用于筛选绿豆旱地栽培适应性的生物标志物组合及方法

本发明涉及育种。更具体地说，本发明涉及一种用于筛选绿豆旱地栽培适应性的生物标志物组合及方法。

背景技术：

1、在旱地栽培条件下筛选具备优良品质育种价值的绿豆种质，是耐旱绿豆品种培育的关键环节。现有育种实践中，旱地栽培绿豆品质育种价值的鉴定主要依赖田间表型观察和产量性状统计，鉴定周期长，且受年份、地域等环境因素波动影响大，难以满足育种材料大规模早期筛选的需求。

2、利用代谢物作为植物表型预测指标是近年来的研究热点。代谢物是基因表达与环境因素相互作用的最终产物，能够直接反映植物的生理状态。中国发明专利申请cn116381085a公开了一种基于特征差异代谢物的绿豆产地溯源方法，该方法基于超高效液相色谱-飞行时间质谱联用的非靶向代谢组学技术检测不同产地绿豆样品的代谢物数据，利用化学计量学方法筛选特征差异代谢物，并通过机器学习构建产地溯源分类模型，实现绿豆产地的精准溯源。该方案以产地类别为分类目标，筛选的差异代谢物用于区分地理来源，并未涉及水分供应条件对绿豆品质的影响，也未提供用于评价绿豆旱地栽培品质育种价值的代谢物组合及其应用方法。即现有技术中基于代谢物的作物分类研究多针对产地溯源，缺乏以旱地栽培绿豆品质育种价值为判定目标、可直接用于育种实践早期筛选的代谢物组合。

技术实现思路

1、本发明的目的是提供一种用于筛选绿豆旱地栽培适应性的生物标志物组合及方法，以至少解决上述问题。

2、本发明提供了一种用于筛选绿豆旱地栽培适应性的生物标志物组合，其由以下十种代谢物组成：l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸；通过十种代谢物在旱地栽培绿豆与灌溉栽培绿豆中的相对含量差异协同表征绿豆的旱地栽培适应性。

3、本发明还提供了一种用于绿豆旱地栽培适应性早期筛选的方法，包括以下步骤：获取待测绿豆样品中十种代谢物的含量数据，十种代谢物为l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸；以灌溉栽培绿豆群体中对应代谢物的含量均值为基准，对十种代谢物的含量数据执行标准化处理，得到各代谢物的标准化相对含量；依据各代谢物在随机森林分类模型中的变量重要性计算归一化权重，以归一化权重对标准化相对含量执行加权求和，构建待测绿豆样品的综合评分；当综合评分不低于预设阈值时，判定待测绿豆样品具备旱地栽培绿豆品质育种价值，具有旱地栽培适应性；预设阈值依据已知旱地栽培绿豆样本的综合评分分布的10%分位数确定，10%分位数以下判定为灌溉栽培适应性样本，10%分位数以上判定为旱地栽培适应性样本。

4、优选的是，随机森林分类模型的构建方法包括以下步骤：采集多个已知栽培环境的绿豆样本，测定各样本中l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸十种代谢物的含量，以十种代谢物的含量构成特征向量；以样本的栽培环境类别作为标签构建训练数据集；以训练数据集训练随机森林分类模型；评估随机森林分类模型的分类性能，以分类性能满足预设要求的随机森林分类模型作为旱地栽培绿豆品质育种的随机森林预测模型，对未知绿豆样本执行旱地栽培绿豆品质育种筛选。

5、优选的是，标准化处理是以灌溉栽培绿豆群体中对应代谢物的含量均值为基准，计算待测绿豆样品中各代谢物的含量与对应均值之间的比值，再以比值的以10为底的对数变换结果作为标准化相对含量。

6、优选的是，训练随机森林分类模型之前，采用网格搜索对随机森林分类模型的决策树数量、最大深度和分裂所需最小样本数执行超参数寻优，以交叉验证的平均准确率作为超参数择优依据，采用择优后的超参数训练随机森林分类模型。

7、优选的是，对训练数据集执行分层交叉验证，按栽培环境类别对训练数据集中的样本执行分层划分，使每一折交叉验证的训练折和验证折中灌溉栽培样本与旱地栽培样本的类别比例与训练数据集的整体类别比例保持一致；对每一折执行随机森林分类模型的训练并在对应验证折上评估分类性能，以各折评估结果的平均值作为随机森林分类模型的交叉验证性能；依据交叉验证性能与测试集评估结果双重校验随机森林分类模型的分类性能，当两者均满足分类准确率不低于90%、灵敏度不低于85%、特异度不低于85%时，确认随机森林分类模型通过性能校验。

8、优选的是，构建训练数据集之后，统计训练数据集中灌溉栽培样本数量与旱地栽培样本数量，计算两类样本的数量比值；当数量比值大于2:1或小于1:1时，对训练数据集执行类别平衡处理；类别平衡处理采用合成少数类过采样技术，对数量较少类别的样本执行合成样本生成，使两类样本的数量比值落入1:1至2:1的预设比值区间；以类别平衡后的训练数据集训练随机森林分类模型。

9、优选的是，十种代谢物的含量数据通过超高效液相色谱-串联质谱系统检测获得。

10、本发明的有益效果在于：十种代谢物组成的生物标志物组合能够通过相对含量差异协同表征绿豆的旱地栽培适应性，多代谢物协同判定的可靠性优于单一代谢物判定；标准化处理以灌溉栽培绿豆群体含量均值为基准消除系统误差，使不同批次和不同仪器条件下的检测数据具有可比性；归一化权重依据随机森林分类模型的变量重要性确定，使对旱地栽培适应性判别贡献大的代谢物在综合评分中占据更高权重；综合评分以单一量化指标集成十种代谢物的协同信息，判定过程客观可重复；预设阈值依据已知旱地栽培绿豆样本综合评分分布的10%分位数确定，判定边界明确；随机森林分类模型通过训练集和测试集独立评估及分层交叉验证双重校验，分类性能稳健；类别平衡处理消除样本数量不均衡导致的模型偏向；超高效液相色谱-串联质谱检测实现十种代谢物的准确同步测定，为筛选方法提供可靠的数据基础。

11、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

1.一种用于筛选绿豆旱地栽培适应性的生物标志物组合，其特征在于，其由以下十种代谢物组成：l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸；通过十种代谢物在旱地栽培绿豆与灌溉栽培绿豆中的相对含量差异协同表征绿豆的旱地栽培适应性。

2.一种用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，包括以下步骤：获取待测绿豆样品中十种代谢物的含量数据，十种代谢物为l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸；以灌溉栽培绿豆群体中对应代谢物的含量均值为基准，对十种代谢物的含量数据执行标准化处理，得到各代谢物的标准化相对含量；依据各代谢物在随机森林分类模型中的变量重要性计算归一化权重，以归一化权重对标准化相对含量执行加权求和，构建待测绿豆样品的综合评分；当综合评分不低于预设阈值时，判定待测绿豆样品具备旱地栽培绿豆品质育种价值，具有旱地栽培适应性；其中，预设阈值依据已知旱地栽培绿豆样本的综合评分分布的10%分位数确定，10%分位数以下判定为灌溉栽培适应性样本，10%分位数以上判定为旱地栽培适应性样本。

3.如权利要求2所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，随机森林分类模型的构建方法包括以下步骤：采集多个已知栽培环境的绿豆样本，测定各样本中l-酪氨酸、l-苯丙氨酸、芹菜素、l-谷氨酸、d-半乳糖、色胺、5-羟色氨酸、鸟苷、l-精氨酸和l-脯氨酸十种代谢物的含量，以十种代谢物的含量构成特征向量；以样本的栽培环境类别作为标签构建训练数据集；以训练数据集训练随机森林分类模型；评估随机森林分类模型的分类性能，以分类性能满足预设要求的随机森林分类模型作为旱地栽培绿豆品质育种的随机森林预测模型，对未知绿豆样本执行旱地栽培绿豆品质育种筛选。

4.如权利要求3所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，标准化处理是以灌溉栽培绿豆群体中对应代谢物的含量均值为基准，计算待测绿豆样品中各代谢物的含量与对应均值之间的比值，再以比值的以10为底的对数变换结果作为标准化相对含量。

5.如权利要求3所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，训练随机森林分类模型之前，采用网格搜索对随机森林分类模型的决策树数量、最大深度和分裂所需最小样本数执行超参数寻优，以交叉验证的平均准确率作为超参数择优依据，采用择优后的超参数训练随机森林分类模型。

6.如权利要求5所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，对训练数据集执行分层交叉验证，按栽培环境类别对训练数据集中的样本执行分层划分，使每一折交叉验证的训练折和验证折中灌溉栽培样本与旱地栽培样本的类别比例与训练数据集的整体类别比例保持一致；对每一折执行随机森林分类模型的训练并在对应验证折上评估分类性能，以各折评估结果的平均值作为随机森林分类模型的交叉验证性能；依据交叉验证性能与测试集评估结果双重校验随机森林分类模型的分类性能，当两者均满足分类准确率不低于90%、灵敏度不低于85%、特异度不低于85%时，确认随机森林分类模型通过性能校验。

7.如权利要求3所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，构建训练数据集之后，统计训练数据集中灌溉栽培样本数量与旱地栽培样本数量，计算两类样本的数量比值；当数量比值大于2:1或小于1:1时，对训练数据集执行类别平衡处理；类别平衡处理采用合成少数类过采样技术，对数量较少类别的样本执行合成样本生成，使两类样本的数量比值落入1:1至2:1的预设比值区间；以类别平衡后的训练数据集训练所述随机森林分类模型。

8.如权利要求2所述的用于绿豆旱地栽培适应性早期筛选的方法，其特征在于，十种代谢物的含量数据通过超高效液相色谱-串联质谱系统检测获得。