买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西部(重庆)科学城种质创制大科学中心;西南大学申请的专利一种甘蓝型油菜最适全基因组选择体系的构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119007802B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410898932.6，技术领域涉及：G16B20/00；该发明授权一种甘蓝型油菜最适全基因组选择体系的构建方法是由谭万庆;刘列钊;王志渊;林呐;周清元;殷加明;曲存民;卢坤;李加纳设计研发完成，并于2024-07-05向国家知识产权局提交的专利申请。

本一种甘蓝型油菜最适全基因组选择体系的构建方法在说明书摘要公布了：本发明公开了一种甘蓝型油菜最适全基因组选择体系的构建方法，涉及甘蓝型油菜品种选育以及分子育种技术领域。本发明基于甘蓝型油菜的10个性状，对其在不同全基因组选择模型、标记密度、群体大小和比例下，以及非加性效应、性状特异性SNP和有害突变的应用中的预测精度进行综合比较，确定了一种甘蓝型油菜最适的全基因组选择体系；此外，本发明建立了一种不受运算设备限制的有害突变数据库构建方法和一种甘蓝型油菜表型性状全基因组选择预测精度估计的方法，因此，本发明可为甘蓝型油菜最适全基因组选择体系的建立提供参考，同时可促进甘蓝型油菜全基因组选择的应用。

本发明授权一种甘蓝型油菜最适全基因组选择体系的构建方法在权利要求书中公布了：1.一种甘蓝型油菜最适全基因组选择体系的构建方法，其特征在于：至少包括以下步骤： S1：确定植物材料和表型数据，共用到两个群体，分别将其称为60K群体和WGR群体； S2：对两个群体的基因型数据分析； S3：不同全基因选择模型的实践，选择四种常用GS模型进行比较，所述四种常用GS模型包括利用基因组关系矩阵直接估计基因组估计育种值的基因组最佳线性无偏预测，即为GBLUP，基于训练群体估计标记的效应值之后进一步计算育种群体中个体的GEBV的岭回归最佳线性无偏预测，即为RR-BLUP，贝叶斯B，即为BayesB以及半参数法再生核希尔伯特空间，即为RKHS； S4：对不同标记密度全基因组选择实践； S5：对不同群体大小和比例全基因组选择实践； S6：包含非加性效应的全基因组选择实践； S7：应用性状特异性SNP的全基因选择实践； S8：通过设计一种不受运算设备限制的有害突变数据库构建方法构建对应的数据库，以及应用有害突变的全基因选择实践； 所述S1至少包括以下步骤： 60K群体和WGR群体分别包含520和604份种质； 种质进行种植，每份种质种植两行，每行10株，株距20cm； 对应于60K群体的6个籽粒品质性状硫代葡萄糖苷、油酸、亚油酸、亚麻酸、蛋白质含量和含油量，在种植年份利用近红外法测定； 记录3个生育期性状，所述生育期性状包括初花期、终花期和花期，分别于三个时间段对初花期、终花期和花期长度进行统计，利用R包“lme4”计算BLUE值用于GS分析； 1个产量性状角果长度是在WGR群体中测定的，角果长度于两个年份进行测定，每份种质调查10个角果； 所述S2至少包括以下步骤：对S1中两个群体的SNP数据，根据最小等位基因频率大于0.05，标记的缺失比例小于0.2，样本的缺失比例小于0.3，利用PLINK软件对标记进行过滤，最终在60K和WGR群体中分别获得31725和385853个高质量标记，利用VCFtools工具对基因型格式进行转换； 所述S3至少包括以下步骤： GBLUP、RKHS和BayesB通过R4.3.0中的R包“BWGS”完成，其中GBLUP模型重复100次，RKHS和BayesB重复30次，并通过五倍交叉验证评估模型； RR-BLUP通过R包“rrBLUP”完成，以群体大小的五分之四作为训练群体，余下五分之一为育种群体，重复100次评估预测精度； 所述S4至少包括以下步骤： 由于不同模型所需时间的差异，在R包“BWGS”中选用GBLUP模型计算甘蓝型油菜10个表型性状在不同标记密度下的预测精度； 利用参数“geno.reduct.method＝“RMR”,reduct.marker.size”随机选择100、500、1000、5000和10000个标记进行运算，并在五倍交叉验证下重复100次； 所述S5至少包括以下步骤： 根据WGR群体的604份种质设置6种不同的群体大小，其中60K群体的520份种质设置5种不同的群体大小，除两个群体的最大群体样本数外，其余群体大小按100个样本依次递减； 通过RR-BLUP模型进行甘蓝型10个表型性状在不同群体大小下预测精度的比较，选择设定群体大小的五分之四作为训练群体，从总群体余下的样本中选择设定群体大小的五分之一作为育种群体； 该过程通过R包“rrBLUP”完成，重复100次； 同时，设置了4:1、3:1、2:1、1:1、1:2、1:3、1:4，7种训练群体和育种群体的不同比例，同样通过RR-BLUP模型完成，重复100次； 所述S6至少包括以下步骤： 通过R包“sommer”计算标记的加性、显性和上位效应； 同时应用R包“BGLR”中的RKHS模型实现包括加性、加性加显性、加性加显性和上位效应的GS，取总群体中的五分之四作为训练群体，余下五分之一作为育种群体，重复100次； 所述S7至少包括以下步骤： 基于S1中两个群体的高质量SNP位点，利用PLINK软件对基因型数据进行主成分分析，并在Tassel5中计算样本间的亲缘关系； 最终根据主成分分析结果、10个性状的表型值和样本的基因型以及样本间的亲缘关系在Tassel5应用混合线性模型进行GWAS； 根据GWAS结果，对标记进行排序，通过PLINK软件依据P值小于0.1、0.01和0.001提取性状不同阈值的标记，在R包“BWGS”中应用GBLUP模型实现性状特异性SNP的全基因组选择，重复100次。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西部(重庆)科学城种质创制大科学中心;西南大学，其通讯地址为：401125 重庆市九龙坡区高新大道28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。