一种提高作物核心种质取样比例精确度的方法技术

本发明专利技术提供一种提高作物核心种质取样比例精确度的方法，包括：设置取样比例的精确度和核心种质的预期代表性；从初始取样比例开始模拟构建核心种质，计算核心种质代表性评价参数；取样比例按设置的精确度依次累加至设定的最大取样比例，每次均构建核心种质和计算相应的代表性评价参数；将所有代表性评价参数排列成数列，采用最小二乘法进行曲线拟合，获得函数公式；根据核心种质需要达到的代表性标准，将代表性评价参数的值带入公式中求得需要的取样比例。本发明专利技术与现有技术相比具有以下优点：基于计算机模拟和曲线拟合，能够得到任意代表性的核心种质取样比例，避免了盲目性的同时大大提高了精确度，也避免种质资源动态变化对核心种质的影响。

【技术实现步骤摘要】

本专利技术属于作物遗传育种中的种质资源研究领域，具体涉及。
技术介绍
丰富的种质资源是进行作物遗传育种工作的前提，至21世纪初已有数百万计的各类遗传资源被保存起来世界各国的种质资源库中。然而，随着种质资源的不断搜集和新 种质的不断创新，越来越大的种质库规模给保存、评价、研究和利用植物遗传资源带来了众多困难。核心种质(core collection)是解决这一问题的有效手段。核心种质是采用科学方法，从整个种质资源群体中选择一部分样本，以最小的种质资源数量，最大限度的代表整个群体的遗传多样性。种质资源管理者和育种者可以对核心种质进行优先保存和评价，从而使有限的资金保存整个物种的遗传多样性成为可能。更为重要的是，核心种质能够在保持遗传多样性的前提下极大缩减种质资源群体的规模，从而显著降低冗余基因密度和增加有利基因及稀有基因密度，使育种者挖掘出优良亲本的可能性大大增加。核心种质作为种质资源研究的新领域在20世纪80年代一经提出便受到了世界各国的广泛重视。众多研究主要集中在核心种质的构建方法和核心种质代表性评价上，对于核心种质取样比例的确定研究较少。绝大多数核心种质均是采用硬性规定取样百分比的做法，如10%、30%等，这种做法显然缺乏科学严谨性。并且随着种质资源库的运作，核心种质样品经常要保持变化，固定的取样比例无法满足核心种质最大限度保持遗传多样性这一最重要的前提。因此，如何适应种质资源库的动态变化确定精确的取样比例，是当前核心种质研究中亟待解决的问题。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供一种基于计算机模拟的提高作物核心种质取样比例精确度的方法。为实现上述目的，本专利技术通过以下技术方案实现。，包括以下步骤 (I)根据实际需要设置取样比例的精确度和核心种质的预期代表性。(2)用计算机从初始取样比例开始模拟构建核心种质，计算核心种质代表性评价参数。(3)取样比例按步骤(I)设置的精确度依次累加至设定的最大取样比例，每次均构建核心种质和计算相应的代表性评价参数。(4)将所有代表性评价参数按计算先后顺序排列成数列，采用最小二乘法进行曲线拟合，获得代表性评价参数随取样比例逐渐增大的函数公式。(5)根据核心种质需要达到的代表性标准，将代表性评价参数的值带入步骤(4)的公式中求得需要的取样比例。其中，步骤(I)中取样比例的精确度可根据群体规模和实际需要设置。对于规模较小的种质资源群体(个体数小于200)，精确度不宜设置过高，否则相邻取样比例构建的核心种质规模无差别，因此可设精确度为1% 2%。对于规模较大的种质资源群体，可根据实际需要设置更高的精确度，个体数大于1000的群体，可设精确度为O. 1% O. 2%，个体数大于10000的群体，可设精确度为O. 01% O. 02%。其中，核心种质的预期代表性可根据公认的评价标准采用常用的代表性评价参数 进行设置，如设均值差异百分率、极差符合率等。其中，步骤(2 )的初始取样比例参照国际通行的核心种质取样比例最小值，通常设为1% 5%。小于1%取样比例构建的核心种质为微核心种质,其构建和评价方法与本专利技术中的核心种质有所区别。其中，步骤(3)的最大取样比例通常设为30% 40%，不宜太大，否则样本太大，不符合核心种质的基本要求， 本专利技术与现有技术相比具有以下优点 (I)本专利技术基于计算机模拟和曲线拟合，能够精确得到任意代表性的核心种质取样比例，避免了盲目性的同时大大提高了精确度。(2)本专利技术以核心种质代表性为判定阈值，避免了种质资源动态变化对核心种质的影响。具体实施例方式下面给出本专利技术的较佳的实施例，这些实施例并非限制本专利技术的内容。 实施例I 北方春大豆地方品种群体有190份遗传资源样品，包含生育日数、株高、粗蛋白、粗脂肪、硬脂酸、软脂酸、油酸、亚油酸和亚麻酸共9个数量性状数据(在中国作物种质信息网http: //icgr. caas. net. cn/, “种质数据查询”模块中，选择“大豆”，然后规定查询条件即可得到所需数据)，汇总为表I。根据实际需要设置核心种质取样比例的精确度为1%，初始取样比例为3%，最大取样比例为35%，预期代表性为极差符合率>=90%。取样比例从3%增大到35%，每次增加1%，共进行33次计算机模拟核心种质，计算出33个不同的极差符合率值。将33个极差符合率值按计算先后顺序排列成数列，采用最小二乘法进行曲线拟合，获得极差符合率随取样比例逐渐增大的函数公式为Y = 5. 9ILn (X) + 78.70，其中X表示取样比例，Y表示极差符合率。方程决定系数为O. 9254，表明该公式是较为可靠的。将极差符合率=90%的值带入该公式，将结果四舍五入求得取样比例为7%，此为所需的取样比例。 表I北方春大豆地方品种群体数据权利要求1.，包括以下步骤 (1)根据实际需要设置取样比例的精确度和核心种质的预期代表性； (2)用计算机从初始取样比例开始模拟构建核心种质，计算核心种质代表性评价参数； (3)取样比例按步骤(I)设置的精确度依次累加至设定的最大取样比例，每次均构建核心种质和计算相应的代表性评价参数； (4)将所有代表性评价参数按计算先后顺序排列成数列，采用最小二乘法进行曲线拟合，获得代表性评价参数随取样比例逐渐增大的函数公式； (5)根据核心种质需要达到的代表性标准，将代表性评价参数的值带入步骤(4)的公式中求得需要的取样比例。2.如权利要求I所述的方法，其特征在于，步骤(I)中若核心种质群体的个体数小于200，则取样比例的精确度设为1%-2% ;个体数大于1000的群体，可设精确度为O. 1%-0. 2% ；个体数大于10000的群体，可设精确度为O. 01%-0. 02%。3.如权利要求2所述的方法，其特征在于，步骤(I)中若核心种质群体的个体数小于200，则取样比例的精确度优选设为1%。4.如权利要求I所述的方法，其特征在于，步骤(I)中核心种质的预期代表性可根据公认的评价标准采用常用的代表性评价参数进行设置，如设均值差异百分率、极差符合率中的一种。5.如权利要求I所述的方法，其特征在于，步骤(2)的初始取样比例参照国际通行的核心种质取样比例最小值，其范围为1% 5%。6.如权利要求5所述的方法，其特征在于，步骤(2)的初始取样比例参照国际通行的核心种质取样比例最小值优选2%或3%。7.如权利要求I所述的方法，其特征在于，步骤(3)的最大取样比例范围设为30% 40%。8.如权利要求7所述的方法，其特征在于，步骤(3)的最大取样比例优选35%。全文摘要本专利技术提供，包括设置取样比例的精确度和核心种质的预期代表性；从初始取样比例开始模拟构建核心种质，计算核心种质代表性评价参数；取样比例按设置的精确度依次累加至设定的最大取样比例，每次均构建核心种质和计算相应的代表性评价参数；将所有代表性评价参数排列成数列，采用最小二乘法进行曲线拟合，获得函数公式；根据核心种质需要达到的代表性标准，将代表性评价参数的值带入公式中求得需要的取样比例。本专利技术与现有技术相比具有以下优点基于计算机模拟和曲线拟合，能够得到任意代表性的核心种质取样比例，避免了盲目性的同时大大提高了精确度，也避免种质资源动态变化对核心种质的影响。文档编号G本文档来自技高网...

【技术保护点】
一种提高作物核心种质取样比例精确度的方法，包括以下步骤：（1）根据实际需要设置取样比例的精确度和核心种质的预期代表性；（2）用计算机从初始取样比例开始模拟构建核心种质，计算核心种质代表性评价参数；（3）取样比例按步骤（1）设置的精确度依次累加至设定的最大取样比例，每次均构建核心种质和计算相应的代表性评价参数；（4）将所有代表性评价参数按计算先后顺序排列成数列，采用最小二乘法进行曲线拟合，获得代表性评价参数随取样比例逐渐增大的函数公式；（5）根据核心种质需要达到的代表性标准，将代表性评价参数的值带入步骤（4）的公式中求得需要的取样比例。

【技术特征摘要】

【专利技术属性】
技术研发人员：胡晋，王建成，关亚静，
申请(专利权)人：浙江大学，
类型：发明
国别省市：