[发明专利]基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法

说明书

本发明公开了一种基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法。首先利用高光谱相机采集作物籽粒的高光谱图像，得到上千种作物籽粒高光谱指数，其次利用气相/高效液相色谱‑串联质谱法检测上千种代谢物；基于群体各株系的基因分型信息，分别以高光谱指数和代谢物含量作为作物籽粒表型性状进行全基因组关联分析，筛选显著SNP位点，对两组显著SNP位点进行共定位分析，构建高光谱表型‑基因型‑代谢表型关联网络H1‑G‑M1；对高光谱指数和代谢物含量使用Lasso回归进行特征筛选，构建高光谱‑代谢表型关联网络H2‑M2；综合分析H1‑G‑M1和H2‑M2网络，整合二者构建高光谱表型‑基因型‑代谢物表型关联网络H3‑G‑M3，进一步挖掘作物籽粒代谢遗传结构的新信息。

技术领域

本发明属于农业生物信息技术领域，具体涉及一种基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法。

背景技术

随着核磁共振、色谱-质谱等技术的发展，植物代谢组学发展迅速，数以千计的不同种类代谢物得以同时被检测以及定量。在技术的发展过程中，特别是非靶向技术的出现，使得被检测的代谢物中存在大量的未知结构代谢物。通过mGWAS的策略可以揭示这些分子在植物体内积累变化的遗传基础，但仍有大量遗传学联系未能被很好地解释。

植物高通量表型测量技术的发展使得数以千计的植物表型性状得以被同时测量。高光谱成像技术因其在获得光谱信息上的高分辨率，得以同时获得成千上万的光谱表型信息。对这些光谱表型进行全基因组关联分析能获得许多显著性的SNP位点，其中部分能关联到控制叶绿素降解、蛋白质合成以及植物大分子物质代谢相关等基因。在从基因到转录产物到蛋白质到代谢产物再到表型的中心法则传递链中，代谢物较之其他产物与植物表型更为接近，其两者的联合分析能帮助解释单一数据集无法解释的一些表型性状的遗传基础。

发明内容

(一)要解决的技术问题

为了解决在mGWAS策略中鉴别到的显著SNP信息的遗传解析不充分问题，结合高光谱表型数据以及由高光谱表型性状进行全基因组关联分析得到的遗传信息进行联合分析并构建关联网络，为代谢分子遗传信息的解析提供一种辅助方法，挖掘出单一数据集无法解释的代谢分子遗传基础，同时挖掘高光谱数据与已知或未知代谢物的新遗传关联。

(二)技术方案

为了解决上述问题，本发明提供了如下技术方案，提出了一种基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法，具体如下。

基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法，其特征在于：

步骤A，采集水稻、玉米、小麦和油菜籽粒的高光谱图像，提取高光谱指数h-trait，并测量相应作物籽粒的代谢物含量m-traits；

步骤B，测序获得作物籽粒基因组数据；

步骤C，以步骤A中提取的作物籽粒高光谱指数h-traits为表型性状，结合测序获得的基因组数据进行全基因组关联分析，即hGWAS，并统计显著SNP位点信息；以步骤A测定的作物籽粒代谢物含量m-traits为表型性状结合测序获得的基因组数据进行全基因组关联分析，即mGWAS，并统计显著SNP位点信息；

步骤D，对步骤C中hGWAS结果得到的显著SNP位点信息和mGWAS结果得到的显著SNP位点信息进行共定位分析，构建H1-G-M1网络，挖掘其潜在关联信息；

步骤E，对步骤A中提取的作物籽粒高光谱指数和测量的作物籽粒代谢物含量进行特征筛选，构建H2-M2网络；

步骤F，对步骤D和步骤E中构建的网络数据进行综合，构建H3-G-M3网络，挖掘其潜在关联信息。