一种融合多环境因子预测新环境材料表型的方法

    公开(公告)号:CN118629491A

    公开(公告)日:2024-09-10

    申请号:CN202410794374.9

    申请日:2024-06-19

    摘要: 本发明提供了一种融合多环境因子预测新环境材料表型的方法,首先根据材料的种植环境和种植时期,获得整个生育期以天为单位的25类环境数据;然后针对每种环境数据、经过不同大小窗口的滑窗,求得每个窗口内环境数据的均值,将环境均值和表型关联,挑选具有最大相关性的窗口代表该环境数据;在单环境下使用GBLUP预测已知环境新材料表型;最后利用三个地点的环境数据和表型数据构建模型,一个地点的环境数据和表型数据挑选环境因子,实现了预测新环境表型的功能。本发明帮助育种家无需种植就得到目标材料在新环境的表型,进而辅助遗传改良和材料选育,以及为特定生态环境培育具有优秀表现的品种提供了建议。

    一种基于深度学习的复杂性状高效基因组预测方法

    公开(公告)号:CN117711484A

    公开(公告)日:2024-03-15

    申请号:CN202311826967.0

    申请日:2023-12-27

    摘要: 本发明公开了一种基于深度学习的复杂性状高效基因组预测方法,包括:S1,获取测序得到的全基因组数据以及田间获取的表型数据,并对其数据预处理;S2,通过充分提取SNP位点间的局部和全局特征,构建单性状基因组预测模型;S3,通过计算表型性状之间的相关性确定辅助性状的数量,构建多性状联合基因组预测深度学习模型;S4,基于预处理后的全基因组数据和表型数据训练gMLP模型和MT‑gMLP模型,进而实现育种决策辅助;S5,通过Saliency map的可解释技术解析MT‑gMLP模型与gMLP模型预测准确率差异的原因,以及挖掘表型相关的潜在基因以及功能位点。本发明实现了基于SNP数据精准预测复杂性状的表型值,进而加快作物智能设计育种。

    一种基于高光谱的植物病害快速检测方法

    公开(公告)号:CN115326720A

    公开(公告)日:2022-11-11

    申请号:CN202210924576.1

    申请日:2022-08-02

    IPC分类号: G01N21/25 G01N21/47

    摘要: 本发明公开了一种基于高光谱的植物病害检测模型的构建方法,包括以下步骤:1)对植物样本进行反射率光谱数据采集;2)采用光谱标准化对采集的数据进行校准处理,采用Savitzky‑Golay滤波对光谱进行平滑处理;3)对步骤2)处理后的反射率光谱数据采用光谱指数计算、光谱一阶导数计算和连续小波变换等三种方式进行光谱增强处理;4)采用RELIEF‑F算法和叠置策略,确定特异性光谱特征;5)基于序列浮动前向选择算法确定不同光谱增强处理下最优的光谱特征组合;6)多种类型光谱增强结合,对多种光谱增强特征进行优化;7)利用支持向量机算法构建植物病害检测模型。本发明还提供了一种快速无损的植物病害检测方法。

    一种控制作物籽粒粒重的蛋白及其应用

    公开(公告)号:CN108484741B

    公开(公告)日:2022-04-05

    申请号:CN201810228447.2

    申请日:2018-03-12

    发明人: 刘杰 严建兵

    摘要: 本发明公开了一种控制作物籽粒粒重的蛋白及其应用,属于植物遗传育种领域。本发明提供的蛋白是玉米中的qHKW1‑9蛋白,其氨基酸序列如SEQ ID NO.1所示,或氨基酸序列具有与SEQ ID NO.1所示序列至少81%、至少82%、至少83%、至少84%、至少85%、至少89%或至少92%序列相似度的蛋白。进一步地,本发明公开了编码上述蛋白的核酸,以及包含该核酸的表达盒、表达载体、宿主细胞及其在提高作物籽粒粒重中的应用。