基于表型性状的水稻特异性测试中的近似品种筛选方法

本发明涉及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，属于 DUS测试技术领域。

稻是人类的主要粮食作物，据知目前世界上可能超过有14万种的稻，而且科学家 还在不停的研发新稻种，因此稻的品种究竟有多少，是很难估算的。目前中国也是世界上最 大的稻米生产国家，占全世界35％的产量。我国于1997年3月24日颁布了《中华人民共和国 植物新品种保护条例》，同年10月实施。条例对授权品种的条件作出了明确规定。授权品种 必须是国家植物新品种保护名录范围内，具有新颖性、特异性、一致性和稳定性并有适当名 称的植物新品种。其特异性、一致性和稳定性(简称DUS)测试是重要的授权条件，是实质审 查的主要内容。对申请品种进行DUS测试不仅是审批机关进行实质审核的主要内容和作出 授权与否的重要依据，而且还是保证并维护授权品种的公证性、合法性、权威性的重要手 段。

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(即申请品种)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。

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。

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水稻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。

本发明的技术方案是：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，其特征是，

(1)水稻品种表型性状数据库的建立

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测试指南中的全部52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，建立水稻品种表型性状数据库；

(2)申请品种性状数据导入

将水稻特异性测试的申请人提供的水稻申请品种编号、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水稻表型性状数据库；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(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)；

(4)近似品种筛选

水稻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水稻不同DUS测试性状近似品种筛选采用的表达状态范围

备注：1.QN：数量性状，PQ：假质量性状；QL：质量性状；

2.“-”表示没有(此代码)或者不考虑(此性状)；

3.“*”表示DUS测试中规定必须测的性状。

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。

本发明根据水稻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。

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。

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。

图1为水稻申请品种2012-0051A的近似品种筛选示意图。

实施例1：建立水稻品种表型性状数据库

2004年至2014年，申请人共对黄淮海地区400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2万多个。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355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。

实施例2：水稻近似品种的筛选

1.水稻申请品种共4种，代号及名称(如表2)所示；

2.将申请品种通过一年种植采集各性状数据(如表3)，导入水稻表型性状数据库；

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所示)，其安全取值范围 如表1所示。

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)。

表2申请品种

序号 申请品种 品种名称

1 2012-0051A 临稻18

2 2012-0946A R9323

3 2012-0947A 中香糯1号

4 2012-0948A 明恢23

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)

性状序号 1 2 3 4 5 6 7 8 9 10

2012-0051A 1 1 5 1 1 3 1 4 3 5

2012-0946A 1 1 6 1 1 6 1 4 3 7

2012-0947A 1 1 6 1 2 3 1 5 3 7

2012-0948A 1 1 4 1 1 5 1 6 3 7

备注：性状序号同表1。

续表3

性状序号 11 12 13 14 18 19

2012-0051A 1 9 2 1 1 1

2012-0946A 1 9 2 1 1 1

2012-0947A 1 1 - 1 1 1

2012-0948A 2 1 - 1 1 1

续表3

性状序号 21 22 23 24 25 26 27 28 29 30

2012-0051A 4 5 4 1 1 1 2 7 3 6

2012-0946A 3 6 5 1 1 2 3 5 6 6

2012-0947A 4 5 5 1 1 - - 7 4 6

2012-0948A 4 5 4 1 1 - - 4 5 6

续表3

性状序号 31 32 33 34 35 36 37 38 39 40 41

2012-0051A 2 1 3 3 4 5 4 6 5 1 5

2012-0946A 2 1 4 3 5 4 6 7 4 1 5

2012-0947A 3 - 4 3 5 5 5 4 5 1 6

2012-0948A 2 - 4 3 5 4 6 5 6 1 6

续表3

性状序号 42 43 44 45 46 47 48 49 50 51 52

2012-0051A 1 1 5 6 6 3 3 6 2 2 1

2012-0946A 1 1 5 8 5 4 6 5 4 2 2

2012-0947A 1 1 9 9 6 4 9 6 4 1 3

2012-0948A 1 1 6 9 5 4 8 5 4 2 1

备注：性状序号同表1。

表4筛选出的近似品种

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。本发明的方法，尤其是表1中的取值范围，是申请人根据水 稻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，对于指导水稻特异性测试中的近似品种筛选具有重要的意义。