CN109558394A

CN109558394A - 一种基于表型距离的大白菜特异性测试近似品种筛选方法

Info

Publication number: CN109558394A
Application number: CN201811462622.0A
Authority: CN
Inventors: 郑永胜; 孙加梅; 李汝玉; 张晗; 王玮; 王穆穆; 王晖; 王雪梅; 段丽丽; 李华
Original assignee: CROP Research Institute of Shandong Academy of Agricultural Sciences
Current assignee: CROP Research Institute of Shandong Academy of Agricultural Sciences
Priority date: 2018-12-03
Filing date: 2018-12-03
Publication date: 2019-04-02

Abstract

本发明公开了一种基于表型距离的大白菜特异性测试近似品种筛选方法。本发明首先选择一批表达状态观测值稳定的性状，然后对每一个入选性状的表达状态代码的所有差值都赋予相应的权重值，建立权重赋值规则；待测的申请品种与已知品种的每个入选性状代码的差值根据上述规则给予权重；将所有入选性状上的权重相加，得出的权重和作为两品种间的表型距离；再通过对大量真实品种间表型距离和差异明显程度的比较分析，确定一个安全的表型距离阈值，小于该安全距离的已知品种作为近似品种与申请品种进行田间相邻种植和特异性评价。采用这种方法，降低了人员观测偏差、数据录入错误和基因型与环境互作等对近似品种筛选的影响，提高了近似品种筛选的严谨性。

Description

一种基于表型距离的大白菜特异性测试近似品种筛选方法

技术领域

本发明涉及一种基于表型距离的大白菜特异性测试近似品种筛选方法，属于植物新品种测试(或称DUS测试)技术领域。

背景技术

特异性、一致性和稳定性是对植物品种的基本要求，是植物新品种获得品种权保护、主要农作物品种审定和非主要农作物品种登记的前提条件。大白菜是我国第一大蔬菜作物，常年种植面积约3000万亩，总产量约1亿吨，在农业生产和人民生活中具有重要作用。根据《种子法》，大白菜新品种的品种权保护和品种登记的基本条件是具备特异性、一致性和稳定性。

特异性是指申请品种应当明显区别于申请日以前所有已知的同属或同种品种。为鉴定一个品种具备特异性，需要证明该品种在表型性状上不同于已知的同类作物其他任何品种。大白菜已知品种数量众多，将每一个申请DUS测试的品种(申请品种)与这些已知品种进行田间种植比较，实践上是不可行的。为此，需要通过一些筛选机制，将那些不需要种植比较即可确定与申请品种表型性状明显不同的品种排除，只种植那些不通过田间比较试验则不能确定与申请品种是否有明显表型差异的品种(即近似品种)。通过田间种植试验，比较申请品种与近似品种是否存在明显差异，据此得出申请品种是否具备特异性的结论。因此，近似品种的选择是特异性测试的关键环节。

近似品种的筛选一般通过比较申请品种和已知品种的性状表达状态进行。如果能够确定一个已知品种与申请品种的表达状态差异足够大以至于田间种植时两者间必定会表现出明显差异，则可以将该已知品种排除，剩余的品种作为近似品种。对于数量性状和假质量性状(尤其是假质量性状的连续变化区域的表达状态)，其表达状态观测值会因环境条件和人为因素的影响呈现以下特点：(1)受环境条件影响，同一个品种的同一个性状，在不同年份和不同地区种植时，表达状态观测值(表达状态代码)会发生一定的波动；(2)不同的性状表达受环境影响的程度不同，表现为表达状态波动程度因性状而异。(3)不同测试人员对性状表达状态的观测结果，容易产生偏差。偏差的大小，与性状和人员均有关系。如何确定近似品种筛选指标，是近似品种筛选的难点。一种做法是根据性状的表达方式、性状表达受环境程度影响波动程度和受人为误差影响大小，通过申请品种与已知品种不同性状表达状态的比较，筛选近似品种：对于假质量性状和数量性状，采用与之相差1-3个代码的表达状态范围。采用上述做法，对于数据的准确性要求很高。实践中，存在着个别性状表达状态的数据由于受人员观测偏差的影响偏离正常值过大、或由于性状与环境条件的互作(极少数情况下)、或由于数据录入错误等原因，会导致本应作为近似品种的已知品种未能筛选进来，造成近似品种的遗漏，直接影响特异性测试的准确性。另外，对每个品种的筛选条件进行设置，过程繁琐，筛选效率较低。

发明内容

针对上述基于单个性状的近似品种筛选方法容易导致遗漏近似品种的问题，本发明提供了一种基于表型距离的大白菜特异性测试近似品种筛选方法。该方法在长期对大白菜不同DUS测试性状表达状态观测值受环境和人员观测影响程度进行研究的基础上，确定了不同性状表达状态观测值的稳定性，选择了一批表达状态观测值稳定的性状。对每一个入选性状的表达状态代码的所有差值都赋予相应的权重值，建立权重赋值规则；待测的申请品种与已知品种的每个入选性状代码的差值根据上述规则给予权重。将所有入选性状上的权重相加，得出的权重和作为两品种间的表型距离。权重的大小取决于性状表达状态观测值受环境和人员观测影响程度和代码差值的大小。性状表达越稳定，代码差异权重越大；代码差值越大，代码差异权重越大。通过对大量性状存在明显差异的已测试品种间表型距离的统计，找出一个近似品种筛选的安全距离，高于该安全距离的品种存在明显的差异。在筛选近似品种时，以该安全距离作为近似品种筛选的阈值：高于该安全距离的已知品种与近似品种存在明显的差异，不需要种植；小于该安全距离的已知品种作为近似品种与申请品种进行田间相邻种植和特异性评价。采用这种方法，降低了人员观测偏差、数据录入错误和互作等对近似品种筛选的影响，提高了近似品种筛选的严谨性。

本发明的技术方案是：一种基于表型距离的大白菜特异性测试近似品种的筛选方法，其特征是：

(1)建立不同表型性状的表达状态代码差值的权重赋值规则

首先建立待筛选的已知大白菜品种的表型性状数据库。其次，建立不同表型性状的表达状态代码差值的权重赋值规则。

在长期对大白菜DUS测试性状观测统计的基础上，选择了一批表达状态丰富、表达状态观测值相对稳定的表型性状；采集当前仍具有应用潜力的大白菜品种(例如近十年来育成的品种)的表型性状数据，对采集的表型性状数据进行整理，建立大白菜品种表型性状数据库。根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对入选的大白菜表型性状的所有表达状态代码差值(如代码为1-9，差值为0、1、2……8)设置不同的权重(表1)，输入表型性状数据库；

所述权重设置方法为：对于质量性状，表达状态代码差值≥1时，权重为2，对于数量性状和假质量性状，根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对不同的表达状态代码差值，给予不同的权重。

(2)表型距离的计算和近似品种筛选阈值的设定

根据步骤(1)的规则(表1)，利用数据库系统计算表型距离。首先计算两个大白菜品种之间的入选性状表达状态代码差值，根据步骤(1)的方法，得到相应的权重，将所有入选表型性状上的权重相加得出两品种间的表型距离。将大量品种表型距离与品种间差异的明显程度进行比较，确定一个表型距离阈值，输入大白菜品种表型性状数据库。表型距离高于该阈值时，保证品种间存在明显的真实表型差异。

本发明经多年研究发现，对于大白菜品种，合适的表型距离阈值为3，即当品种间表型距离≥3时，品种之间差异很明显；两品种间的表型距离<3时作为近似品种。将安全距离阈值输入数据库系统。

(3)近似品种筛选

基于建立的大白菜品种表型性状数据库，开发基于表型距离的近似品种筛选软件。向表型性状数据库中输入待测的申请品种的表型性状数据，该筛选软件能根据步骤(2)的方法计算申请品种与每个已知品种的表型距离，并与表型距离阈值进行比较，表型距离小于阈值的已知品种作为该申请品种的近似品种。

表1大白菜不同DUS测试性状表达状态差值的权重设置方法

表1(续)

备注：1.QL：质量性状；QN：数量性状；PQ：假质量性状；

2.“-”表示没有(对应相应代码差值的权重)；

本发明的方法，根据环境条件和人员对不同性状表达状态观测值的影响程度不同这一特点，对入选表型性状品种间代码的差值，给予一个权重，计算品种间有差异性状权重之和作为品种间的表型距离。通过对大量真实品种间表型距离和差异明显程度的比较分析，确定一个安全的表型距离阈值，保证品种间表型距离高于该阈值时，品种间一定存在明显的差异。本发明的方法有以下优点：(1)通过对品种间的有效差异进行累加，提高了近似品种选择的准确性。(2)即使个别性状表达状态观测值由于人为原因(观测偏差、个别数据错误)或品种与环境的互作，偏离正常值，也不会遗漏近似品种，即本方法的容错性更强；(3)本方法可以通过数据库系统自动对入选的近似品种按照表型距离大小排队，便于田间试验时将最近似的品种与申请品种相邻种植，提高了特异性测试的针对性；(4)不需要根据申请品种的表达状态单独设置各个性状的表达状态范围，缩短了近似品种筛选时间。

附图说明

图1为大白菜申请品种“小义和秋”的近似品种筛选结果，其中累加和为各性状权重的累加和，即表型距离。

具体实施方式

实施例1：建立大白菜品种表型性状数据库

2005年以来，申请人共对国内280余份次大白菜品种按照大白菜测试指南进行了表型性状数据采集。对采集的表型性状数据，按照测试性状表达方式、数据类型进行了整理。在此基础上，建立了大白菜品种表型性状数据库，共储存了142个品种的DUS测试性状数据。本实例近似品种的筛选依托上述表型性状数据库进行。

实施例2：设置不同表型性状的表达状态代码差值的权重

根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对入选的大白菜表型性状的所有表达状态代码差值(如代码为1-9，差值为0、1、2……8)设置不同的权重，各个入选性状的权重设置如表2.1-27.2所示，以该表作为基础进一步整理成

表1的总数据，输入表型性状数据库。

性状1子叶：大小

表2.1表达状态和代码

表达状态	小	中	大
				代码	1	2	3

表2.2代码差异与权重

代码差异	0	1	2
				权重	0	0	1

性状2子叶：颜色

表3.1表达状态和代码

表达状态	黄绿色	浅绿色	中等绿色	深绿色
					代码	1	2	3	4

表3.2代码差异与权重

代码差异	0	1	2	3
					权重	0	0	1	2

性状3外叶：颜色

表4.1表达状态和代码

表达状态	黄绿色	浅绿色	中等绿色	深绿色	灰绿色
						代码	1	2	3	4	5

表4.2代码差异与权重

代码差异	0	1	2	3	4
						权重	0	0	1	2	3

性状6外叶：背面茸毛

表5.1表达状态和代码

表5.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	0	1	2	3	4	5	6

性状8外叶：叶缘波状

表6.1表达状态和代码

表6.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状9外叶：叶缘缺刻

表7.1表达状态和代码

表达状态	无	圆齿	锯齿	重齿
					代码	1	2	3	4

表7.2代码差异与权重

代码差异	0	1	2	3
					权重	0	2	2	2

性状11外叶：泡状突起数量

表8.1表达状态和代码

表8.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状12外叶：叶脉粗细

表9.1表达状态和代码

表达状态	细	中	粗
				代码	1	2	3

表9.2代码差异与权重

代码差异	0	1	2
				权重	0	0	2

性状13植株：生长习性

表10.1表达状态和代码

表达状态	直立	半直立	平展
				代码	1	2	3

表10.2代码差异与权重

代码差异	0	1	2
				权重	0	1	2

性状14植株：高度

表11.1表达状态和代码

表11.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状15植株：开展度

表12.1表达状态和代码

表12.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状17外叶：形状

表13.1表达状态和代码

表达状态	近圆形	宽倒卵形	倒卵形	长倒卵形	长圆形
						代码	1	2	3	4	5

表13.2代码差异与权重

代码差异	0	1	2	3	4
						权重	0	1	1	1	1

性状18外叶：长度

表14.1表达状态和代码

表14.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状19外叶：宽度

表15.1表达状态和代码

表15.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状20外叶：中肋颜色

表16.1表达状态和代码

表达状态	白色	绿白色	浅绿色	中等绿色
					代码	1	2	3	4

表16.2代码差异与权重

代码差异	0	1	2	3
					权重	0	0	1	2

性状22外叶：中肋长度

表17.1表达状态和代码

表17.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状23外叶：中肋宽度

表18.1表达状态和代码

表18.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	0	1	2	3	4	5	6

性状25叶球：顶部闭合类型

表19.1表达状态和代码

表达状态	开放	半开放	闭合
				代码	1	2	3

表19.2代码差异与权重

代码差异	0	1	2
				权重	0	1	4

性状26仅适用于闭合类型品种：叶球：抱合类型

表20.1表达状态和代码

表达状态	拧抱	合抱	叠抱
				代码	1	2	3

表20.2代码差异与权重

代码差异	0	1	2
				权重	0	2	4

性状27仅适用于闭合类型品种：叶球：顶部形状表21.1表达状态和代码

表达状态	尖	圆	平
				代码	1	2	3

表21.2代码差异与权重

代码差异	0	1	2
				权重	0	1	2

性状28仅适用于闭合类型品种：叶球：上部颜色表22.1表达状态和代码

表达状态	白色	绿色	黄色	紫色
					代码	1	2	3	4

表22.2代码差异与权重

代码差异	0	1	2	3
					权重	0	1	4	4

性状30：叶球：形状

表23.1表达状态和代码

表达状态	球形	头球形	筒形	长筒形	炮弹形
						代码	1	2	3	4	5

表23.2代码差异与权重

代码差异	0	1	2	3	4
						权重	0	1	2	2	2

性状33：叶球：内叶颜色

表24.1表达状态和代码

表达状态	白色	浅黄色	中等黄色	橙色	紫色
						代码	1	2	3	4	5

表24.2代码差异与权重

代码差异	0	1	2	3	4
						权重	0	1	2	2	2

性状34：叶球：重量

表25.1表达状态和代码

表25.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	1	2	3	4	5	6	7

性状35：叶球：短缩茎形状

表26.1表达状态和代码

表达状态	扁圆形	近圆形	近椭圆形	锥形
					代码	1	2	3	4

表26.2代码差异与权重

代码差异	0	1	2	3
					权重	0	2	2	2

性状36：叶球：短缩茎长度

表27.1表达状态和代码

表27.2代码差异与权重

代码差异	0	1	2	3	4	5	6	7	8
										权重	0	0	0	1	2	3	4	5	6

实施例3：大白菜近似品种的筛选

1.大白菜申请品种共3个，代号及名称如表28所示；

2.将申请品种通过一年种植采集各性状数据(表29)，导入大白菜表型性状数据库；3.点击申请品种代号，将安全距离设置为3，点击“筛选”按钮，数据库系统筛选出对应每个申请品种的近似品种清单(表30，图1)。

表28申请品种

序号	申请品种代号	品种名称
			1	2015-1697A	SGK1008
2	2016-0296A	小义和秋
			3	2016-0540A	华耐CC001

表29申请品种第一年采集的数据(各性状的表达状态，即代码值)

表29(续)

表30筛选出的近似品种

本方法可以通过数据库系统自动对入选的近似品种按照表型距离大小排队，便于田间试验时将最近似的品种与申请品种相邻种植，提高了特异性测试的针对性。

Claims

1.一种基于表型距离的大白菜特异性测试近似品种的筛选方法，其特征是，

(1)设置各个大白菜表型性状的表达状态代码差值的权重

选择表达状态丰富、表达状态观测值相对稳定的表型性状；采集当前仍具有应用潜力的大白菜品种的表型性状数据，对采集的表型性状数据进行整理，建立大白菜品种表型性状数据库；根据各个表型性状的表达状态观测值受环境条件影响的程度和人员观测偏差的大小，对入选的大白菜表型性状的表达状态代码差值设置不同的权重，得到如表1所示的数据，输入表型性状数据库；

表1

续表1

(2)表型距离的计算和近似品种筛选表型距离阈值的设定

首先计算两个大白菜品种之间的入选性状表达状态代码差值，根据步骤(1)的方法，得到相应的权重，将所有入选表型性状上的权重相加得出两品种间的表型距离；将大量品种间的表型距离与品种间差异的明显程度进行比较，然后确定一个表型距离阈值，输入大白菜品种表型性状数据库；

(3)近似品种筛选

基于建立的大白菜品种表型性状数据库，开发基于表型距离的近似品种筛选软件；向大白菜品种表型性状数据库中输入待测的申请品种的表型性状数据，该筛选软件能根据步骤(2)的方法计算待测的申请品种与每个已知品种的表型距离，并与表型距离阈值进行比较，表型距离小于表型距离阈值的已知品种作为该申请品种的近似品种。

2.如权利要求1所述的一种基于表型距离的大白菜特异性测试近似品种的筛选方法，其特征是，所述步骤(2)的表型距离阈值为3，两品种间的表型距离<3时作为近似品种。