关，jiS代表籼粳稻同时受选的目标位点，表示同时与籼稻和粳稻的性状相关。
[0023]第二方面，本专利技术实施例提供了一种用于鉴定水稻适种区域的试剂盒，其包括用于检测目标SNP位点基因型的试剂，所述目标SNP位点包括如前述实施例所述的应用中的目标SNP位点。
[0024]第三方面，本专利技术实施例提供了一种水稻适种区域的预测模型的训练方法，其包括：获取训练样本的目标SNP位点的检测信息以及对应的标注结果，其中，所述目标SNP位点包括如前述实施例所述的应用中的目标SNP位点；将训练样本的目标SNP位点的检测信息以及对应的标注结果输入预先构建好的预测模型，获得训练样本的预测结果；其中，所述预测模型用于根据样本所述目标SNP位点的基因型信息判断样本的适种区域；基于所述标注结果和所述预测结果对构建的预测模型进行参数更新。
[0025]第四方面，本专利技术实施例提供了一种水稻适种区域的预测模型的预测方法，其包括：将待测样本的目标SNP位点的检测信息输入预先训练好的预测模型中，获得待测样本的预测结果，其中，所述目标SNP位点包括如前述实施例所述的应用中的目标SNP位点，所述预测模型为如前述实施例所述的水稻适种区域的预测模型的训练方法训练获得的。
[0026]第五方面，本专利技术实施例提供了一种水稻适种区域的预测模型的预测装置，其包括获取模块和预测模块。获取模块用于获取待测样本的目标SNP位点的检测信息；预测模块，用于将待测样本的目标SNP位点的检测信息输入预先训练好的预测模型中，获得待测样本的预测结果；其中，所述目标SNP位点包括如前述实施例所述的应用中的目标SNP位点，所述预测模型为如前述实施例所述的水稻适种区域的预测模型的训练方法训练获得的。
[0027]第六方面，本专利技术实施例提供了一种水稻适种区域的预测模型的训练装置，其包括获取模块、处理模块和参数更新模块。获取模块用于获取训练样本的目标SNP位点的检测信息以及对应的标注结果，其中，所述目标SNP位点包括如前述实施例所述的应用中的目标SNP位点。处理模块用于将所述训练样本的目标SNP位点的检测信息以及对应的标注结果输入预先构建好的预测模型，获得训练样本的预测结果；其中，所述预测模型用于根据样本所述目标SNP位点的基因型信息判断样本的适种区域。参数更新模块用于根据所述标注结果和所述预测结果对构建的预测模型进行参数更新。
[0028]第七方面，本专利技术实施例提供了一种电子设备，其包括：处理器和存储器；所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述实施例所述的水稻适种区域的预测模型的训练方法，或，如前述实施例所述的水稻适种区域的预测模型的预测方法。
[0029]第八方面，本专利技术实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施例所述的水稻适种区域的预测模型的训练方法，或，如前述实施例所述的水稻适种区域的预测模型的预测方法。
[0030]本专利技术具有以下有益效果：
[0031]水稻是比较重要的粮食作物，本专利技术通过高通量测序的方法，检测和分析籼稻和粳稻群体中SNP位点的基因型，采用机器学习和人工智能的方法，构建分析模型，用于对待测水稻品种进行适种区预测。综合预测准确率超过90％，相对于常规的适种区域评价方法，具有成本低，时间短等技术优势。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0033]图1为本专利技术与常规技术选择水稻适种区域的流程示意图，其中A为常规方法，B为本专利技术的方法；
[0034]图2为水稻种植区域划分示意图；
[0035]图3为实施例1的预测准确率统计图；
[0036]图4为验证例1的不同类型位点建模预测准确性比较图；
[0037]图5为验证例2的不同比例样品作为训练集和测试集的比较图；
[0038]图6为验证例2的不同比例样品作为训练集和测试集的比较图。
具体实施方式
[0039]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对本专利技术实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0040]本专利技术实施例提供了用于检测目标SNP位点基因型的试剂在制备用于鉴定水稻适种区域的试剂盒中的应用，所述目标SNP位点的表1所述SNP位点中的至少197个位点。
[0041]专利技术人经一系列创造性发现提供了表1的SNP位点，这些位点均是在水稻基因组的编码基因中改变氨基酸编码的SNP位点，且在不同种植区域的水稻，在上述目标SNP位点的基因型具有显著差异，而通过对样本的目标SNP位点的基因型进行检测，能够达到有效鉴定或预测样本适种区域的目的，本专利技术的鉴定水稻适种区域的流程示意图可参照图1。
[0042]在优选的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于检测目标SNP位点基因型的试剂在制备用于鉴定水稻适种区域的试剂盒中的应用，其特征在于，所述目标SNP位点包括如下SNP位点列表中所示SNP位点中的至少197个位点；
2.根据权利要求1所述的用于检测目标SNP位点基因型的试剂在制备用于鉴定水稻适种区域的试剂盒中的应用，其特征在于，所述目标SNP位点包括所述SNP位点列表中所示SNP位点中的至少296个位点；优选地，所述目标SNP位点包括所述SNP位点列表中所示SNP位点中的至少395个位点；优选地，所述目标SNP位点包括所述SNP位点列表中的所有位点；优选地，所述水稻选自籼稻和粳稻中的至少一种。3.根据权利要求1所述的用于检测目标SNP位点基因型的试剂在制备用于鉴定水稻适种区域的试剂盒中的应用，其特征在于，所述适种区域包括基于经纬度划分的地理区域；优选地，所述适种区域包括：纬度范围为北纬20～25度区间的区域R1、纬度范围为北纬25～30度区间的区域R2、纬度范围为北纬30～35度区间的区域R3、纬度范围为北纬35～40度区间的区域R4、纬度范围≥北纬40度区间的区域R5，R1～R5的经度范围为东经73～135度。4.一种用于鉴定水稻适种区域的试剂盒，其特征在于，其包括：用于检测目标SNP位点基因型的试剂，所述目标SNP位点包括如权利要求1或2所述的应用中的目标SNP位点。
5.一种水稻适种区域的预测模型的训练方法，其特征在于，其包括：获取训练样本的目标SNP位点的检测信息以及对应的标注结果，其中，所述目标SNP位点包括如权利要求1或2所述的应用中的目标SNP位点；将训练样本的目标SNP位点的检测信息以及对应的标注结果输入预先构建好的预测模型，获得训练样本的预测结果；其中，所述预测模型用于根据样本所述目标SNP位点的基因型信息判断样本的适种区域；基于所述标注结果和所述预测结果对构建的预测模型进行参数...

【专利技术属性】
技术研发人员：张群宇，陈杰湖，周峰，王曼，刘耀光，王红梅，袁健铭，
申请(专利权)人：广州瑞科基因科技有限公司，
类型：发明
国别省市：