【技术实现步骤摘要】
本专利技术涉及生物信息学，尤其涉及一种全基因组预测方法。
技术介绍
1、全基因组预测(genome prediction，以下简称为gp)作为一种生物育种领域的核心技术受到越来越多的重视和关注。进行gp预测育种需要建立两个群体，一个是训练群体，一个是预测群体，后者通常是常规作物育种中使用的测试群体。其中训练群体需要进行表型和基因型鉴定，根据线性回归模型估计分子标记的标记效应或者个体遗传效应来计算预测群体的预测育种值。与常规的分子标记辅助育种相比，gp具有诸多优点，包括不需要鉴定显著性的qtl位点；可以精确获取到微效qtl的效应；可以提高育种效率和缩短育种周期等。之前的研究人员对gp预测准确性的影响因素也进行了大量的研究，发现遗传力、训练群体和预测群体之间的亲缘关系等因素影响gp预测准确性。
2、目前有研究通过采用不同的固定效应来改良gp模型，以获得更高的预测准确性，例如有研究采用与目标基因连锁的标记作为固定效应，有研究将植物特定时期的标记作为固定效应。这些研究均成功提高了gp模型的预测准确性，但是仍有待进一步改进。
<...【技术保护点】
1.一种全基因组预测方法，其特征在于，包括：
2.根据权利要求1所述的全基因组预测方法，其特征在于，
3.根据权利要求2所述的全基因组预测方法，其特征在于，所述表型分析包括如下任意一种或多种：
4.根据权利要求3所述的全基因组预测方法，其特征在于，所述遗传力基于如下模型得到：
5.根据权利要求2-4任一项所述的全基因组预测方法，其特征在于，所述多个性状的选择过程还包括：关联性分析。
6.根据权利要求5所述的全基因组预测方法，其特征在于，所述关联性分析包括：
7.根据权利要求5所述的全基因组预测方法...
【技术特征摘要】
1.一种全基因组预测方法，其特征在于，包括：
2.根据权利要求1所述的全基因组预测方法，其特征在于，
3.根据权利要求2所述的全基因组预测方法，其特征在于，所述表型分析包括如下任意一种或多种：
4.根据权利要求3所述的全基因组预测方法，其特征在于，所述遗传力基于如下模型得到：
5.根据权利要求2-4任一项所述的全基因组预测方法，其特征在于，所述多个性状的选择过程还包括：关联性分析。
6.根据权利要求5所述的全基因组预测方法，...
【专利技术属性】
技术研发人员：张红伟，杨文妍，马育庭，刘茜，袁莉萍，谢玉心，付俊杰，
申请(专利权)人：中国农业科学院作物科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。