[发明专利]一种种群的种用价值的判断方法

权利要求书

1.一种种群的种用价值的判断方法，其特征在于，具体步骤如下：

1)样本采样：对待判定的单个种群的多个个体进行采样，测得每个个体的表型值和基因组snp位点；

2)样本筛选：对步骤1)中测得个体的基因组snp位点进行合格筛选，对不合格的位点进行淘汰，对剩余的snp位点进行补齐，得到位点处理后的个体；

3)选择基础预测模型，计算该基础预测模型对应的基因估计育种值：对步骤2)中位点处理后的个体进行随机分类，分为训练群体和测试群体，将训练群体和测试群体进行迭代交叉验证，利用训练群体的个体表型值与个体snp基因型通过选定的基础预测模型计算训练群体中个体的期望效应值，通过训练群体中个体的期望效应值计算测试群体中个体的基因组估计育种值GEBV；采用个体的基因组估计育种值GEBV，结合当前最优参数的DEPSO算法计算基础预测模型种群最优解；

4)更换预设的基础预测模型，采用当前基础预测模型计算出对应的基因组估计育种值GEBV；再结合当前最优参数的DEPSO算法计算的种群最优解，利用集成算法ELGS整合多个基础预测模型的种群最优解，得到种群基因组育种值；

5)计算种群基因组估计育种值的准确度：计算种群基因组估计育种值与采样得到的种群平均表型值或种群真实育种值的相关系数，获得种群育种值估计准确度；

6)优化集成模型：通过步骤5)中得到的种群育种值估计准确度，对每个基础预测模型的DEPSO算法参数不断迭代更新，若育种值估计准确度的收敛值大于预设值，则转向步骤3)，若育种值估计准确度的收敛值小于预设值，则输出当前种群基因组育种值；

步骤3)中选择基础预测模型，计算该基础预测模型对应的基因组估计育种值的具体步骤如下：

3-1)将步骤2)中得到的处理后的个体随机分为均等的10组样本，轮流将其中1组样本作为测试群体，其余9组样本作为训练群体，执行交叉验证；

3-2)使用步骤3-1)中训练群体个体的表型值与snp位点，通过基础预测模型计算训练群体的个体的snp位点的期望效应值；

3-3)将训练群体的个体的snp位点的期望效应值代入测试群体来计算测试群体个体的基因组估计育种值GEBV，公式为:

其中：B为估计群个体的基因型矩阵，为snp位点的期望效应值向量；

3-4)把各个基础预测模型的输出基因组估计育种值GEBV作为输入，利用差分粒子群算法DEPSO来训练集成模型中的权重W_i，利用算法之间的信息共享机制，不断更新迭代全局最优解W_i，具体更新迭代全局最优解公式：

其中：G_best为每次迭代更新中基于集成算法的全局最优解，为每次迭代更新中基于差分进化算法的全局最优解，为每次迭代更新中基于粒子群优化算法的全局最优解，即种群最优解。

2.如权利要求1所述的种群的种用价值的判断方法，其特征在于，步骤1)中测得每个个体的表型测定和基因组snp位点的步骤如下：

1-1)采用GBS技术对每个个体进行基因组测序，测得基因组snp位点；

1-2)对每个个体进行表型测定。

3.如权利要求2所述的种群的种用价值的判断方法，其特征在于，步骤2)中对步骤1)中测得个体的基因组snp位点进行筛选，筛选出个体中满足要求的snp位点，并将筛选出的snp位点中缺失的snp位点进行补齐；补齐后的个体和满足要求不需要补齐的个体统称为合格个体，其步骤如下：

2-1)对步骤1)中所述位点合格的条件为，MAF0.05，符合哈代温伯格平衡检验P-value0.001，位点缺失率低于20％；

2-2)将步骤2-1)中筛选出的有缺失的snp位点通过imputation的方法进行补齐，得到位点处理后的个体。