基于全基因组预测的作物物候期预测方法、系统及装置制造方法及图纸

本发明专利技术提供了基于全基因组预测的作物物候期预测方法、系统及装置，方法包括如下步骤：获取作物数据；对生长模型进行参数校正；利用作物数据和校正后的生长模型模拟作物物候期数据；对作物物候期数据进行计算，得到BLUP值；对BLUP值进行贝叶斯全基因组预测，得到物候期的高维SNP数据的低维表示结果；将作物数据中未纳入生长模型预测的数据进行物候期阶段特异性划分，得到分段数据；将分段数据、间隔时间以及低维表示结果组成以物候期阶段特异性划分的时序数据；将时序数据输入经过训练的模型得到预测结果。本发明专利技术利用全基因组预测技术对SNP数据进行低维映射，克服了因简化GSPs而形成的“遗传瓶颈”，增强了基因可解释性。

【技术实现步骤摘要】

本专利技术属于作物培育预测，具体涉及基于全基因组预测的作物物候期预测方法、系统及装置。

技术介绍

1、gwp是一种充分利用全基因组标记信息预测个体表型的方法，可整合snp标记、数量性状基因座（qtl）等现代分子育种、数量遗传学及大数据分析相关信息，在表型数据缺乏或不完整的情况下，快速准确地评估个体的表型特征与潜在育种价值，目前已在小麦育种中得到广泛应用。全基因组预测方法通常假设基因效应在不同环境条件下稳定不变，在构建预测模型时通过blup方法计算表型数据，忽略了环境差异对表型表达的影响，进而影响模型的泛化性能。当环境因素未被充分纳入模型时，将严重制约对基因型与环境互作效应（g×e）的准确解析，导致预测模型在跨环境条件下的表现显著下降。因此，近年来多数研究集中在将g×e效应纳入全基因组预测方法中，提高模型在不同环境下对作物性状的预测能力。

2、作物生长模型（wheatgrow）是以气候条件、土壤特性、品种特征、管理技术等为主要驱动变量，构建的基于生理生态过程的作物生长与生产力形成模拟模型，可动态预测不同条件下作物生长发育与产量品质形成过程。whe本文档来自技高网...

【技术保护点】

1.基于全基因组预测的作物物候期预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述作物数据包括气象数据、土壤数据、管理措施数据、作物物候期观测数据。

3.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述参数为基本早熟性、温度敏感性、光周期敏感性、生理发育时间。

4.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述BLUP计算包括将作物某物候期的观测数据按照环境、年份、地点和该物候期的天数输入R语言中的lme4包的BLUP函数中，对该物候...

【技术特征摘要】

1.基于全基因组预测的作物物候期预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述作物数据包括气象数据、土壤数据、管理措施数据、作物物候期观测数据。

3.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述参数为基本早熟性、温度敏感性、光周期敏感性、生理发育时间。

4.根据权利要求1所述的基于全基因组预测的作物物候期预测方法，其特征在于，所述blup计算包括将作物某物候期的观测数据按照环境、年份、地点和该物候期的天数输入r语言中的lme4包的blup函数中，对该物候期的观测值进行blup计算，得到blip结果。

5.根据权利要求1所述的基于全基因组预测的作物物候期...

【专利技术属性】
技术研发人员：朱艳，李凤迪，刘兵，方淇昭，吕苏雨，闫文亮，汤亮，刘蕾蕾，肖浏骏，曹卫星，
申请(专利权)人：南京农业大学三亚研究院，
类型：发明
国别省市：