一种预测猪平均日增重的方法技术

本发明专利技术公开了一种预测猪平均日增重的方法，涉及生物信息学领域。所述预测猪平均日增重的方法包括以下步骤：获取猪平均日增重数据并筛选与猪平均日增重相关的特定肠道微生物，计算所述特定肠道微生物的相对丰度；获取猪的原始SNP数据，计算与所述特定肠道微生物的相对丰度相关的SNP位点；以所述特定肠道微生物的相对丰度及其相关的SNP位点作为自变量，以猪平均日增重数据作为因变量，构建训练数据集；采用所述训练数据集对初始构建的机器学习回归模型进行训练，获得预测猪平均日增重模型，并基于所述预测猪平均日增重模型对猪只的平均日增重进行预测，可以准确地预测猪只生长过程中的日增重。过程中的日增重。

【技术实现步骤摘要】
一种预测猪平均日增重的方法


[0001]本专利技术涉及生物信息学领域，特别涉及一种预测猪平均日增重的方法。

技术介绍

[0002]我国是一个养猪大国，随着猪肉的需求日益增加，如何提高猪肉产量和改善猪肉质量，成为育种科学家长期的研究重点。早期的育种工作主要集中于对猪的表型选择，随着基因组工作的不断推进和分子标记的使用，通过单核苷酸多态性(single nucleotide polymorphism，SNP)标记进行育种选择成为了目前的主流，但是该育种选择方式依旧存在准确率不高的问题。
[0003]随着近几年肠道微生物研究不断取得新的突破，人们逐渐认识到肠道微生物的重要性。哺乳动物胃肠道存在着大量的微生物群，其基因数量约为宿主基因的1
‑
1.3倍，肠道微生物以及其代谢产物对宿主的生长发育有着不可忽视的影响，而目前鲜有将肠道微生物利用到禽畜育种中。
[0004]可见，现有技术还有待改进和提高。

技术实现思路

[0005]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种预测猪平均日增重的方法，旨在通过利用肠道微生物和SNP位点预测猪平均日增重，以提高预测的准确性。
[0006]为了达到上述目的，本专利技术采取了以下技术方案：
[0007]一种预测猪平均日增重的方法，包括以下步骤：获取猪平均日增重数据并筛选与猪平均日增重相关的特定肠道微生物，计算所述特定肠道微生物的相对丰度；获取猪的原始SNP数据，计算与所述特定肠道微生物的相对丰度相关的SNP位点；以所述特定肠道微生物的相对丰度及其相关的SNP位点作为自变量，以猪平均日增重数据作为因变量，构建训练数据集；采用所述训练数据集对初始构建的机器学习回归模型进行训练，获得预测猪平均日增重模型，并基于所述预测猪平均日增重模型对猪只的平均日增重进行预测。
[0008]所述的预测猪平均日增重的方法，其中，所述获取猪平均日增重数据并筛选与猪平均日增重相关的特定肠道微生物，计算所述特定肠道微生物的相对丰度，具体包括以下步骤：从多只猪的肛门采集粪便样品；提取粪便中的微生物基因组DNA，然后进行16S rDNA测序，获得微生物组16S rDNA数据；对所述微生物组16S rDNA数据进行质控和聚类，获得聚类后的16SrDNA数据；根据微生物数据库对每个16S rDNA进行注释，获得肠道微生物种群数据，根据所述肠道微生物种群数据计算各种微生物的相对丰度；根据微生物的相对丰度以及该微生物在猪只中的存在率对所述肠道微生物种群数据进行过滤；计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。
[0009]所述的预测猪平均日增重的方法，其中，所述根据微生物的相对丰度以及该微生物在猪只中的存在率对所述肠道微生物种群数据进行过滤，具体包括：保留相对丰度在
0.1％以上，且在20％以上的粪便样品中存在的微生物。
[0010]所述的预测猪平均日增重的方法，其中，所述计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度，具体包括：以所述猪平均日增重数据为因变量，以所述微生物的相对丰度为自变量，构建Lasso模型，以计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，从过滤后的肠道微生物种群数据中筛选出与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。
[0011]所述的预测猪平均日增重的方法，其中，所述计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度，具体包括：利用偏相关和信息论算法计算所述肠道微生物种群数据与猪平均日增重数据之间的相关性，以获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。
[0012]所述的预测猪平均日增重的方法，其中，所述获取猪的原始SNP数据，计算与所述特定肠道微生物的相对丰度相关的SNP位点，具体包括以下步骤：采集多只猪的组织，提取组织DNA，采用基因芯片进行分型，获得原始SNP数据；对所述原始SNP数据进行过滤，获得过滤后的SNP数据；以所述特定肠道微生物的相对丰度为响应值，以所述过滤后的SNP数据作为预测值，通过模型计算出与所述特定肠道微生物的相对丰度相关的SNP位点。
[0013]所述的预测猪平均日增重的方法，其中，所述对所述原始SNP数据进行过滤，获得过滤后的SNP数据，具体包括：去除所述原始SNP数据中符合以下任一条的SNP：缺失率大于0.1的SNP；最小等位基因频率小于0.05的SNP；不符合Hardy
‑
Weinberg平衡的SNP。
[0014]所述的预测猪平均日增重的方法，其中，所述以所述特定肠道微生物的相对丰度为响应值，以所述过滤后的SNP数据作为预测值，通过模型计算出与所述特定肠道微生物的相对丰度相关的SNP位点后，还包括：通过邻近算法填补与所述特定肠道微生物的相对丰度相关的SNP位点中的缺失数据。所述的预测猪平均日增重的方法，其特征在于，所述机器学习回归模型为LR模型，其具体方程式为：
[0015]Y＝0.019X1‑
0.000326X2‑
0.00326X3‑
0.0109X4‑
0.00503X5+0.00681X6[0016]‑
0.0064X7+0.00146X8+0.0226X9+0.585X
10
+0.925
[0017]所述方程式中，Y为猪平均日增重的预测值，单位为千克/天，X1至X8依次对应的SNP位点为：rs339933029、rs333900969、rs332402643、rs338935223、rs80986577、rs81415286、rs81437804、rs343769713，所述方程式中SNP位点用0、1或2表示，0表示主等位基因纯合子，1表示杂合子，2表示次等位基因纯合子；X9和X
10
分别为普雷沃氏菌和土孢杆菌的相对丰度。
[0018]所述的预测猪平均日增重的方法，其中，所述机器学习回归模型为XGB模型；所述特定肠道微生物为：甲基杆菌属、弯曲杆菌属、肠杆菌科未分类属、拟杆菌属、普雷沃氏菌属和拟杆菌目未分类科；所述与特定肠道微生物的相对丰度相关的SNP位点为：rs81429163、rs81325861、rs81450579、rs81450581、rs81451919、rs332862557、rs80886192、rs319026277、rs326203392、rs328862801、rs81349632、rs80841854、rs342676309、rs326977015、rs81476003、rs81269743、rs326491162、rs81452654、rs81457084、rs330259558、rs330673669、rs34149272、rs81226653、rs8本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测猪平均日增重的方法，其特征在于，包括以下步骤：获取猪平均日增重数据并筛选与猪平均日增重相关的特定肠道微生物，计算所述特定肠道微生物的相对丰度；获取猪的原始SNP数据，计算与所述特定肠道微生物的相对丰度相关的SNP位点；以所述特定肠道微生物的相对丰度及其相关的SNP位点作为自变量，以猪平均日增重数据作为因变量，构建训练数据集；采用所述训练数据集对初始构建的机器学习回归模型进行训练，获得预测猪平均日增重模型，并基于所述预测猪平均日增重模型对猪只的平均日增重进行预测。2.根据权利要求1所述的预测猪平均日增重的方法，其特征在于，所述获取猪平均日增重数据并筛选与猪平均日增重相关的特定肠道微生物，计算所述特定肠道微生物的相对丰度，具体包括以下步骤：从多只猪的肛门采集粪便样品；提取粪便中的微生物基因组DNA，然后进行16S rDNA测序，获得微生物组16S rDNA数据；对所述微生物组16S rDNA数据进行质控和聚类，获得聚类后的16S rDNA数据；根据微生物数据库对每个16S rDNA进行注释，获得肠道微生物种群数据，根据所述肠道微生物种群数据计算各种微生物的相对丰度；根据微生物的相对丰度以及该微生物在猪只中的存在率对所述肠道微生物种群数据进行过滤；计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。3.根据权利要求2所述的预测猪平均日增重的方法，其特征在于，所述根据微生物的相对丰度以及该微生物在猪只中的存在率对所述肠道微生物种群数据进行过滤，具体包括：保留相对丰度在0.1％以上，且在20％以上的粪便样品中存在的微生物。4.根据权利要求2所述的预测猪平均日增重的方法，其特征在于，所述计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度，具体包括：以所述猪平均日增重数据为因变量，以所述微生物的相对丰度为自变量，构建Lasso模型，以计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，从过滤后的肠道微生物种群数据中筛选出与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。5.根据权利要求2所述的预测猪平均日增重的方法，其特征在于，所述计算过滤后的所述肠道微生物种群数据与所述猪平均日增重数据的相关性，获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度，具体包括：利用偏相关和信息论算法计算所述肠道微生物种群数据与猪平均日增重数据之间的相关性，以获得与所述猪平均日增重数据相关的特定肠道微生物及其相对丰度。6.根据权利要求1所述的预测猪平均日增重的方法，其特征在于，所述获取猪的原始SNP数据，计算与所述特定肠道微生物的相对丰度相关的SNP位点，具体包括以下步骤：采集多只猪的组织，提取组织DNA，采用基因芯片进行分型，获得原始SNP数据；
对所述原始SNP数据进行过滤，获得过滤后的SNP数据；以...

【专利技术属性】
技术研发人员：赵云翔，李英，张涛，邓飞龙，彭云娟，刘鑫婷，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：