[发明专利]一种动植物育种值预测方法及装置

说明书

本发明公开了一种动植物育种值预测方法及装置，属于育种值预测领域，在获取到基因组后，对基因组进行单核苷酸多态性标记，然后获取每个染色体的标记，对每个染色体的标记构建中间矩阵，合并所有中间矩阵得到基因组的亲缘矩阵，然后由亲缘矩阵计算得到第一育种值，之后根据第一育种值为每个染色体的标记构建权重中间矩阵，由权重中间矩阵得到基因组的加权亲缘矩阵，最后根据加权亲缘矩阵计算得到最终的育种值。本申请方案提供的预测方法，在计算得到第一育种值之后，根据第一育种值对每个染色体的标记进行加权，无需假定所有标记都存在效应，有效利用高密度标记信息，提高了最终育种值的准确率，计算过程简单，降低了预测时间和计算成本。

技术领域

本发明涉及育种值预测技术，特别地，涉及一种动植物育种值预测方法及装置。

背景技术

育种值是指种畜的种用价值。在数量遗传学中把决定数量性状的基因加性效应值定义为育种值(BV)，个体育种值的估计值叫做估计育种值(EBV)。预测动植物的育种值对于动植物育种具有重要意义，但是传统的预测方法可大体上分为直接法、间接法两类，直接法如GBLUP、ssGBLUP等，间接法如BayesA、BayesB、BayesC等。

标准GBLUP方法假定所有标记都存在效应，不对标记进行筛选，采用所有分子标记构建亲缘矩阵，进而对混合模型方程组进行求解，得到育种值的预测值。Bayes方法通过模拟抽样得到各标记的效应值，进而由标记效应值对育种值进行预测。但是，标准基因组最佳无偏线性预测(GBLUP)不能够有效的利用高密度标记信息，基因组预测准确性的提高受到限制，迭代ssGBLUP可以提高预测准确性，但缺乏高效的并行计算方法，预测速度较慢，而BayesB、BayesC、BayesR等基于贝叶斯统计的基因组预测方法需要通过抽样来估计标记效应，这个过程通常是耗时的，同时也占用大量的内存资源，并且一些研究表明这些基于贝叶斯方法的基因组预测并不总是优于标准GBLUP。

因此，现有育种值预测方法预测准确率低、计算负担大并且消耗时间长。

发明内容

为了克服现有技术的不足，本发明提供一种动植物育种值预测方法及装置，以解决现有育种值预测方法预测准确率低、计算负担大并且消耗时间长的问题。

本发明解决其技术问题所采用的技术方案是：

一方面，

一种动植物育种值预测方法，包括以下步骤：

获取待预测动植物的基因组；

对所述基因组进行单核苷酸多态性标记；

获取所述基因组每个染色体上的所述标记；

根据每个染色体上的所述标记构建每个染色体的中间矩阵；

合并每个染色体的中间矩阵得到所述基因组的亲缘矩阵；

根据所述亲缘矩阵计算第一育种值；

根据所述第一育种值和所述亲缘矩阵以及每个染色体上的所述标记构建每个染色体的权重中间矩阵；

合并每个染色体的权重中间矩阵得到所述基因组的加权亲缘矩阵；

根据所述加权亲缘矩阵计算得到最终育种值。

进一步地，所述根据每个染色体上的所述标记构建每个染色体的中间矩阵包括：

将每个染色体依次分为多段，除最后一段外每段包括预设数值的所述标记；

分别依次读取每段上的标记，将依次读取的所述标记组成标记矩阵；

根据所述标记矩阵计算每段的矩阵；

将每段的矩阵相加得到所述每个染色体的中间矩阵。

进一步地，所述根据所述标记矩阵计算每段的矩阵包括：