基于深度信念网络的多品种玉米单倍体定性鉴别方法研究

摘要：

单倍体育种技术是玉米育种新方法, 该方法可有效缩短产生纯合系的周期, 提高育种效率.该技术需首先挑选足量单倍体籽粒, 而玉米在未加人工干预时, 单倍体在混合籽粒中仅占0.05％～0.1％, 即使采用生物诱导技术, 单倍体籽粒数一般也不到籽粒总数的10％.高速、精准地从大量混合籽粒中挑选得到占比少于10％的单倍体籽粒, 才能够满足工程化育种需要, 而实际育种工作中挑选单倍体时常用的分子生物学、田间形态学辨别等方法存在耗时长、成本高、破坏样本等缺点, 难以高效精准地得到玉米单倍体籽粒.相关研究已经证明高油玉米的单倍体与二倍体之间具有明显含油率差异, 目前低场核磁共振技术可用于检测玉米单籽粒的含油率, 并根据含油率对单倍体进行鉴别, 但核磁共振仪存在价格贵、维护难、速度慢、效率低等弱点, 现有设备完成单籽粒分选需用时4 s, 无法满足工程化育种中大量筛选的速度需求.使用VIAVI微型近红外光谱仪能够达到0.25 s每颗的检测速度, 相比核磁共振技术速度快, 仪器价格较低, 维护方便.使用近红外光谱仪分析技术对单倍体与二倍体籽粒进行鉴别, 可以取代核磁共振鉴别单倍体的方法.采用近红外光谱定性鉴别单倍体籽粒虽然取得了一定效果, 但目前研究中所采集玉米品种相对较少, 研究只针对某一品种单倍体建立模型, 对该品种单倍体进行分类;国内外尚无多品种混合单倍体鉴别相关研究, 而工程化育种亟需一种能够识别多个品种玉米单倍体的鉴别方法.为此, 本文提出一种基于深度信念网络的多品种混合玉米籽粒单倍体鉴别方法, DBN是一种多层深度神经网络, 每层由受限玻尔兹曼机构成, 采用逐层训练策略, 可解决传统神经网络训练方法不适用于多层网络训练的问题.对比实验结果表明使用DBN方法建立多品种单倍体鉴别模型具有较高分类性能, 能够满足玉米工程化育种精度要求.

关键词：深度信念网络、单倍体、近红外光谱、定性鉴别

所属期刊栏目：39

分类号：O657.3(分析化学)

资助基金：山东省教育厅科技计划项目J18KA329;中国石油大学华东信息与控制工程学院科技计划项目KY2017006;中国石油大学胜利学院科技计划项目KY2015011

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：905-909