申请/专利权人：南京农业大学

申请日：2023-04-10

公开（公告）日：2024-03-15

公开（公告）号：CN116564407B

主分类号：G16B20/50

分类号：G16B20/50;G16B35/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2023.11.28#著录事项变更;2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明公开了一种全基因组选择预测菊花花期模型的筛选方法。本发明还公开了由所述方法筛选的全基因组选择预测模型在预测菊花花期、筛选菊花品种、菊花花期育种中的应用。本发明还公开了基于全基因组选择高效预测菊花花期的方法。本发明发现全基因组关联分析鉴定获得的显著关联位点以及SVM模型可以快速、高效、精准预测菊花动态花期，准确度可达0.90～0.95。本发明可实现菊花现蕾期、显色期、初开期、盛花期、衰败期以及开花早晚的早期预测，无需进行繁琐的田间全生育期观测，既避免了环境因子以及人为主观因素对花期表型鉴定的影响又大大缩短了育种周期，对于菊花花期改良和周年生产具有重要的理论和实践意义。

主权项：1.一种全基因组选择预测菊花花期模型的筛选方法，其特征在于，包括以下步骤：（1）选取来源不同且无直接亲缘关系的代表性菊花品种，以无性繁殖方式进行多年多点种植；详细记录每个菊花品种的现蕾期、显色期、初开期、盛花期和衰败期，计算每个品种各花期性状在多个环境下的均值和最佳线性无偏预测BLUP值，并估算性状广义遗传力；（2）计算各花期性状两两之间的相关系数矩阵；采用PCA分析提取第一主成分的特征向量PC1作为代表菊花开花早晚的综合性状；（3）采用GBS简化基因组测序技术和IlluminaHiSeq测序平台对上述菊花品种进行双末端PE150测序，变异检测和过滤质控，即测序深度6X、完整度0.85、次要等位基因频率MAF0.05，即获得高质量SNP数据集用于后续遗传分析；（4）基于步骤（3）所述高质量SNP数据集，分别利用GCTA软件和EMMAX软件进行主成分分析和亲缘关系分析，得到所有个体的特征向量PCs矩阵和两两个体之间亲缘关系系数Kinship矩阵；结合步骤（1）中所述各花期性状的单环境表型值、多环境均值和BLUP值，利用IIIVmrMLM软件分别进行单环境和多环境联合全基因组关联分析，获得每个SNP与性状的关联P值；根据Bonferroni矫正设置的显著性阈值，检测现蕾期、显色期、初开期、盛花期和衰败期的显著关联QTN，并将LOD阈值3.0的位点作为suggestedQTN；significantQTN和suggestedQTN均为极显著关联位点；（5）以步骤（1）中不同环境下每个花期性状的均值和步骤（2）中的PC1作为全基因组选择分析的表型数据，表型缺失值采用平均值填补；（6）选取步骤（3）中所述高质量SNP数据集为第一类SNP数据集；选取步骤（4）中所述各花期性状P0.005、P0.001的显著关联位点，以及达到Bonferroni矫正的significantQTN和LOD3.0的suggestedQTN即极显著关联位点为第二类SNP数据集；利用Plinkv1.9软件的“--thin-countnum”命令在步骤（3）中所述高质量SNP数据集中选取与第二类SNP数据集相同数量的标记为第三类SNP数据集；对于步骤（2）中所述PC1，分别以其他5个花期性状不同阈值下的显著位点的并集作为SNP标记集；（7）采用rrBLUP包中的A.mat函数填补基因型，分别将步骤（6）所述7个SNP数据集的纯合非突变基因型编码为0，杂合基因型编码为1，纯合突变基因型编码为2；（8）基于上述步骤（5）中各品种的现蕾期、显色期、初开期、盛花期、衰败期以及PC1表型值和步骤（7）中的基因型数据，采用5-倍交叉验证方法在不同全基因组选择统计模型下进行全基因组选择分析；以20%测试群体的估算基因组估计育种值GEBV和实际观测值的决定系数重复500次的均值作为评价全基因组选择预测准确性的指标，据此确定最佳统计模型和最佳分子标记数据集，得到最佳全基因组选择预测体系。

全文数据：

权利要求：

百度查询： 南京农业大学 一种基于全基因组选择高效预测菊花花期的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD