[發(fā)明專利]一種基于單倍型取樣預(yù)測(cè)大豆農(nóng)藝性狀表型的全基因選擇方法及其應(yīng)用

在審

• 申請(qǐng)?zhí)枺?/td>: 201610349022.8
• 申請(qǐng)日: 2016-05-24
• 公開（公告）號(hào): CN107419000A
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計(jì)）人: 邱麗娟;馬巖松;郭勇
• 申請(qǐng)（專利權(quán)）人: 中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所
• 主分類號(hào): C12Q1/68
• 分類號(hào): C12Q1/68
• 代理公司: 北京紀(jì)凱知識(shí)產(chǎn)權(quán)代理有限公司11245
• 代理人: 關(guān)暢,何葉喧

1.一種建立預(yù)測(cè)大豆的農(nóng)藝性狀的模型的方法，包括如下步驟：用單倍型取樣原則代替全基因組SNP取樣原則，并根據(jù)單倍型取樣原則得到的SNP標(biāo)記群體建立預(yù)測(cè)大豆的農(nóng)藝性狀的模型。

2.如權(quán)利要求1所述的方法，其特征在于：所述農(nóng)藝性狀為株高、有效分枝數(shù)、單株莢數(shù)、單株粒重或百粒重。

3.如權(quán)利要求1或2所述的方法，其特征在于：所述“單倍型取樣原則”為：分析所有SNP標(biāo)記間的連鎖不平衡關(guān)系，將形成單倍型區(qū)間的SNP定義為“block-SNP”，將沒有處于任何一個(gè)單倍型區(qū)間的SNP定義為“blank-SNP”，在每個(gè)單倍型區(qū)間中隨機(jī)選擇一個(gè)SNP標(biāo)記作為該單倍型區(qū)間的代表，與全部blank-SNP標(biāo)記一起，構(gòu)成一個(gè)由m個(gè)SNP標(biāo)記組成的SNP標(biāo)記群體。

4.如權(quán)利要求1或2所述的方法，其特征在于：所述“單倍型取樣原則”的實(shí)現(xiàn)方式依次包括如下步驟：

①對(duì)所述訓(xùn)練群體中的各個(gè)大豆進(jìn)行全基因組掃描，獲得所有SNP標(biāo)記的基因型數(shù)據(jù)；所述訓(xùn)練群體由n1個(gè)以上的大豆組成；n1為50以上的自然數(shù)；

②分析所有SNP標(biāo)記間的連鎖不平衡關(guān)系，將形成單倍型區(qū)間的SNP定義為“block-SNP”，將沒有處于任何一個(gè)單倍型區(qū)間的SNP定義為“blank-SNP”，在每個(gè)單倍型區(qū)間中隨機(jī)選擇一個(gè)SNP標(biāo)記作為該單倍型區(qū)間的代表，與全部blank-SNP標(biāo)記一起，構(gòu)成一個(gè)由m個(gè)SNP標(biāo)記組成的SNP標(biāo)記群體。

5.權(quán)利要求1至4中任一所述方法在預(yù)測(cè)大豆的農(nóng)藝性狀中的應(yīng)用。

6.一種基于對(duì)訓(xùn)練群體建立模型從待測(cè)群體中篩選具有目標(biāo)農(nóng)藝性狀的大豆的方法，包括如下步驟：

(1)獲得訓(xùn)練群體中的各個(gè)大豆的農(nóng)藝性狀的無偏估計(jì)值；所述訓(xùn)練群體由n1個(gè)以上的大豆組成；n1為50以上的自然數(shù)；

(2)對(duì)所述訓(xùn)練群體中的各個(gè)大豆進(jìn)行全基因組掃描，獲得所有SNP標(biāo)記的基因型數(shù)據(jù)；分析所有SNP標(biāo)記間的連鎖不平衡關(guān)系，將形成單倍型區(qū)間的SNP定義為“block-SNP”，將沒有處于任何一個(gè)單倍型區(qū)間的SNP定義為“blank-SNP”，在每個(gè)單倍型區(qū)間中隨機(jī)選擇一個(gè)SNP標(biāo)記作為該單倍型區(qū)間的代表，與全部blank-SNP標(biāo)記一起，構(gòu)成一個(gè)由m個(gè)SNP標(biāo)記組成的SNP標(biāo)記群體；

(3)基于所述訓(xùn)練群體，對(duì)于農(nóng)藝性狀與基因型的關(guān)系建立如下方程式甲：Y＝Y(jié)＝μ₁+X×g+ε₁；Y為n1維向量，代表訓(xùn)練群體中的各個(gè)大豆的所述農(nóng)藝性狀的無偏估計(jì)值；μ₁代表組成訓(xùn)練群體的各個(gè)大豆的所述農(nóng)藝性狀的無偏估計(jì)值的平均值；X為n1×m維矩陣，代表SNP基因型代碼，由-1，0，+1組成，其中±1代表純和基因型，0代表雜合基因型；g為m維向量，表示SNP的效應(yīng)值；ε₁代表殘差；將步驟(1)中的相應(yīng)數(shù)據(jù)和所述SNP標(biāo)記群體中的各個(gè)SNP標(biāo)記的基因型數(shù)據(jù)轉(zhuǎn)化為基因型代碼輸入上述方程式甲，得到對(duì)于所述農(nóng)藝性狀來說各個(gè)SNP的g值；

(4)基于步驟(3)得到的g值，通過隨機(jī)回歸最佳線性無偏預(yù)測(cè)模型，得到驗(yàn)證群體中的各個(gè)大豆的所述農(nóng)藝性狀的預(yù)測(cè)值，從而從驗(yàn)證群體中篩選所述農(nóng)藝性狀滿足預(yù)期標(biāo)準(zhǔn)的大豆；所述驗(yàn)證群體由n2個(gè)以上的大豆組成；n2為5以上的自然數(shù)。

7.如權(quán)利要求6所述的方法，其特征在于：所述農(nóng)藝性狀為株高、有效分枝數(shù)、單株莢數(shù)、單株粒重或百粒重。