CN109616158A - 一种基于表型距离的水稻特异性测试近似品种筛选方法 - Google Patents
一种基于表型距离的水稻特异性测试近似品种筛选方法 Download PDFInfo
- Publication number
- CN109616158A CN109616158A CN201811462613.1A CN201811462613A CN109616158A CN 109616158 A CN109616158 A CN 109616158A CN 201811462613 A CN201811462613 A CN 201811462613A CN 109616158 A CN109616158 A CN 109616158A
- Authority
- CN
- China
- Prior art keywords
- phenotype
- code
- rice
- weight
- character
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明公开了一种基于表型距离的水稻特异性测试近似品种筛选方法。该方法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，对各个水稻表型性状的所有表达状态的代码差值设置不同的权重(如表1所示)，所有表型性状上的权重相加得出两品种间的表型距离。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，进行近似品种筛选时，低于该表型距离阈值的品种作为近似品种进行田间种植。采用这种方法，较好排除了人员观测偏差、互作和数据录入错误和对近似品种筛选的影响，提高了近似品种筛选的严谨性，也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。
Description
技术领域
本发明涉及一种基于表型距离的水稻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、主要农作物品种品种审定和非主要农作物品种登记的前提条件。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。主要作物已知品种往往数以万计，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。
虽然主要作物已知品种数量众多，但是对于大多数已知品种，尤其是选育早的品种，因丰产性等原因已不能满足当前生产需要，在近似品种筛选时可以不予考虑。近似品种的筛选一般通过比较申请品种和仍有应用潜力的已知品种(例如近十年来育成的品种)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各个表达状态的比较，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、或由于数据录入错误，或由于性状与环境条件的互作(极少数情况下)，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。
申请人之前开发了一种基于表型性状的水稻特异性测试中的近似品种筛选方法(发明专利申请号201610061250.5)。该方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，对于申请品种的每一个假质量性状和数量性状，已知品种采用与之相差1-3个代码的表达状态范围，通过申请品种与已知品种各个表达状态的比较，筛选近似品种。申请人在后续研究中发现，该方法仍然存在有以下不足，需要进一步改善：(1)容错性差，对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、或由于数据录入错误，或由于性状与环境条件的互作(极少数情况下)，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。(2)该方法基于单个性状的差异筛选近似品种，不能把品种间的差异进行累加，选入不太近似的品种；(3)不能显示入选近似品种与申请品种的近似程度，不便于设计田间特异性测试试验。
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水稻特异性测试近似品种筛选方法。该方法首先针对水稻品种不同性状表达状态观测值受环境和人员观测影响程度不同这一特点，对申请品种和已知品种之间入选性状表达状态代码差值给予一定的权重(如表1)，将申请品种与已知品种在一组性状上的权重相加，得出品种间的表型距离。权重的大小取决于该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、观测偏差越小，权重越大；代码差值越大，权重越大。通过对性状存在明显差异的大量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，保证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，较好排除了人员观测偏差、互作和数据录入错误和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水稻特异性测试近似品种筛选方法，其特征是，
(1)设置各个水稻表型性状代码差值的权重
采集当前仍具有应用潜力的水稻品种(例如近十年来育成的品种)的表型性状数据(DUS测试指南中的品种鉴别力高的性状，每个品种一般测试二个生长周期)，对采集的表型性状数据进行整理，建立水稻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，对各个水稻表型性状的所有表达状态的代码差值(如代码为1-9，差值为0、1、2……8)设置不同的权重，得到如表1所示的数据，输入水稻品种表型性状数据库；
对于质量性状，代码差值大于等于1时，权重为2-6，对于数量性状和假质量性状，根据性状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，对不同的代码差值，给予不同的权重。水稻不同DUS测试性状表达状态差异的权重如下：
表1水稻不同DUS测试性状表达状态差值的权重
表1(续)
注：1.QN：数量性状，PQ：假质量性状；QL：质量性状；
2.“-”表示没有(对应相应代码差值的权重)；
(2)表型距离阈值的设定
对成对水稻品种的表型性状表达状态代码差值，按步骤(1)的方法赋予权重，所有表型性状上的权重相加得出两品种间的表型距离；将表型距离与品种间差异的明显程度进行比较，得出二者之间的关系，在此基础上确定一个表型距离阈值：当品种间表型距离大于该阈值时，品种之间差异很明显，不需要田间种植比较；并将表型距离阈值输入数据库系统。
本发明经多年研究发现，合适的表型距离阈值为2，即当品种间表型距离≥2时，品种之间差异很明显；两品种间的表型距离<2时判定为近似品种。
(3)近似品种筛选
基于建立的水稻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。向水稻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，表型距离小于阈值的已知品种作为该待测的申请品种的近似品种。
本发明方法的优点：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，对品种间代码的差值，给予一个权重，计算品种间所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，品种间一定存在很明显的差异。进行近似品种筛选时，低于该表型距离阈值的品种作为近似品种。本发明的方法有以下优点：(1)容错性强，严谨性好。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，提高了近似品种筛选的严谨性。(2)针对性强。本方法通过数据库系统计算申请品种与近似品种的表型距离，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；(3)效率高。采用该方法，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为水稻申请品种2012-1548A(临稻19号)的近似品种筛选结果。
具体实施方式
实施例1：建立水稻已知品种表型性状数据库
2004年至2017年，申请人共对黄淮海地区580余份次水稻申请品种进行了DUS测试。每个品种一般测试二个生长周期，在每个周期对测试指南中的全部52个性状采集了数据，共采集表型性状数据3万多个。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，建立了黄淮海地区水稻品种表型性状数据库，共储存了500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：
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，对入选的水稻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，各个性状的权重设置如表2.1-41.2所示，以该表作为基础进一步整理得到一组统计数据(表1)，输入上述的表型性状数据库。
性状1基部叶：叶鞘颜色；
性状表达方式:PQ；
稳定性等级:2(一般可波动2个代码)。
表2.1表达状态和代码
| 表达状态 | 绿色 | 绿色浅条 | 浅紫色 | 中等紫色 |
| 代码 | 1 | 2 | 3 | 4 |
表2.2代码差异与权重
性状2植株：生长习性；
性状表达方式:QN；
稳定性等级:2(一般波动2个代码)。
表3.1表达状态和代码
表3.2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4倒二叶：叶片花青甙显色；
性状表达方式:QL；
稳定性等级:1。
表4.1表达状态和代码
| 表达状态 | 无 | 有 |
| 代码 | 1 | 2 |
表4.2代码差异与权重
| 代码差异 | 0 | 1 |
| 权重 | 0 | 6 |
性状5倒二叶：姿态；
性状表达方式:QN；
稳定性等级:3(一般波动3个代码)。
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 |
| 权重 | 0 | 0 | 0 | 1 | 2 | 3 | 4 |
性状7倒二叶：叶耳花青甙显色；
性状表达方式:QL；
稳定性等级:1。
表6.1表达状态和代码
| 表达状态 | 无 | 有 |
| 代码 | 1 | 2 |
表6.2代码差异与权重
| 代码差异 | 0 | 1 |
| 权重 | 0 | 6 |
性状9倒二叶：叶舌形状；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表7.1表达状态和代码
| 表达状态 | 平截 | 尖 | 二列 |
| 代码 | 1 | 2 | 3 |
表7.2代码差异与权重
| 代码差异 | 0 | 1 | 2 |
| 权重 | 0 | 2 | 2 |
性状10抽穗期；
性状表达方式:QN；
稳定性等级:4(一般波动3个代码)。
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 | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
性状11剑叶：姿态(初期)；
性状表达方式:QN；
稳定性等级:3(一般波动3个代码)。
表9.1表达状态和代码
表9.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
| 权重 | 0 | 0 | 1 | 2 | 3 | 4 | 5 |
性状12穗：芒；
性状表达方式:QL；
稳定性等级:1。
表10.1表达状态和代码
| 表达状态 | 无 | 有 |
| 代码 | 1 | 2 |
表10.2代码差异与权重
| 代码差异 | 0 | 1 |
| 权重 | 0 | 2 |
性状13仅适用于有芒的品种：穗：芒颜色(初期)；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
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 | 9 |
| 权重 | 0 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
性状14剑叶：叶片卷曲类型；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表12.1表达状态和代码
| 表达状态 | 不卷或微卷 | 正卷 | 反卷 | 螺旋状 |
| 代码 | 1 | 2 | 3 | 4 |
表12.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 |
| 权重 | 0 | 1 | 4 | 4 |
性状15仅适用于不育系品种：花药：形状；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表13.1表达状态和代码
| 表达状态 | 细小棒状 | 水渍状 | 饱满状 |
| 代码 | 1 | 2 | 3 |
表13.2代码差异与权重
| 代码差异 | 0 | 1 | 2 |
| 权重 | 0 | 4 | 4 |
性状16仅适用于不育系品种：花药：颜色；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表14.1表达状态和代码
| 表达状态 | 白色或乳白色 | 浅黄色 | 中等黄色 |
| 代码 | 1 | 2 | 3 |
表14.2代码差异与权重
| 代码差异 | 0 | 1 | 2 |
| 权重 | 0 | 2 | 4 |
性状17仅适用于不育系品种：花药：不育花粉类型；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表15.1表达状态和代码
| 表达状态 | 无花粉型 | 典败型 | 圆败型 | 染败型 |
| 代码 | 1 | 2 | 3 | 4 |
表15.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 |
| 权重 | 0 | 1 | 2 | 3 |
性状18小穗：外颖颖尖花青甙显色强度(初期)；
性状表达方式:QN；
稳定性等级:3(一般波动3个代码)。
表16.1表达状态和代码
表16.2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19小穗：柱头颜色；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表17.1表达状态和代码
| 表达状态 | 白色 | 浅绿色 | 黄色 | 浅紫色 | 中等紫色 |
| 代码 | 1 | 2 | 3 | 4 | 5 |
表17.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 | 4 |
| 权重 | 0 | 1 | 4 | 4 | 4 |
性状21植株：单株穗数；
性状表达方式:QN；
稳定性等级:4(可多至4个代码)。
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22茎秆：直径；
性状表达方式:QN；
稳定性等级:4(可多至4-5个代码)。
表19.1表达状态和代码
表19.2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23：仅适用于非深水稻品种：茎秆：长度(不包括穗)；
性状表达方式:QN；
稳定性等级:4(可多至4-5个代码)。
表20.1表达状态和代码
表202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 | 0 | 1 | 2 | 3 | 4 | 5 |
性状24茎秆：基部茎节包露；
性状表达方式:QL；
稳定性等级:1。
表21.1表达状态和代码
| 表达状态 | 包 | 露 |
| 代码 | 1 | 2 |
表21.2代码差异与权重
| 代码差异 | 0 | 1 |
| 权重 | 0 | 4 |
性状25茎秆：节花青甙显色；
性状表达方式:QL；
稳定性等级:1。
表22.1表达状态和代码
| 表达状态 | 无 | 有 |
| 代码 | 1 | 2 |
表22.2代码差异与权重
| 代码差异 | 0 | 1 |
| 权重 | 0 | 4 |
性状26：仅适用于有芒的品种：穗：芒分布；
性状表达方式:PQ；
稳定性等级:3(一般波动3个代码)。
表23.1表达状态和代码
| 表达状态 | 顶端 | 上部1/4 | 上部1/2 | 上部3/4 | 整穗 |
| 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 | 0 | 1 | 2 | 3 |
性状29：剑叶：叶片长度；
性状表达方式:QN；
稳定性等级:4(可多至4个代码)。
表24.1表达状态和代码
表24.2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30剑叶：叶片宽度；
性状表达方式:QN；
稳定性等级:4(可多至4-5个代码)。
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 | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
性状31：剑叶：姿态(后期)；
性状表达方式:QN；
稳定性等级:2(一般波动3个代码)。
表26.1表达状态和代码
表26.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
| 权重 | 0 | 0 | 0 | 1 | 2 | 3 | 4 |
性状33：穗：姿态；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表27.1表达状态和代码
| 表达状态 | 直立 | 半直立 | 轻度下弯 | 强烈下弯 |
| 代码 | 1 | 2 | 3 | 4 |
表27.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 |
| 权重 | 0 | 0 | 2 | 4 |
性状34穗：二次枝梗类型；
表达方式:QN；
稳定性等级:3。
表28.1表达状态和代码
| 表达状态 | 少 | 中 | 多 |
| 代码 | 1 | 2 | 3 |
表28.2代码差异与权重
| 代码差异 | 0 | 1 | 2 |
| 权重 | 0 | 0 | 2 |
性状35穗：分枝姿态；
性状表达方式:QN；
稳定性等级:2(一般波动3个代码)。
表29.1表达状态和代码
表29.2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36穗：抽出度；
性状表达方式:PQ；
稳定性等级:3。
表30.1表达状态和代码
表30.2代码差异与权重
性状37穗：长度；
性状表达方式:QN；
稳定性等级:2(一般波动2个代码)。
表31.1表达状态和代码
表31.2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38穗：每穗粒数；
性状表达方式:QN；
稳定性等级:4(可多至4个代码)。
表32.1表达状态和代码
表32.2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40小穗：外颖颖尖花青甙显色强度(后期)；
性状表达方式:QN；
稳定性等级:3(一般波动3个代码)。
表33.1表达状态和代码
表33.2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41小穗：护颖长度；
性状表达方式:QN；
稳定性等级:4(可多至4个代码)。
表34.1表达状态和代码
表34.2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44谷粒：千粒重；
性状表达方式:QN；
稳定性等级:4(可多至4个代码)。
表35.1表达状态和代码
表35.2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45谷粒：长度；
性状表达方式:QN；
稳定性等级:2(一般波动2个代码)。
表36.1表达状态和代码
表36.2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46谷粒：宽度；
性状表达方式:QN；
稳定性等级:2(一般波动2个代码)。
表37.1表达状态和代码
表37.2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47谷粒：形状；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表38.1表达状态和代码
| 表达状态 | 短圆形 | 阔卵形 | 椭圆形 | 细长形 |
| 代码 | 1 | 2 | 3 | 4 |
表38.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 |
| 权重 | 0 | 0 | 2 | 4 |
性状48糙米：长度；
性状表达方式:QN；
稳定性等级:3(一般波动3个代码)。
表39.1表达状态和代码
表392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50糙米：形状；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表40.1表达状态和代码
| 表达状态 | 近圆形 | 椭圆形 | 半纺锤形 | 纺锤形 | 锐尖纺锤形 |
| 代码 | 1 | 2 | 3 | 4 | 5 |
表40.2代码差异与权重
| 代码差异 | 0 | 1 | 2 | 3 | 4 |
| 权重 | 0 | 0 | 2 | 2 | 2 |
性状51糙米：颜色；
性状表达方式:PQ；
稳定性等级:2(一般波动2个代码)。
表41.1表达状态和代码
表41.2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 |
。
实施例2：水稻近似品种的筛选
1.水稻申请品种共7个，代号及名称如表42所示；
2.将申请品种通过一年种植采集各性状数据(表42)，导入水稻表型性状数据库；
3.将安全距离设置为2，点击“筛选”按钮，数据库系统列出对应每个申请品种的近似品种清单(表44，图1)。表44仅列出了表型距离为0的近似品种。
表42申请品种
| 序号 | 申请品种编号 | 品种名称 |
| 1 | 2012-1512A | 津粳优28 |
| 2 | 2012-1548A | 临稻19号 |
| 3 | 2015-0610A | 津稻179 |
| 4 | 2015-0635A | 中作稻3号 |
| 5 | 2015-1029A | 圣稻027 |
| 6 | 2015-1034A | 新稻69 |
| 7 | 2015-1731A | 郑稻20 |
表43申请品种第一年采集的数据(各性状的表达状态，即代码值)
备注：第13项未调查(或者不涉及)。
表44筛选出的部分近似品种
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 (2)
1.一种基于表型距离的水稻特异性测试近似品种筛选方法，其特征是，
(1)设置各个水稻表型性状代码差值的权重
采集当前仍具有应用潜力的水稻品种的表型性状数据，对采集的表型性状数据进行整理，建立水稻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，对各个水稻表型性状的所有表达状态的代码差值设置不同的权重，得到如表1所示的数据，输入水稻品种表型性状数据库；
表1
续表1
(2)表型距离阈值的设定
对成对水稻品种的表型性状表达状态代码差值，按步骤(1)的方法赋予权重，所有表型性状上的权重相加得出两品种间的表型距离；将大量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：并将其输入水稻品种表型性状数据库；
(3)近似品种筛选
基于建立的水稻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；向水稻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，表型距离小于阈值的已知品种作为该待测的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水稻特异性测试近似品种筛选方法，其特征是，所述步骤(2)的表型距离阈值为2，两品种间的表型距离<2时判定为近似品种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811462613.1A CN109616158A (zh) | 2018-12-03 | 2018-12-03 | 一种基于表型距离的水稻特异性测试近似品种筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811462613.1A CN109616158A (zh) | 2018-12-03 | 2018-12-03 | 一种基于表型距离的水稻特异性测试近似品种筛选方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109616158A true CN109616158A (zh) | 2019-04-12 |
Family
ID=66005852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811462613.1A Withdrawn CN109616158A (zh) | 2018-12-03 | 2018-12-03 | 一种基于表型距离的水稻特异性测试近似品种筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109616158A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111460777A (zh) * | 2020-03-12 | 2020-07-28 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种dus测试方法 |
| CN111524553A (zh) * | 2020-03-12 | 2020-08-11 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种特异性测试方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014003530A4 (fr) * | 2012-06-28 | 2014-03-13 | Moroccan Foundation For Advanced Science, Innovation & Research (Mascir) | Procédé pour augmenter le potentiel de production de biocarburant à partir de micro-algues en utilisant des bio-modulateurs |
| CN105132551A (zh) * | 2015-09-01 | 2015-12-09 | 山东省农业科学院作物研究所 | 一种利用ssr分子标记筛选小麦近似品种的方法 |
| CN105488234A (zh) * | 2016-01-29 | 2016-04-13 | 山东省农业科学院作物研究所 | 基于表型性状的水稻特异性测试中的近似品种筛选方法 |
| CN108796121A (zh) * | 2018-07-04 | 2018-11-13 | 山东省农业科学院作物研究所 | 一种基于遗传相似度的特异性测试近似品种高效筛选方法 |
-
2018
- 2018-12-03 CN CN201811462613.1A patent/CN109616158A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014003530A4 (fr) * | 2012-06-28 | 2014-03-13 | Moroccan Foundation For Advanced Science, Innovation & Research (Mascir) | Procédé pour augmenter le potentiel de production de biocarburant à partir de micro-algues en utilisant des bio-modulateurs |
| CN105132551A (zh) * | 2015-09-01 | 2015-12-09 | 山东省农业科学院作物研究所 | 一种利用ssr分子标记筛选小麦近似品种的方法 |
| CN105488234A (zh) * | 2016-01-29 | 2016-04-13 | 山东省农业科学院作物研究所 | 基于表型性状的水稻特异性测试中的近似品种筛选方法 |
| CN108796121A (zh) * | 2018-07-04 | 2018-11-13 | 山东省农业科学院作物研究所 | 一种基于遗传相似度的特异性测试近似品种高效筛选方法 |
Non-Patent Citations (1)
| Title |
|---|
| GENEVA: "TRIAL DESIGN AND TECHNIQUES USED IN THE EXAMINATION OF DISTINCTNESS,UNIFORMITY AND STABILITY", 《HTTPS://WWW.UPOV.INT/MEETINGS/EN/DOC_DETAILS.JSP?MEETING_ID=25503&DOC_ID=199005》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111460777A (zh) * | 2020-03-12 | 2020-07-28 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种dus测试方法 |
| CN111524553A (zh) * | 2020-03-12 | 2020-08-11 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种特异性测试方法 |
| CN111524553B (zh) * | 2020-03-12 | 2023-09-29 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种特异性测试方法 |
| CN111460777B (zh) * | 2020-03-12 | 2023-11-14 | 中国农业科学院蔬菜花卉研究所 | 一种植物品种dus测试方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wilson et al. | The origin and evolutionary relationships of ‘huauzontle’(Chenopodium nuttalliae Safford), domesticated chenopod of Mexico | |
| CN109616158A (zh) | 一种基于表型距离的水稻特异性测试近似品种筛选方法 | |
| Andrade et al. | Morphoagronomic genetic diversity of Brazilian melon accessions based on fruit traits | |
| Tunstall et al. | Distribution, abundance and risk of loss of sorghum landraces in four communities in North Shewa and South Welo, Ethiopia | |
| CN109599150A (zh) | 一种基于表型距离的花生特异性测试近似品种筛选方法 | |
| Corley | Illegitimacy in oil palm breeding | |
| CN111460777B (zh) | 一种植物品种dus测试方法 | |
| Tsenov et al. | Influence of environments on the amount and stability of grain yield in the modern winter wheat cultivars II. Evaluation of each variety | |
| CN109635002A (zh) | 一种基于表型距离的玉米特异性测试近似品种筛选方法 | |
| CN105678113B (zh) | 基于表型性状的花生特异性测试中的近似品种筛选方法 | |
| Arcioni et al. | Selfing and interspecific hybridization in Lolium perenne L. and Lolium multiflorum Lam. evaluated by phosphoglucoisomerase as isozyme marker | |
| Voltas et al. | Phenotypic diversity and delimitation between wild and cultivated forms of the genus Pyrus in North-eastern Spain based on morphometric analyses | |
| CN109558394A (zh) | 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 | |
| CN105740897B (zh) | 基于表型性状的玉米特异性测试中的近似品种筛选方法 | |
| CN105740655B (zh) | 基于表型性状的大豆特异性测试中的近似品种筛选方法 | |
| CN109616159A (zh) | 一种基于表型距离的大豆特异性测试近似品种筛选方法 | |
| CN111524022B (zh) | 一种植物品种dus测试方法 | |
| CN111524553B (zh) | 一种植物品种特异性测试方法 | |
| Chen et al. | Variation in early plant height in wild soybean | |
| Silva et al. | Modifications in floral morphology of Coffea spp. genotypes at two distinct elevations | |
| da Silva et al. | Diversidade genética e indicação de cruzamentos promissores entre acessos de feijão-fava (Phaseolus lunatus) | |
| CN111488471B (zh) | 一种植物品种dus测试方法 | |
| Davidson et al. | Genetics of self-incompatibility in Calotis cuneifolia | |
| Turcotte et al. | Linkage Tests in American Pima Cotton 1 | |
| Carlson | Inheritance of Hydrocyanic Acid Production in Crosses Between Sorghum and Sudangras 1 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190412 |