一种猪的品种溯源方法及装置

本发明涉及生物信息技术领域，尤其涉及一种猪的品种溯源方法及装置。

猪的杂交育种是种质资源改良和新品种培育的重要手段，通过杂交通常可以整合双亲优异性状并进一步产生新的跨亲特征，在产量、生态适应性和抗性等方面形成广泛的变异。

在规模化养猪的过程中，经多带杂交的猪的品种往往已经无法确定其具体品种，而在进一步育种过程中需要对猪进行品种溯源，从而有效的预测其杂交后代性状变异的幅度和方向，从而形成早期杂交子代的人工筛选，大大提升资源发掘利用的效率，然而迄今为止，并未有高效准确的技术方法来实现对于猪的品种溯源。

因此，如何高效准确的实现对于猪的品种溯源已经成为业界亟待解决的问题。

本发明实施例提供一种猪的品种溯源方法及装置，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，本发明实施例提供一种猪的品种溯源方法，包括：

获取猪基因数据集；

对所述猪基因数据集进行分析，得到有效祖先信息标记数据；

根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

更具体的，所述猪基因数据集包括中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息。

更具体的，所述猪基因数据集包括中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息。

更具体的，所述对所述猪基因数据集进行分析，得到有效祖先信息标记数据的步骤，具体包括：

对所述猪基因数据集进行连锁不平衡分析，得到连锁不平衡分析结果，以根据所述连锁不平衡分析结果得到第一祖先信息标记数据；

对所述第一祖先信息标记数据进行卡方检验，去除差异显著的位点，得到有效祖先信息标记数据。

更具体的，所述根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据的步骤，具体包括：

将所述有效祖先信息标记数据划分为中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组；

然后对有效祖先信息标记数据中每个位点进行固定指数计算和信息分配量计算，得到每个位点的固定指数信息和信息分配量信息；

根据每个位点的固定指数信息和信息分配量信息分别获取中国东部-中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据；

通过多分类器算法，对中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据进行分析处理，得到体分类目标祖先信息标记数据。

更具体的，所述根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据的步骤，具体包括：

将所述有效祖先信息标记数据划分为中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组；

然后对有效祖先信息标记数据中每个位点进行固定指数计算和信息分配量计算，得到每个位点的固定指数信息和信息分配量信息；

根据每个位点的固定指数信息和信息分配量信息分别获取中国东部-中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据；

通过多分类器算法，对中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据进行分析处理，得到体分类目标祖先信息标记数据。

更具体的，所述根据所述有效祖先信息标记数据进行品种成分分析，得到品种成分目标祖先信息标记数据的步骤，具体包括：

根据所述有效祖先信息标记数据进行随机等比例组合，生成目标杂交体；

通过体遗传结构快速分析算法，对所述目标杂交体进行分析，得到各个祖先信息标记数据的平均值信息和变异系数，以根据所述各个祖先信息标记数据的平均值信息和变异系数得到品种成分目标祖先信息标记数据。

第二方面，本发明实施例提供一种猪的品种溯源装置，包括：

获取模块，用于获取猪基因数据集；

分析模块，用于对所述猪基因数据集进行分析，得到有效祖先信息标记数据；

品种溯源模块，用于根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述猪的品种溯源方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述猪的品种溯源方法的步骤。

本发明实施例提供的一种猪的品种溯源方法及装置，通过针对中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息进行体分类分析，得到能够实现对于中国东部猪、中国南部猪和欧洲商品猪实现品种溯源的体分类目标祖先信息标记数据，且本申请中体分类目标祖先信息标记数据的数量较小，能够准确高效的实现对于猪的品种溯源。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例中所描述的猪的品种溯源方法流程示意图；

图2为本发明一实施例所描述的猪的品种溯源装置结构示意图；

图3为本发明一实施例所描述的电子设备结构示意图。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例中所描述的猪的品种溯源方法流程示意图，如图1所示，包括：

步骤S1，获取猪基因数据集；

步骤S2，对所述猪基因数据集进行分析，得到有效祖先信息标记数据；

步骤S3，根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

具体的，本发明实施例中所描述的猪基因数据集可以是从DRYAD数据存储库获取的欧洲家猪和亚洲猪的全基因组60K SNP分型基因数据，得到猪基因数据集，再对猪基因原始数据集进行预处理，从而得到猪基因数据集。

本发明实施例中所描述的猪基因数据集主要包括十个品种的基因数据：巴马香(China_Bamaxiang,CNBX)、从江香(China_Congjiangxiang,CNCJ)、广东大花白(China_Guangdongdahuabai,CNDH)、陆川(China_Luchuan,CNLU)、二花脸(China_Erhualian,CNEH)、金华(China_Jinhua,CNJH)、梅山(China_Meishan,CNMS)、杜洛克(Duroc,DUR2)、皮特兰(Pietrain,PIT1)和长白(Landrace，LDR1)；而这十个品种主要来自三个地区，分别是中国东部、中国南部和欧洲，因此，将猪基因数据集按照地区划分为三类，分别为中国东部猪(East china pig,ECHP)基因数据信息、中国南部猪(South china pig,SCHP)基因数据信息和欧洲商品猪(European commercial pig,EUCP)基因数据信息。

表1为本发明实施例中所描述的十个品种猪的信息，如表1所示：

表1

本发明实施例中所描述的有效祖先信息标记(Ancestry informative markers，AIMs)是体间区分频率差异的遗传标记，可以使用多个统计量例如固定指数(Fixationindex,FST)、绝对等位基因频率差异(δ)、信息分配量(Informativeness for assignment,In)等计算得到。相比于全基因组标记，AIMs分型成本低，可以更加经济地扫描和分析数千样本，并应用于遗传资源保护、品种和物种鉴定以及市场监督等方面。

通过对猪基因数据集中的全基因组位点进行连锁不平衡分析，去除掉强LD区位点的影响，在通过卡法检验去掉同一体内不同品种间的差异显著位点，从而得到可能用于品种溯源的有效祖先信息标记数据。

将有效祖先信息标记数据划分为中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组，然后分别计算着三个数据组的固定指数(Fixationindex,FST)和信息分配量(Informativeness for assignment,In)，得出三个数据组中每个位点的FST和In值。

根据FST和In值对所有位点进行从大到小排序,从前两个位点开始，我们依次将前30个位点输入分类器。对每一个数据组的所有样本进行随机拆分，根据支持向量机SVM得到区分每个数据组组合的最小AIMs数量信息，得到三组最小AIMs数量信息，

选择多分类器one-vs.-rest SVM算法。对于每一个组合，从排名前两位的AIM开始，依次增加一个,直至前200个。将三个组合的位点合并，并去除重复位点。根据这些AIM在每个数据组中不同的排名，选择测试数据集，通过混淆矩阵(Confusion matrix)、Cohen’skappa统计量和平衡错误率(balance error rate,BER)评估不同AIM数目下的多分类效果。若Cohen’s kappa值越高且BER值越低，则表示多分类器的判别性能越好。从全基因组随机抽取了等数目的标记作为对照，以便于更好的评估不同AIM数目下的多分类性能差异，得到了同时区分三个数据组的最少AIMs数量表，即体分类目标祖先信息标记数据。

表2为用于品种溯源的体分类目标祖先信息标记数据，如表2所述：

表2

应用于品种溯源的7个AIMs位点数据，通过等位基因型分类计算方法得出品种溯源结果。

表3和表4为中国地方品种体分类等位基因型频率表，如表3和表4所示：

表3

表4

例如，根据前文提取到的用于品种分类的7个AIMs信息得出进行体分类的三个祖先体的等位基因频率表，详情见表3和表4，具体计算过程例如用于品种分类的7个AIMs列表即表2的第二行第五列为“A”，第二行第七列为“0.1583”，得出表3和表4第二行第三列ECHP体的等位基因A频率为0.1583第三行第三列为1减去0.1583为0.8417即等位基因G的频率，其余计算过程类似。然后根据等位基因频率表得到进行体分类的三个祖先体的等位基因型频率表，见表3。计算过程简单举例，表4中第二行第三列为0.1583表示ECHP体中等位基因A的频率，第三行第三列为0.8417表示ECHP体中等位基因G的频率，可以得出表3中第二行第三列表示ECHP体中基因型AA的频率为0.1583乘0.1583得0.025059，第三行第三列表示ECHP体中基因型AG的频率为2乘0.1583乘0.8417得0.266482，第四行第三列表示ECHP体中基因型GG的频率为0.8417乘0.8417得0.708459。其余计算过程类似；最后根据待测数据在7个AIMs位点上的基因型计算其品种溯源结果。计算过程举例，存在某样本HLHA对应7个AIMs的基因型分别是AA、GG、AA、CA、GG、TT、CC，对应上表3得出体ECHP对应基因型频率分别是0.025059、0.0225、0、0.、0、0、0.0025，其中取0为0.00001，取1为0.99999，该结果取10的对数后进行相加计算后得出HLHA对应体ECHP的对数值是-25.8509，HLHA被分类为ECHP的可能性为1e-25.8509，同理计算SCHP、EUCP的品种溯源概率。

本发明实施例通过针对中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息进行体分类分析，得到能够实现对于中国东部猪、中国南部猪和欧洲商品猪实现品种溯源的体分类目标祖先信息标记数据，且本申请中体分类目标祖先信息标记数据的数量较小，能够准确高效的实现对于猪的品种溯源。

在上述实施例的基础上，所述猪基因数据集包括中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息。

在所述对所述猪基因数据集进行分析，得到有效祖先信息标记数据的步骤之前，所述方法还包括：

获取原始猪基因数据集，

对所述原始猪基因数据集进行预处理，得到预处理后的猪基因数据集。

具体的，本发明实施例中所描述的预处理，具体是指剔除基因型缺失率高于10％的个体，剔除检出率低于95％的位点，剔除最小等位基因频率小于0.05的位点，剔除位于性染体上的位点，剔除复等位基因位点。

本发明实施例通过对原始猪基因数据集进行预筛选，减少了质量较差的基因数据对后续步骤的影响，提高了品种溯源的精确度。

在上述实施例的基础上，所述对所述猪基因数据集进行分析，得到有效祖先信息标记数据的步骤，具体包括：

对所述猪基因数据集进行连锁不平衡分析，得到连锁不平衡分析结果，以根据所述连锁不平衡分析结果得到第一祖先信息标记数据；

对所述第一祖先信息标记数据进行卡方检验，去除差异显著的位点，得到有效祖先信息标记数据。

具体的，本发明实施例中进行连锁不平衡分析，得到连锁不平衡分析结果具体为，对500kb内具有较强LD(r2>0.3)的位点进行筛选，只保留其中一个，得到第一祖先信息标记数据。

本发明实施例中所描述的进行卡方检验，去除差异显著的位点，具体为，对每一个位点进行卡方检验，去除了差异显著(p<0.001)的位点。

所述根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据的步骤，具体包括：

将所述有效祖先信息标记数据划分为中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组；

然后对有效祖先信息标记数据中每个位点进行固定指数计算和信息分配量计算，得到每个位点的固定指数信息和信息分配量信息；

根据每个位点的固定指数信息和信息分配量信息分别获取中国东部-中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据；

通过多分类器算法，对中国南部数据组分类目标祖先信息标记数据、中国东部-欧洲商品数据组分类目标祖先信息标记数据和中国南部-欧洲商品数据组分类目标祖先信息标记数据进行分析处理，得到体分类目标祖先信息标记数据。

具体的，将有效祖先信息标记数据划分为中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组，然后分别计算着三个数据组的固定指数(Fixation index,FST)和信息分配量(Informativeness for assignment,In)，得出三个数据组中每个位点的FST和In值。

本发明实施例中所描述的多分类器算法具体是指。对于每一个组合，从排名前两位的AIM开始，依次增加一个,将三个组合的位点合并，并去除重复位点。根据这些AIM在每个数据组中不同的排名，选择测试数据集，通过混淆矩阵(Confusion matrix)、Cohen’skappa统计量和平衡错误率(balance error rate,BER)评估不同AIM数目下的多分类效果。

在上述实施例的基础上，在所述得到有效祖先信息标记数据的步骤之后，所述方法还包括：

根据所述有效祖先信息标记数据进行品种成分分析，得到品种成分目标祖先信息标记数据，以根据所述品种成分目标祖先信息标记数据进行猪种品种成分估计。

具体的，本发明实施例中有效祖先信息标记数据进行随机等比例组合，生成目标杂交体，使用有监督体结构分析，预估这些杂交体中来自中国东部-中国南部数据组、中国东部-欧洲商品数据组和中国南部-欧洲商品数据组的组件成分。统计该模拟杂交体三个祖先成分各自的平均值和变异系数，并根据该平均值和变异系数进行曲线拟合，根据拟合曲线的斜率确定可以准确估计模拟杂交体祖先成分的最佳AIM数目，即品种成分目标祖先信息标记数据。

在上述实施例的基础上，所述根据所述有效祖先信息标记数据进行品种成分分析，得到品种成分目标祖先信息标记数据的步骤，具体包括：

根据所述有效祖先信息标记数据进行随机等比例组合，生成目标杂交体；

通过体遗传结构快速分析算法，对所述目标杂交体进行分析，得到各个祖先信息标记数据的平均值信息和变异系数，以根据所述各个祖先信息标记数据的平均值信息和变异系数得到品种成分目标祖先信息标记数据。

具体的，首先产生多组三个祖先成分的随机比例，并控制三个祖先成分的最小值均不低于10％。然后，对于每一组数据，都进行多次模拟。在每一次模拟过程中，按照三个祖先成分的比例从三个祖先体中抽取对应数目的单倍型进行混杂，最后使用有监督ADMIXTURE计算模拟杂交体的三个祖先成分。进一步评估使用最佳AIM数目推断祖先成分的准确性，使用有监督ADMIXTURE(K＝3)对真实数据(来自61个体的969个样本的测试集)的祖先成分进行了估计。使用全基因组所有位点计算测试集中的样本来自祖先体ECHP、SCHP和EUCP的祖先成分估计，得到品种成分目标祖先信息标记数据。

表5为品种成分目标祖先信息标记数据：

表5

本发明实施例中通过针对中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息进行品种成分分析，得到能够实现对于中国东部猪、中国南部猪和欧洲商品猪实现品种成分分析的品种成分目标祖先信息标记数据，且本申请中品种成分目标祖先信息标记数据的数量较小，能够准确高效的实现对于猪的品种成分分析。

图2为本发明一实施例所描述的猪的品种溯源装置结构示意图，如图2所示，包括：获取模块210、分析模块220和品种溯源模块230，其中，获取模块210用于获取猪基因数据集；其中，分析模块220用于对所述猪基因数据集进行分析，得到有效祖先信息标记数据；其中，品种溯源模块230用于根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

本发明实施例提供的装置是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。

本发明实施例通过针对中国东部猪基因数据信息、中国南部猪基因数据信息和欧洲商品猪基因数据信息进行体分类分析，得到能够实现对于中国东部猪、中国南部猪和欧洲商品猪实现品种溯源的体分类目标祖先信息标记数据，且本申请中体分类目标祖先信息标记数据的数量较小，能够准确高效的实现对于猪的品种溯源。

图3为本发明一实施例所描述的电子设备结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取猪基因数据集；对所述猪基因数据集进行分析，得到有效祖先信息标记数据；根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取猪基因数据集；对所述猪基因数据集进行分析，得到有效祖先信息标记数据；根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：获取猪基因数据集；对所述猪基因数据集进行分析，得到有效祖先信息标记数据；根据所述有效祖先信息标记数据进行体分类分析，得到体分类目标祖先信息标记数据，以根据所述体分类目标祖先信息标记数据进行猪种品种溯源。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。