[发明专利]全基因组选择育种的方法和装置

权利要求书

1.一种全基因组选择育种的方法，其特征在于，所述方法包括：

获取训练群体中与目标表型显著关联的标记；

根据所述训练群体及所述标记，利用多种全基因组选择预测模型计算育种群体中每个个体的基因组估计育种值；

按照所述基因组估计育种值从高到低的顺序，选择在多个所述全基因组选择预测模型中均排在前预定数量的个体作为育种材料。

2.根据权利要求1所述的方法，其特征在于，多种所述全基因组选择预测模型包括：基因组最佳线性无偏预测模型、岭回归最佳线型无偏估计模型、贝叶斯套索模型、贝叶斯A模型、贝叶斯B模型、贝叶斯C模型及贝叶斯岭回归模型中的至少4种。

3.根据权利要求2所述的方法，其特征在于，多种所述全基因组选择预测模型包括岭回归最佳线型无偏估计模型、贝叶斯套索模型、贝叶斯A模型、贝叶斯B模型、贝叶斯C模型及贝叶斯岭回归模型中的至少3种时，利用多种所述全基因组选择预测模型计算所述育种群体中每个个体的基因组估计育种值包括：

利用所述训练群体中的所述目标表型与所述标记之间的显著关联性，对多种所述全基因组选择预测模型进行精确度评估，得到满足精确度要求的一个或多个全基因组选择预测模型；

利用所述满足所述精确度要求的一个或多个全基因组选择预测模型，计算得到各所述标记的效应值；

利用各所述标记的效应值计算得到所述育种群体中每个个体的基因组估计育种值。

4.根据权利要求1至3中任一项所述的方法，其特征在于，获取训练群体中与目标表型显著关联的标记包括：

对所述训练群体来源于基因芯片或基因组重测序的测序数据进行全基因组关联分析，从而获得与所述目标表型显著关联的标记。

5.根据权利要求4所述的方法，其特征在于，从所述测序数据进行所述全基因组关联分析从而获得与所述目标表型显著关联的标记包括：

对测序数据进行综合分析，所述综合分析表型分布分析、群体结构分析、连锁不平衡分析以及亲缘关系分析；

根据所述综合分析的结果进行所述全基因组关联分析，从而获得与所述目标表型显著关联的标记。

6.根据权利要求5所述的方法，其特征在于，对测序数据进行综合分析，并根据所述综合分析的结果进行所述全基因组关联分析，从而获得与所述目标表型显著关联的标记包括：

检测所述测序数据中数量性状的表型是否符合正态分布或者偏态分布，并剔除偏离杠杆值的极端表型；

通过主成分分析或者群体结构分析计算所述训练群体中群体结构，并将所述群体结构作为固定效应加入全基因组关联分析模型中；

通过衰减距离对全基因组的标记进行连锁不平衡过滤，去除存在多重共线性的效应的标记；

通过计算所述训练群体中各个体间的亲缘距离，并将所述亲缘距离作为随机效应加入所述全基因组关联分析模型；

利用所述全基因组关联分析模型计算所述数量性状的表型中与所述全基因组的标记之间的关联性，从而选择得到与所述目标表型存在显著关联的标记；

优选地，所述全基因组关联分析模型为混合线性模型。

7.一种全基因组选择育种的装置，其特征在于，所述装置包括：

获取模块，用于获取训练群体中与目标表型显著关联的标记；

育种值估计模块，用于根据所述训练群体及所述标记，利用多种全基因组选择预测模型计算育种群体中每个个体的基因组估计育种值；

选择模块，用于按照所述基因组估计育种值从高到低的顺序，选择在多个所述全基因组选择预测模型中均排在前预定数量的个体作为育种材料。

8.根据权利要求7所述的装置，其特征在于，多种所述全基因组选择预测模型包括：基因组最佳线性无偏预测模型、岭回归最佳线型无偏估计模型、贝叶斯套索模型、贝叶斯A模型、贝叶斯B模型、贝叶斯C模型及贝叶斯岭回归模型中的至少4种。