[发明专利]一种种群的种用价值的判断方法

说明书

本发明公开了一种种群的种用价值的判断方法。该方法是将几种基础预测模型组合成一个预测模型的元算法，这种方法相较于单个预测模型通常能够获得更好的预测结果。具体步骤为：对单个群体的所有个体进行生产性能的表型测定和snp分型；经过过滤、填充等技术获得完整的基因型信息；通过多个基础预测模型并行对训练群体进行迭代训练；将多个基础模型获得各个snp位点的期望效应值累加得到每个基础预测模型的基因组估计育种值GEBV；通过最佳的集成算法ELGS将基础预测模型进行整合，最后计算基因组估计育种值与表型值或真实育种值的相关系数来获得估计准确度。

技术领域

本发明涉及基因组育种领域，尤其涉及一种种群的种用价值的判断方法。

背景技术

基因组选择，最初由Meuwissen等人提出。用于动物育种，被认为是一种有前途的育种范例，通过使用全基因组标记更好地预测多基因性状的植物或动物表型。与基于系谱的预测方法和基于少量标记的标记辅助选择预测方法不同，基因组选择可以对未知表型的的个体进行育种值预测，而这种性质使得它可以被应用于早期选择，可以在极大程度上减少育种周期、加快选择进展。目前该方法已经成为奶牛育种的常规方法，并且也在肉牛、马、羊、猪、鸡、老鼠、果蝇，植物上的玉米、水稻、小麦、大豆、苹果和松树中大量应用，甚至在人自身上也利用此技术预测疾病风险研究。基因组选择在水产领域的开展相对较晚，但发展速度很快，目前，基因组选择技术已经被用于扇贝(Patinopecten yessoensis)、大西洋鲑鱼(Salmo salar)、银鲑鱼(Oncorhynchus kisutch)、金头鲷(Sparus aurata)和南美白对虾(Litopenaeus vannamei)等物种的选育中。可以预计，此技术在未来将会在更多物种中获得更广泛的应用。

目前已经为基因组选择开发了各种统计模型，包括基于BLUP算法(最佳线性无偏预测)、利用基因组信息的BLUP算法(GBLUP)、基于贝叶斯的算法，如Bayes A，Bayes B，BayesCπ和Bayes LASSO等。然而，传统的统计模型预测精度变化不大；此外，统计模型通常做出强有力的假设并执行线性回归分析。例如：在GBLUP方法中，所有snp效应方差的先验分布是相等的；在BayesA中，所有snp都有影响，snp的方差服从逆卡方分布；在BayesB和BayesCπ中，只有一小部分snp具有非零效应。传统的统计模型在预测同一种性状中具有各自的优势，但预测效果参差不齐。迄今为止，尚未出现一种“超级算法”可以一直优于其它算法。

在CN107590364A中公开了一种名为“一种新的估计基因组育种值的快速贝叶斯方法”的发明专利，该专利利用贝叶斯模型计算参考群体的snp位点的期望效应值，利用参考群体的snp位点的期望效应值计算得到测试群体的估计基因组育种值GEBV，并通过计算基因组育种值与表型值或真实育种值的相关系数来获得估计准确度。其方法的不足在于：1、采用单个基础预测模型使预测精度不高；2、在BayesA模型中，所有snp都有影响，snp的方差服从逆卡方分布；在BayesB模型和BayesCπ模型中，只有一小部分snp具有非零效应，判定方法的稳定性低、灵活性差；3、单个基础预测模型需要做出强有力的假设并执行线性回归分析，使得预测效果参差不齐。

发明内容

本发明的目的就是提供一种种群的种用价值的判断方法。

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；