[发明专利]一种基于全基因组选择烟草有害成分预测方法及应用

权利要求书

1.一种基于全基因组选择烟草有害成分预测方法，其特征在于，所述的方法具体包括如下步骤：

获取候选预测模型中烟草全基因组数据；

实时筛选优化烟草全基因组数据；

生成烟草有害成分预测数据。

2.根据权利要求1所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，于步骤获取候选预测模型中烟草全基因组数据之中，还包括如下步骤：

设定候选预测模型的核心参数；

建立候选预测模型；

通过所述的候选预测模型，结合所述的核心参数，初步筛选所述的烟草全基因组数据。

3.根据权利要求1所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，于步骤实时筛选优化烟草全基因组数据之中，还包括如下步骤：

建立全基因组选择模型；

验证烟草候选预测模型的核心参数；

通过所述的全基因组选择模型，结合所述的核心参数，实时二次筛选烟草全基因组数据。

4.据权利要求2或3所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，所述的核心参数包括：分子标记数量、训练群体规模、训练群体与测试群体比例、模型预测精度值。

5.根据权利要求3所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，所述的全基因组选择模型包括：

果胶全基因组选择模型、半纤维素全基因组选择模型、纤维素全基因组选择模型和木质素全基因组选择模型。

6.根据权利要求1所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，所述的烟草有害成分预测数据包括：果胶含量值数据、半纤维素含量值数据、纤维素含量值数据和木质素含量值数据；

所述的烟草有害成分预测数据具体为烟草有害成分前体物含量值数据。

7.根据权利要求6所述的一种基于全基因组选择烟草有害成分预测方法，其特征在于，所述的果胶含量值数据的计算公式为：

所述的半纤维素含量值数据的计算公式为：

所述的纤维素含量值数据的计算公式为：

所述的木质素含量值数据的计算公式为：

其中，BayeS B_PEC果胶含量值全基因组选择模型，PEC为果胶，Bayes B为候选预测模型，Bayes A_hCEL为半纤维素含量值全基因组选择模型，hCEL为半纤维素，Bayes A为候选预测模型，Bayes C_CEL为纤维素含量值全基因组选择模型，CEL为纤维素，Bayes C为候选预测模型，Bayes C_LIG为木质素含量值全基因组选择模型，LIG为木质素，n1为分子标记数量，n2为训练群体规模，n3为训练群体与测试群体比例，n4为模型预测精度值。

8.一种基于全基因组选择烟草有害成分预测方法的应用，其特征在于，所述的基于全基因组选择烟草有害成分预测方法，应用于分析烟草群体苗期的基因型数据，并于全基因组范围内，预测出所述烟草群体中各烟草植株成熟烘烤后叶片中有害成分前体物含量的表型值数据；

应用于分析烟草群体或烟草品种的基因型数据，通过在全基因组范围内，预测烟草成熟并烘烤后叶片中有害成分前体物含量值数据，于烟草苗期时，获取成熟并烘烤后叶片中有害成分前体物含量的表型值数据。