[發明專利]基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法

有效

• 申請號: 202110707252.8
• 申請日: 2021-06-22
• 公開（公告）號: CN113393897B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 楊萬能;馮慧;宋鵬;戴國新;宋京燕;趙爽;陳曉茜;葉軍立;李為坤;嚴建兵;羅杰;郭亮;陳偉;石濤濤;肖英杰;劉謙;熊立仲
• 申請（專利權）人: 華中農業大學
• 主分類號: G16B20/20
• 分類號: G16B20/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法，其特征在于：

步驟A，采集水稻、玉米、小麥和油菜籽粒的高光譜圖像，提取高光譜指數h-trait，并測量相應作物籽粒的代謝物含量m-traits；

步驟B，測序獲得作物籽粒基因組數據；

步驟C，以步驟A中提取的作物籽粒高光譜指數h-traits為表型性狀，結合測序獲得的基因組數據進行全基因組關聯分析，即hGWAS，并統計顯著SNP位點信息；以步驟A測定的作物籽粒代謝物含量m-traits為表型性狀結合測序獲得的基因組數據進行全基因組關聯分析，即mGWAS，并統計顯著SNP位點信息；

步驟D，對步驟C中hGWAS結果得到的顯著SNP位點信息和mGWAS結果得到的顯著SNP位點信息進行共定位分析，綜合共定位分析中的H-G及M-G匹配對信息，構建H1-G-M1網絡，挖掘其潛在關聯信息；

步驟E，對步驟A中提取的作物籽粒高光譜指數和測量的作物籽粒代謝物含量進行特征篩選，采用Lasso回歸進行特征篩選，根據返回的回歸系數，剔除回歸系數為0的變量，留下的變量即為特征變量，以此構建H2-M2網絡；

步驟F，對步驟D和步驟E中構建的網絡數據進行綜合，取H1-G-M1網絡和H2-M2網絡中數據的交集，構建H3-G-M3網絡，挖掘其潛在關聯信息。

2.根據權利要求1所述的基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法，其特征在于，步驟A中采集高光譜圖像并提取高光譜指數，具體包括以下步驟：用高光譜相機采集相應作物籽粒光譜數據，并以二進制數據流方式存儲數據；對采集的二進制流數據按波段重排，經由圖像分割、圖像掩膜和數據處理三步獲得各波段下的高光譜指數。

3.根據權利要求2所述的基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法，其特征在于，步驟A提取的高光譜指數具體有：

總反射率T及其衍生指數：總反射率的一階導dT，總反射率的二階導ddT，總反射率的特征指數CPT；

平均反射率A及其衍生指數：平均反射率的一階導dA，平均反射率的二階導ddA，平均反射率的特征指數CPA。

4.根據權利要求1所述的基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法，其特征在于，步驟C中以h-traits和m-traits為表型性狀，結合基因組數據分別進行hGWAS和mGWAS，統計顯著SNP位點信息，具體包括以下步驟：hGWAS過程，對測序數據進行基因型填充預處理，選擇缺失率小于20％的SNPs做后續分析，GWAS分析過程采用回歸模型或混合線性模型，設置合適的閾值，經過玻爾茲曼檢驗后篩選出過閾值的顯著SNPs位點信息；mGWAS采用相同過程篩選顯著SNPs位點信息。

5.根據權利要求1所述的基于高光譜成像的作物籽粒代謝性狀檢測和遺傳解析方法，其特征在于，步驟D中對hGWAS和mGWAS結果進行共定位分析，并構建H1-G-M1網絡，挖掘其潛在關聯信息，具體包括以下步驟：將hGWAS和mGWAS結果中的顯著SNP位點信息進行匹配分析，將顯著SNP位點信息分為兩個數據集，以顯著SNP在染色體上的位置坐標為數據集中的每一個值；用hGWAS顯著SNP信息數據集的數據減去mGWAS顯著SNP信息數據集的數據，遍歷整個數據集；hGWAS和mGWAS過程中得到的顯著SNP位點位于同一染色體上且距離在300KB之內，則視為共定位位點；綜合共定位分析中的H-G及M-G匹配對信息構建H1-G-M1網絡圖；根據H1-G-M1網絡分析相同基因座下某個或某些光譜值與某個或某類代謝物含量的關聯。