-
公开(公告)号：CN116171758B
公开(公告)日：2025-01-07
申请号：CN202310172365.1
申请日：2023-02-27
Applicant: 华中农业大学
IPC: A01G7/06 , B65G35/00 , B65G43/08 , B65G13/06 , B65G17/06 , B65G47/90 , B66D1/12 , A01G9/02 , G06V20/10
Abstract: 本发明涉及基于双模式融合的水稻高通量表型组平台装置及使用方法。该平台装置实现了盆栽水稻顶视角度下冠层表型和侧视角度下植株表型的高通量兼容检测。轨道式表型组采集模块可用于获取水稻盆栽顶视图像及表型参数，流水线式表型组采集模块与所述轨道式表型组采集模块相邻，可用于获取单盆水稻盆栽植株的侧视图像及表型参数，起升转运模块用于完成植株在轨道式表型组采集模块和流水线式表型组采集模块之间的转运。本发明不仅可通过轨道式采集模式和流水线式采集模式对盆栽植株进行高通量表型参数获取，还实现了通过目标小区的定期检测和关键阈值判断来及时启动全自动采集模式，全面精确获取作物关键生长期表型参数，大幅提高了自动化效率。
-
公开(公告)号：CN118866092A
公开(公告)日：2024-10-29
申请号：CN202410899678.1
申请日：2024-07-05
Applicant: 华中农业大学
IPC: G16B20/40 , G16B40/20 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了融合门控与线性注意力机制G×E互作的基因组预测方法，融合门控与线性注意力机制G×E互作的基因组预测方法，通过构建GEFormer模型，提取特征、融合特征和捕获关系，实现了基于基因组与环境组数据精准预测复杂性状的表型值的功能，进而加快了作物智能设计育种，在真实作物育种中具有较大的应用潜力。本发明通过自交系数据预测杂交种的表型，显著提升了预测杂交种表型的准确率和具有不同遗传背景的群体间表型预测的准确率，且对在未测试环境模式下预测测试基因型的表型值和对在未测试环境模式下预测未测试基因型的表型值这两种模式的效果显著。
-
公开(公告)号：CN117711484A
公开(公告)日：2024-03-15
申请号：CN202311826967.0
申请日：2023-12-27
Applicant: 华中农业大学
IPC: G16B20/00 , G16B40/00 , G06N3/0464 , G06N3/08 , G06N3/047
Abstract: 本发明公开了一种基于深度学习的复杂性状高效基因组预测方法，包括：S1，获取测序得到的全基因组数据以及田间获取的表型数据，并对其数据预处理；S2，通过充分提取SNP位点间的局部和全局特征，构建单性状基因组预测模型；S3，通过计算表型性状之间的相关性确定辅助性状的数量，构建多性状联合基因组预测深度学习模型；S4，基于预处理后的全基因组数据和表型数据训练gMLP模型和MT‑gMLP模型，进而实现育种决策辅助；S5，通过Saliency map的可解释技术解析MT‑gMLP模型与gMLP模型预测准确率差异的原因，以及挖掘表型相关的潜在基因以及功能位点。本发明实现了基于SNP数据精准预测复杂性状的表型值，进而加快作物智能设计育种。
-
公开(公告)号：CN110570909B
公开(公告)日：2023-03-03
申请号：CN201910859461.7
申请日：2019-09-11
Applicant: 华中农业大学
Abstract: 本发明涉及生物信息技术领域，提供了一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，包括S1‑S4四个步骤。本发明的一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，首先利用扩张、收缩、对称性检测三个阶段，通过条件互信息计算得到节点的马尔可夫毯，构建初始蜜源网络结构，然后，基于初始蜜源通过随机加边、减边、逆转边3种操作生成新的蜜源，直到达到最大初始蜜源数目，利用人工蜂群算法的三种操作(采蜜蜂、观察蜂和侦察蜂)与贝叶斯网络的BIC与MIT打分方法，对贝叶斯网络结构进行演化，找到最优的网络结构，快速准确的获取到影响表型性状的上位性基因位点，辅助基因功能挖掘。
-
公开(公告)号：CN111833967B
公开(公告)日：2022-05-20
申请号：CN202010683358.4
申请日：2020-07-10
Applicant: 华中农业大学
IPC: G16B40/00
Abstract: 本发明提供一种基于k‑tree优化贝叶斯网络的上位性位点挖掘方法。均匀抽样蒲公英代码，得到每个节点的邻居节点集合，构建对应的特征树结构；利用与k‑clique中节点进行合并组成新节点的方法，构建得到包括大规模SNP位点和表型性状节点的Rényi k‑tree，得到相应的k‑tree；利用基于度选择的树分解算法将k‑tree对应的图分解为不同的k‑clique；利用优化马尔科夫毯的Fast‑IAMB算法获取不同节点的马尔可夫毯，学习得到不同k‑clique对应的子贝叶斯网络结构；合并子网络得到整体网络结构。重复以上步骤，得到包括SNP位点和表型性状节点的网络结构，进而得到影响表型性状的上位性位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，为不同物种复杂数量性状的遗传基础解析提供借鉴。
-
Patent Agency Ranking
公开(公告)号：CN109448794B
公开(公告)日：2021-04-30
申请号：CN201811287261.0
申请日：2018-10-31
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于遗传禁忌和贝叶斯网络的上位性位点挖掘方法，包括：1、将基因型数据转换为二进制表示的布尔型数据；2、利用逻辑与操作快速地计算任意SNP位点对与表型间条件互信息，取出top‑N节点对，构建包含SNP位点的初始网络图；3、基于初始网络个体，通过随机增加边、删除边、逆转边生成新的个体，直到网络个体数量达到种群大小规模；4、通过遗传算法的三种操作与贝叶斯网络的打分机制，对贝叶斯网络结构进行演化，找到网络结构的最优解，快速准确的获取到影响表型性状的上位性基因位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，进而辅助基因功能挖掘，以及为不同物种的复杂数量性状的遗传基础解析提供借鉴。
-
公开(公告)号：CN111833967A
公开(公告)日：2020-10-27
申请号：CN202010683358.4
申请日：2020-07-10
Applicant: 华中农业大学
IPC: G16B40/00
Abstract: 本发明提供一种基于k-tree优化贝叶斯网络的上位性位点挖掘方法。均匀抽样蒲公英代码，得到每个节点的邻居节点集合，构建对应的特征树结构；利用与k-clique中节点进行合并组成新节点的方法，构建得到包括大规模SNP位点和表型性状节点的Rényi k-tree，得到相应的k-tree；利用基于度选择的树分解算法将k-tree对应的图分解为不同的k-clique；利用优化马尔科夫毯的Fast-IAMB算法获取不同节点的马尔可夫毯，学习得到不同k-clique对应的子贝叶斯网络结构；合并子网络得到整体网络结构。重复以上步骤，得到包括SNP位点和表型性状节点的网络结构，进而得到影响表型性状的上位性位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，为不同物种复杂数量性状的遗传基础解析提供借鉴。
-
公开(公告)号：CN111833964A
公开(公告)日：2020-10-27
申请号：CN202010592324.4
申请日：2020-06-24
Applicant: 华中农业大学
Abstract: 本发明涉及一种整数线性规划优化贝叶斯网络的上位性位点挖掘方法，包括S1-S4四个步骤。首先使用条件互信息计算，并经过扩张、收缩和检查一致性三个阶段，得到每个节点的马尔科夫毯，将每个节点的马尔科夫毯作为其候选父节点集，构建每个节点的所有子结构。然后利用可分解的贝叶斯网络打分函数α-BIC，求得每个子结构的分数。利用可分解贝叶斯网络打分函数的性质，删除一些子结构，得到每个节点筛选后的候选父集及其贝叶斯网络打分。最后根据这些候选父集和分数将构建贝叶斯网络转换成整数线性规划问题，并使用分支定界和割平面两种方法，快速求解得到最高分数的全局最优的包括SNP位点和表型性状的贝叶斯网络，进而实现更有效、更准确的上位性检测。
-
公开(公告)号：CN119560010A
公开(公告)日：2025-03-04
申请号：CN202411592162.9
申请日：2024-11-08
Applicant: 华中农业大学
Abstract: 本发明提供了一种玉米基因型与环境跨模态特征融合的基因组预测方法和模型，采用深度学习方法对包括基因组与环境组的不同组学数据间复杂的非线性变换关系进行建模，通过构建GECF_GP模型融合玉米跨基因型与环境互作的特征，较好的挖掘了时序性特征以及与表型相关的重要生育期，实现了预测玉米复杂农艺性状的表型的功能。本发明在不同实验设置中展现了较强的鲁棒性，在G×E互作的基因组预测方面具有优越性，探索了表型相关的重要生育期以及预测跨不同年份表型的性能，对于基因组预测分析方法提供了新思路，进而为玉米在不同环境的适应性分析和关键生育期的探索提供了理论和应用价值参考，加快了智慧育种领域的发展。
-
公开(公告)号：CN116171758A
公开(公告)日：2023-05-30
申请号：CN202310172365.1
申请日：2023-02-27
Applicant: 华中农业大学
IPC: A01G7/06 , B65G35/00 , B65G43/08 , B65G13/06 , B65G17/06 , B65G47/90 , B66D1/12 , A01G9/02 , G06V20/10
Abstract: 本发明涉及基于双模式融合的水稻高通量表型组平台装置及使用方法。该平台装置实现了盆栽水稻顶视角度下冠层表型和侧视角度下植株表型的高通量兼容检测。轨道式表型组采集模块可用于获取水稻盆栽顶视图像及表型参数，流水线式表型组采集模块与所述轨道式表型组采集模块相邻，可用于获取单盆水稻盆栽植株的侧视图像及表型参数，起升转运模块用于完成植株在轨道式表型组采集模块和流水线式表型组采集模块之间的转运。本发明不仅可通过轨道式采集模式和流水线式采集模式对盆栽植株进行高通量表型参数获取，还实现了通过目标小区的定期检测和关键阈值判断来及时启动全自动采集模式，全面精确获取作物关键生长期表型参数，大幅提高了自动化效率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
