[发明专利]一种群体区分和鉴定的遗传标记参照系的构建方法及遗传标记参照系

权利要求书

1.一种群体区分和鉴定的遗传标记参照系的构建方法，其特征在于，包括如下步骤中的步骤(1)和步骤(3)，或包括如下步骤中的步骤(1)-(3)，或包括如下步骤中的(1)、(3)、(4)，或包括如下步骤中的(1)-(4)：

(1)数据分割：

以已知的遗传标记数据库作为样本，按照遗传信息差异对样本数据进行分割，得到多个类；

(2)数据过滤：

计算各个类中遗传标记的F_ST值，并据此对各个类中的遗传标记进行降序排列，当数据中包括的遗传标记数目小于或等于50000时，全部用于下一步分析，当数据中包含的遗传标记数目大于50000时，保留各类中排列于前2％～10％个遗传标记；

(3)遗传标记挑选：

针对数据分割后或数据过滤后的各类遗传标记，运用特征选择算法挑选出可保留每个类的最大区别力的一个子集，该子集的集合即可作为遗传标记参照系；

其中，所述特征选择算法如算法一所示：

算法一：

步骤一：产生#L个以不同特征为起始元素且长度为u的特征序，对于以表示第一个元素为l长度为u的序列，其产生过程如下：

S1、对于产生其中l₁＝l；

S2、对于任意2≤i≤u，若已有选可极大化累计分类能力的特征作为第i个元素，

并产生其中表示子集的余集；

步骤二：比较#L条序列的累计分类能力，并选择最优序列作为MaC集，其中：

(4)整合优化：

具体为：运用另一个特征选择算法，将从每个类中挑选的子集整合成一个综合参照系；

其中，所述另一个特征选择算法如算法二所示：

算法二：

基于贪婪式的逐步添加/验证的算法，对由各子类挑选出的MaC集进行优化整合，并产生全局最优特征集合P；

若已经根据不同子类的组合筛选出m个MaC集，则：

步骤一：由于每个MaC集都是一个特征序列，即特征的排列是有顺序的；设置m个指针，并分别指向每个MaC集的第一个元素；初始化空集P；

步骤二：依次测试将每个指针对应的特征加入集合P后应用此集合遗传标记对已知类别进行分类的平均精度增益；保留获得最高平均精度增益的特征做为P的新元素，并将指向此特征的指针在相应的MaC集中依序向后移动一个元素；

步骤三：当满足下列任一条件时，终止向P继续添加新元素：1)应用P集中的特征对已知类别进行分类已达到预设的平均精度；2)P集中的特征数量已达到预设值；否则，返回步骤二。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，数据分割后，得到不少于2个类，且每个类中包含全部遗传标记。

3.根据权利要求1所述的方法，其特征在于，所述遗传信息差异为可被所述遗传标记数据库中的遗传标记或遗传标记组合进行区分的遗传信息差异。

4.根据权利要求2所述的方法，其特征在于，所述遗传信息差异为可被所述遗传标记数据库中的遗传标记或遗传标记组合进行区分的遗传信息差异。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述遗传标记为SNP或STR。

6.由权利要求1～5任一项所述方法构建得到的遗传标记参照系。

7.根据权利要求6所述的遗传标记参照系，其特征在于，其为步骤(3)所获得的子集的集合。

8.由权利要求1～5任一项所述方法构建得到的遗传标记参照系，其特征在于，其为步骤(4)所获得的综合参照系。