买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉扬州大学申请的专利一种丰产优质高效水稻品种综合筛选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120108515B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510213319.0，技术领域涉及：G16B40/20；该发明授权一种丰产优质高效水稻品种综合筛选方法是由朱盈;张洪程;魏海燕;刘国栋;胡群;李光彦;许方甫设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种丰产优质高效水稻品种综合筛选方法在说明书摘要公布了：本发明公开了一种丰产优质高效水稻品种综合筛选方法，涉及水稻品种筛选技术领域，包括确定生态点并收集环境数据，根据不同生态点选择不同的品种群并进行基因型分析；采集水稻品种的表型数据，建立基因型数据和表型数据之间的关联模型，筛选优质基因；根据筛选结果选择目标品种并定向编辑水稻品种的关键基因，评估基因编辑效果并在基因编辑后进行精准栽培进一步验证水稻品种表现，进行品种筛选。本发明不仅能有效整合生态数据、基因数据与表型数据进行全面评估，从全局视角优化水稻品种问题，还通过精准栽培管理提高了水稻品种的实际表现，为大面积水稻产质效协同提升奠定了品种布局基础。

本发明授权一种丰产优质高效水稻品种综合筛选方法在权利要求书中公布了：1.一种丰产优质高效水稻品种综合筛选方法，其特征在于：包括， 确定生态点并收集环境数据，根据不同生态点选择不同的品种群并进行基因型分析； 采集水稻品种的表型数据，建立基因型数据和表型数据之间的关联模型，筛选优质基因； 根据筛选结果选择目标品种并定向编辑水稻品种的关键基因，评估基因编辑效果并在基因编辑后进行精准栽培进一步验证水稻品种表现，进行品种筛选； 所述根据不同生态点选择不同的品种群并进行基因型分析包括： 所述根据不同生态点选择不同的品种群指通过分析生态点的环境数据，从水稻品种库中选择对应的水稻品种，将选定的品种按栽培类型分类，根据选取的水稻品种，构建水稻品种群； 所述进行基因型分析指使用基因芯片技术对水稻品种群进行基因型分析，根据基因芯片数据，筛选出关键性状相关的基因型数据； 所述关键性状指产量、抗病性、米质和抗旱性； 所述采集水稻品种的表型数据，建立基因型数据和表型数据之间的关联模型，筛选优质基因包括： 所述表型数据指生长性状、产量性状、品质性状、抗性性状和生理性状； 对采集的表型数据和基因型数据进行标准化处理，将高产和优质定义为目标表型； 将水稻的表型数据与基因型数据按样本编号进行合并，形成统一的数据矩阵，使用LMCCopula模型计算标准化后的每对特征u和v之间的依赖性度量： 式中，a和b是调节参数； 计算依赖性度量后对每对特征对进行协方差计算，并结合标准差，得到每对特征之间的相关性系数并构建相关性矩阵； 设定相关性阈值A，筛选出相关性大于阈值A的冗余特征，使用Kendall’sTau计算每对特征间的排序一致性，通过Tau进一步确认冗余特征，并去除确认的冗余特征； 将去除冗余特征后的数据集输入PCA算法中，计算每对特征之间的协方差并构建协方差矩阵，对协方差矩阵进行特征值分解，提取出特征值和特征向量； 按照特征值大小对特征向量进行排序，选择解释方差最大的主成分； 通过选择的主成分将数据投影到新的低维空间，得到降维后的数据集； 从PCA结果中提取每个主成分的特征载荷矩阵，对每个主成分中的特征权重求绝对值，并计算每个特征在所有主成分中的绝对权重和，得到特征的总贡献度，设定阈值S，通过载荷矩阵，选择特征的总贡献度超过S的特征作为特征集； 随机从特征集中选择若干个特征组合生成初始的树种，每个树种代表一个特征子集，创建数组存储所有树种，根据特征子集的信息增益和冗余度计算每棵树的适应度； 按照适应度从高到低排序，选择适应度最高的树种作为父代树种，选择父代树种中的特征进行交配，生成新的树种，在交配后，对新生成的树种进行小幅度变异，生成新的树种集合并进行交叉验证评估得到优化后的降维数据集； 将降维后的表型数据作为自变量输入PLS-DA模型，将降维后的基因型数据作为因变量输入PLS-DA模型，从PLS-DA模型中提取权重矩阵W，确定每个主成分对表型数据和基因型数据的影响程度，根据PLS-DA分析结果，选择权重矩阵中对目标表型影响最大的优质基因。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人扬州大学，其通讯地址为：225000 江苏省扬州市邗江区大学南路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。