一种基于基因互作的植物生长预测调控方法及系统技术方案

本发明专利技术提供一种基于基因互作的植物生长预测调控方法及系统，该方法包括步骤：获取样本数据；利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程；利用最优化方法求解所述样本生长预测方程，得到最优预测参数；生成所述调控样本的最优调整方案；根据所述最优调整方案，调整所述调控样本的生长环境。上述方案中，能够基于样本数据全面分析影响样本生长的因素，利用所述样本数据，充分考虑了基因互作对样本生长的影响，充分考虑到植物基因对调控样本生长的影响，为样本生长的预测和调整提供了全面准确的最优调整方案，完善调控样本的生长优化。

【技术实现步骤摘要】
一种基于基因互作的植物生长预测调控方法及系统
本专利技术涉及生物信息
，特别是指一种基于基因互作的植物生长预测调控方法及系统。
技术介绍
基因互作是指非等位基因之间通过相互作用影响同一性状表现的现象。在自然界中，植物之间的交互作用以各种复杂的形式进行。长期以来，这些交互作用被认为在塑造自然群落的结构和动态趋势中扮演着重要的角色。近年来，大多数研究都采用生态和生理生态的方法描述物种间在时间和空间维度上的互作，但这种方法无法通过基因互作推断植物过去的生长状况，预测未来的生长趋势。
技术实现思路
本专利技术要解决的技术问题是如何提供一种基于基因互作的植物生长预测调控方法及系统，能够通过基因互作推断植物过去的生长状况，预测植物务的生长趋势，并对其进行调整。为解决上述技术问题，本专利技术的实施例提供一种基于基因互作的植物生长预测调控方法，该方法包括步骤：获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据、基因型数据和环境信息数据；利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程；利用最优化方法求解所述样本生长预测方程，得到最优预测参数；利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案；根据所述最优调整方案，调整所述调控样本的生长环境。优选的，所述步骤获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据和基因型数据，包括：所述数量性状数据包括所述调控样品在T个观测时刻的数量性状值，表示为：{yi,t},i=1,2,...,n;t=1,2,...,T其中，n为所有样本数量，i表示调控样本，t为观测时刻；所述空间距离数据包括调控样本与周围样本间的距离，表示为：{di,j},i=1,2,...,n;j=1,2,...,n其中，j表示周围样本；所述关键位点数据为所述调控样本的关键位点数据表示为：{gk},k=1,2,...,K;其中，K为关键位点数量；所述基因型数据包括关键位点的基因数据，表示为：{qi,k},i=1,2,...,n;k=1,2,...,K所述环境信息数据表示为：{vi,w},i=1,2,...,n;w=1,2,...,W其中，W为环境因素影响的量。优选的，所述步骤利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程，包括：利用所述样本数据，获取调控样本自身对生长的贡献参数，表示为：{αk,g},k=1,2,...,K;g=0,1,2获取周围样本对调控样本生长的贡献参数，表示为：{βk,g,m,h},k=1,2,...,K;g=0,1,2;m=1,2,...,K;h=0,1,2其中，m为所述周围样本的关键位点数量，h为所述周围样本的关键位点数据；获取环境因素对样本生长的贡献参数，表示为：{γw},w=1,2,...,W选取所述调控样本周围对样本生长产生直接影响的影响样本，利用所述样本数据，根据调控样本自身对生长的贡献、影响样本对调控样本生长的贡献及环境因素对样本生长的贡献建立样本生长预测方程，表示为：其中，sj为影响样本，j=ni为影响样本的序号。优选的，所述步骤利用最优化方法求解所述样本生长预测方程，得到最优预测参数，包括：设定初始边界条件；设定参数；利用所述初始边界条件和设定的参数通过所述样本生长预测方程得到数量性状理论值；计算数量性状理论值对实际测量数据的适应度；依据所述适应度选择最优预测参数。优选的，所述步骤利用所述初始边界条件和设定的参数通过所述样本生长预测方程得到数量性状理论值，包括：设定步长Δ；获取样本在t0时刻的数量性状理值y(t0)；则调控样本在(t0+Δ)时刻的数量性状值表示为：所述步骤计算数量性状理论值对实际测量数据的适应度，包括：计算所有样本的数量性状值的标准差，表示为：σ(t)=Ψ(y1,t,y2,t,...,yn,t)基于正态分布，利用所述数量性状值的标准差，获得调控样本的数量性状值yi,t的概率为：则得到数量性状理论值对应的参数组Θ在调控样本上的适应度为：所述参数组Θ在所有样本上的适应度为：所述步骤依据所述适应度选择最优预测参数，包括：选取适应度最大值的参数组作为最优预测参数，表示为：优选的，所述步骤利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案，包括：所述调控样本基于所述最优预测参数的数量性状值表示为：其中，所述Ω为所述样本所在的空间布局；利用下式得到所述最优调整方案。优选的，所述步骤根据所述最优调整方案，调整所述样本的生长环境，包括：所述生长环境包括：样本与周围植物的空间位置关系、周围植物的生长状态、生长环境中的阳光、温度和水分中的至少一种。优选的，所述方法还包括：判断所述调控样本生长周期是否结束；如果否，重复所述步骤利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案至所述步骤根据所述最优调整方案，调整所述调控样本的生长环境。本专利技术还提供一种基于基因互作的植物生长预测调控系统，该系统包括：数据获取模块，用于获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据、基因型数据和环境信息数据；方程生成模块，用于利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程；参数预测模块，用于利用最优化方法求解所述样本生长预测方程，得到最优预测参数；方案生成模块，用于利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案；环境调整模块，用于根据所述最优调整方案，调整所述调控样本的生长环境。优选的，所述方程生成模块包括：第一参数获取单元，用于获取调控样本自身对生长的贡献参本文档来自技高网...

【技术保护点】
一种基于基因互作的植物生长预测调控方法，其特征在于，该方法包括步骤：获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据、基因型数据和环境信息数据；利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程；利用最优化方法求解所述样本生长预测方程，得到最优预测参数；利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案；根据所述最优调整方案，调整所述调控样本的生长环境。

【技术特征摘要】
1.一种基于基因互作的植物生长预测调控方法，其特征在于，该方法包括步骤：获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据、基因型数据和环境信息数据；利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程；利用最优化方法求解所述样本生长预测方程，得到最优预测参数；利用所述最优预测参数、样本数据、样本生物量和环境信息数据生成所述调控样本的最优调整方案；根据所述最优调整方案，调整所述调控样本的生长环境。2.如权利要求1所述的基于基因互作的植物生长预测调控方法，其特征在于，所述步骤获取样本数据，所述样本数据包括数量性状数据、空间距离数据、关键位点数据和基因型数据，包括：所述数量性状数据包括所述调控样品在T个观测时刻的数量性状值，表示为：{yi,t},i＝1,2,...,n；t＝1,2,...,T其中，n为所有样本数量，i表示调控样本，t为观测时刻；所述空间距离数据包括调控样本与周围样本间的距离，表示为：{di,j},i＝1,2,...,n；j＝1,2,...,n其中，j表示周围样本；所述关键位点数据为所述调控样本的关键位点数据表示为：{gk},k＝1,2,...,K；其中，K为关键位点数量；所述基因型数据包括关键位点的基因数据，表示为：{qi,k},i＝1,2,...,n；k＝1,2,...,K所述环境信息数据表示为：{vi,w},i＝1,2,...,n；w＝1,2,...,W其中，W为环境因素影响的量。3.如权利要求2所述的基于基因互作的植物生长预测调控方法，其特征在于，所述步骤利用所述样本数据，根据调控样本自身对生长的贡献、周围样本对调控样本生长的贡献及周围环境对调控样本生长的贡献建立样本生长预测方程，包括：利用所述样本数据，获取调控样本自身对生长的贡献参数，表示为：{αk,g},k＝1,2,...,K；g＝0,1,2获取周围样本对调控样本生长的贡献参数，表示为：{βk,g,m,h},k＝1,2,...,K；g＝0,1,2；m＝1,2,...,K；h＝0,1,2其中，m为所述周围样本的关键位点数量，h为所述周围样本的关键位点数据；获取环境因素对样本生长的贡献参数，表示为：{γw},w＝1,2,...,W选取所述调控样本周围对样本生长产生直接影响的影响样本，利用所述样本数据，根据调控样本自身对生长的贡献、影响样本对调控样本生长的贡献及环境因素对样本生长的贡献建立样本生长预测方程，表示为：其中，sj为影响样本，j＝ni为影响样本的序号。4.如权利要求3所述的基于基因互作的植物生长预测调控方法，其特征在于，所述步骤利用最优化方法求解所述样本生长预测方程，得到最优预测参数，包括：设定初始边界条件；设定参数；利用所述初始边界条件和设定的参数通过所述样本生长预测方程得到数量性状理论值；计算数量性状理论值对实际测量数据的适应度；依据所述适应度选择最优预测参数。5.如权利要求4所述的基于基因互作的植物生长预测调控方法，其特征...

【专利技术属性】
技术研发人员：邬荣领，王建新，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京;11