基于表型性状的花生特异性测试中的近似品种筛选方法

摘要

本发明公开了基于表型性状的花生特异性测试中的近似品种筛选方法。该方法首先建立花生品种表型性状数据库，然后将申请人提供的申请品种编号、名称和性状表达状态观测值或测试机构采集的性状数据导入数据库；对应每一个申请品种各个性状的表达状态，根据预先设定的已知品种性状表达状态的安全取值范围，在数据库中输入相应表达状态范围；数据库将符合条件的近似品种筛选出来。本发明根据环境条件和人员对不同性状和性状表达状态观测值的影响程度不同这一特点，针对不同类型性状和不同的性状表达状态观测值，灵活设置了已知品种相应的表达状态选择范围，防止了近似品种的遗漏又防止了选入过多近似品种的问题。

权利要求

1.一种基于表型性状的花生特异性测试中的近似品种筛选方法，其特征是，(1)花生品种表型性状数据库的建立采集当前仍具有应用潜力的花生品种的表型性状数据；对采集的表型性状数据进行整理，建立花生品种表型性状数据库；

(2)申请品种性状数据导入

将花生特异性测试的申请人提供的申请品种编号、名称和性状表达状态观测值或测试机构采集的性状数据导入花生表型性状数据库；输入申请品种名称或编号，显示申请品种的相关性状的表达状态；

(3)设置已知品种的表达状态范围

对应每一个申请品种各个性状的表达状态，根据表1所示的已知品种性状表达状态的安全取值范围，在花生表型性状数据库中输入相应表达状态取值范围；

(4)近似品种筛选

花生品种表型性状数据库将符合条件的近似品种筛选出来；

表1表达状态范围

说明书

基于表型性状的花生特异性测试中的近似品种筛选方法

技术领域

[0001] 本发明涉及一种基于表型性状的花生特异性测试中的近似品种筛选方法，属于DUS测试技术领域。

背景技术

[0002] 花生是重要的油料作物，其品种繁多，随着植物育种和种子产业的发展，植物新品种保护(Protection of New Varieties of Plant，简称PVP)作为知识产权的10种内容之一，其重要性越来越突出。新品种的准确鉴定不仅是新品种审定和保护的前提，也为辨别假冒伪劣种子，保护自身知识产权，维护育种者的切身利益提供保障和科学依据。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和主要农作物品种通过品种审定和非主要农作物品种登记的前提条件。

[0003] 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每个品种。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申请品种，据此得出申请品种是否具备特异性的结论。因此，近似品种的选择又是特异性测试的关键环节。

[0004] 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，尤其是早期选育的品种，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。近似品种的筛选主要通过比较申请品种和仍有应用潜力已知品种(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(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)不同测试人员对同一性状表达状态的观测结果，容易产生偏差。偏差的大小，既取决于性状，也受表达状态在性状变异范围中所处位置的影响。因此，根据一个申请品种不同性状的表达状态观测值，如何确定近似品种筛选时已知品种表达状态取值范围，是近似品种筛选的关键。现有的做法是采用固定的已知品种表达状态范围：对于假质量性状，采用与之相同的表达状态；对于数量性状，采用与之相差三个代码的表达状态范围。采用固定已知品种表达状态范围做法，对于受环境和人员观测影响较大的性状和表达状态，容易遗漏近似品种，导致特异性测试结果不可靠；反之，对于受环境和人员观测影响较小的性状和表达状态，导致选入过多的近似品种，增加测试成本，降低试验精确度。

发明内容

[0005] 针对上述DUS测试中近似品种筛选容易导致遗漏或选入过多近似品种的问题，本发明提供了一种基于表型性状的花生特异性测试中的近似品种筛选方法。该方法根据品种不同，性状和性状表达状态受环境和人员观测影响程度不同这一特点，通过对申请品种的每一个表达状态观测值设置一个相应的已知品种的表达状态范围，极大提高了近似品种筛选效率。

[0006] 本发明的技术方案是：一种基于表型性状的花生特异性测试中的近似品种筛选方法，其特征是，

[0007] (1)花生品种表型性状数据库的建立

[0008] 采集当前仍具有应用潜力的花生品种(例如近十年来育成的品种)的表型性状数据(DUS测试指南中的全部31个性状，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，建立花生品种表型性状数据库；

[0009] (2)申请品种性状数据导入

[0010] 将花生特异性测试的申请人提供的花生申请品种编号、名称和性状表达状态观测值(即技术问卷性状数据)或测试机构采集的性状数据导入花生表型性状数据库；输入申请品种名称(或编号)，显示申请品种的相关性状的表达状态；

[0011] (3)设置已知品种的表达状态范围

[0012] 对应每一个申请品种各个性状的表达状态(代码)，根据预先设定的已知品种性状表达状态的安全取值范围(如表1所示，包含全部的安全取值范围)，在数据库中输入相应表达状态取值范围(代码范围)；

[0013] (4)近似品种筛选

[0014] 花生品种表型性状数据库将符合条件的近似品种筛选出来。

[0015] 表1花生不同DUS测试性状的近似品种筛选采用的表达状态范围

[0016]

[0017]

[0018] 备注：1.QN：数量性状，PQ：假质量性状；QL：质量性状；

[0019] 2.“-”表示没有(此代码)或者不考虑(此性状)；

[0020] 3.“*”表示DUS测试中规定必须测的性状。

[0021] 用于近似品种筛选的性状，可以少至几个分组性状，多至全部测试指南性状，性状的多少与测试数据受环境影响的程度有关系，比如说：来自同一生态区的数据，受环境影响相对小，最多用全部测试指南性状；来自不同生态区的测试数据，受环境影响大，至少采用全部的质量性状，在此基础上可以选择比较稳定的数量性状和假质量性状。

[0022] 本发明根据花生性状表达方式以及性状和表达状态表达受环境和人员观测影响程度，对应每一个申请品种表达状态观测值，设定近似品种筛选时的已知品种表达状态安全取值范围。性状表达状态安全取值范围根据多年多点的试验数据设定，超出该范围的已知品种与申请品种存在明显的表型差异，不需要作为近似品种种植。

[0023] 本发明表1的安全取值范围是根据如下规则设定的：对于质量性状，已知品种表达状态安全取值范围采用与申请品种相同的表达状态；对于数量性状，根据性状表达状态观测值受环境和人员影响的程度，已知品种表达状态安全取值范围采用“申请品种表达状态±1个代码”、“申请品种表达状态±2个代码”或“申请品种表达状态±3个代码”的取值范围，并根据表达状态在变异范围中的位置和观测偏差产生的难易做相应调整(例如申请品种某性状代码为“1”时，已知品种表达状态安全取值范围由“±3个代码”调整为“+1个代码”)。对于假质量性状，对处于非连续变异区域的表达状态，采用质量性状的方式；对处于连续变异范围中的表达状态，采用数量性状的方式。用于近似品种筛选的性状，可以少至几个分组性状，多至全部测试指南性状。

[0024] 本发明方法的优点：现有的基于表型性状的近似品种筛选方法，未充分考虑到不同性状因受环境和人员观测的影响，其表达状态观测值(代码)波动程度不同的特点。在近似品种筛选时，设置了固定的已知品种假质量性状和数量性状表达状态范围，容易导致遗漏或选入过多近似品种的问题。本发明的方法，根据环境条件和人员对不同性状和性状表达状态观测值的影响程度不同这一特点，针对不同类型性状和不同的性状表达状态观测值，灵活设置了已知品种相应的表达状态选择范围(如表1)，防止了近似品种的遗漏，提高了近似品种筛选的严谨性；避免了因数量性状选择范围过大，导致选入过多近似品种的问题，降低了特异性测试的成本，提高了特异性测试的精确性。通过数据库技术筛选近似品种，极大提高了近似品种筛选效率。

附图说明

[0025] 图1为花生申请品种2011-0886A的近似品种筛选示意图。

具体实施方式

[0026] 实施例1：建立花生品种表型性状数据库

[0027] 2004年至2014年，申请人共对黄淮海地区200余份次花生申请品种进行了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31个性状采集了数据，共采集表型性状数据6000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，建立了黄淮海地区花生品种表型性状数据库，共储存了192个品种的DUS测试性状数据。本实施例近似品种的筛选依托上述表型性状数据库进行。

[0028] 实施例2：花生近似品种的筛选

[0029] 1.花生申请品种共6种，代号及名称如表2所示；

[0030] 2.将申请品种通过一年种植采集各性状数据(如表3)，导入花生表型性状数据库；

[0031] 3.点击申请品种代号，显示申请品种的性状信息。根据申请品种性状表达状态观测值，输入已知品种相关性状表达状态的取值范围(输入方法如图1)，其安全取值范围如表1所示。

[0032] 4.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(如表4)。

[0033] 表2申请品种

[0034]

[0035]

[0036] 表3申请品种第一年采集的数据(各性状的表达状态，即代码值)

[0037]性状序号 2011-0886A 2011-0887A 2013-0377A 2013-0434A 2013-0448A 2013-1174A
1 4 4 5 6 6 6
2 2 2 2 2 2 2
3 3 3 3 3 3 3
4 2 2 2 2 2 2
5 4 5 4 5 5 5
6 2 2 2 2 1 2
7 1 2 2 2 2 1
10 4 5 5 5 5 5
11 1 1 1 1 1 1
12 1 1 2 2 2 2
13 3 3 3 3 3 4
14 5 5 5 4 5 4
15 2 3 3 3 3 4
16 3 5 5 5 4 5
17 1 1 1 1 1 1
18 3 3 4 4 3 3
19 2 2 4 5 5 5
20 5 1 4 6 6 7
21 5 5 2 3 4 4
22 3 3 2 3 3 5
23 2 2 2 2 2 2
24 3 3 3 3 3 4
25 7 6 8 7 7 6
26 4 5 5 7 6 8
27 2 2 1 2 2 2
28 1 1 1 1 1 1
29 4 4 4 4 4 4
30 2 2 1 1 1 2
31 1 2 3 1 1 3

[0038] 备注：性状序号同表1。

[0039] 表4筛选出的近似品种

[0040]

[0041]

[0042] DUS测试中，将申请品种和筛选的近似品种要进行相邻种植，通过对申请品种和入选近似品种该性状表达状态的观测进行验证，证实该方法合适，筛选出的近似品种既无遗漏又没有选入过多的近似品种。

[0043] 本发明的方法，尤其是表1中的取值范围，是申请人根据花生性状表达方式以及性状和表达状态表达受环境和人员观测影响程度，根据多年多点的试验数据验证得到的结果，对于指导花生特异性测试中的近似品种筛选具有重要的意义。