申请/专利权人：南京农业大学

申请日：2023-05-26

公开（公告）日：2024-03-15

公开（公告）号：CN116732222B

主分类号：C12Q1/6895

分类号：C12Q1/6895;G16B20/00

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;2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明公开了一种基于全基因组高效预测菊花耐盐性的方法。本发明通过全基因组关联分析鉴定菊花耐盐性显著相关的13个SNP标记，在此基础上，比较了不同统计模型和不同密度SNP标记对全基因组预测效果的影响，并基于GWAS分析中与菊花耐盐性显著关联的SNP位点，构建了菊花耐盐性全基因组选择预测模型，选择效率可提高2.96～13.09倍。本发明不仅能够实现菊花育种工作中耐盐性品种的早期选择，缩短育种周期，还有效克服了耐盐性田间鉴定工作量大、周期长、易受环境因素和人为主观因素的影响等技术难题，为耐盐性分子标记辅助选择和基因组选择育种提供重要理论依据，在菊花耐盐性育种领域具有广阔的应用前景。

主权项：1.一种菊花耐盐性全基因组选择预测模型的筛选方法，其特征在于，包括以下步骤：（1）选取多份来源不同且无直接亲缘关系的代表性菊花品种，采用水培法对其进行耐盐性鉴定；利用各性状耐盐系数的最佳线性无偏估计值，结合主成分分析、综合隶属函数法对不同菊花品种的耐盐性进行综合评价，获得不同品种的耐盐性综合评价值D值；（2）采用GBS简化基因组测序技术和IlluminaHiSeq测序平台对步骤（1）中所述的菊花品种进行双末端PE150测序；以菊花‘钟山紫桂’基因组为参考进行序列比对，使用SAMtools软件进行群体变异检测，获得存储SNP基因分型数据的VCF文件；并采用Plink和VCFtools软件，根据测序深度6X、完整度0.85、最小等位基因频率≥0.05，缺失率和杂合率20%的标准进行基因型过滤，最终获得高质量SNP多态性位点用于后续分析；（3）利用GCTA软件对步骤（2）中所述的高质量SNP多态性位点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，用以控制群体结构造成GWAS分析的假阳性；（4）基于步骤（2）中所述的过滤后的SNP位点和步骤（3）中的GWAS分析，利用3VmrMLM软件的单环境模型进行菊花耐盐性全基因组关联分析，同时控制群体结构和亲缘关系，阈值设置为P1.0×10-3，估计每个SNP位点的P值和表型变异解释率；（5）以步骤（1）中所述的不同品种的耐盐性综合评价值D值作为菊花耐盐性全基因组选择分析的表型数据；当基因型和表型数据存在缺失，对其进行空缺值填补；首先使用VCFtools软件的“--012”参数将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；再利用R软件Hmisc包中的impute函数和rrBLUP包中的A.mat函数进行表型平均值自动插补和基因型填补；（6）为了比较不同SNP密度及GWAS鉴定获得的显著位点对GS预测准确性的影响，共选取了三类SNP数据集；第一类为步骤（4）中根据与菊花综合耐盐值D值的关联性选取GWAS分析得到的P0.005的显著位点，按照P值从小到大排序，取前100、200、400、700、1100、1600、2200、2900、3700和4700SNP位点集合；第二类为步骤（4）中GWAS关联分析得到的与菊花综合耐盐值D值集合；第三类为用于全基因组关联分析的全部SNP中选择与第一类和第二类方案相同数量的SNP集合；（7）采用5-倍交叉验证方法，抽取80%的菊花品种作为训练群体，剩余20%作为测试群体，重复500次以消除取样误差；在训练群体中利用基因型数据和表型数据建立菊花耐盐性全基因组选择模型，在验证群体中利用基因型数据和预测模型估算基因组估计育种值GEBV；重复500次以消除取样误差，并以验证群体GEBV和实际观测值的决定系数（r2）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，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 一种基于全基因组高效预测菊花耐盐性的方法

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