一种鉴别槐猪的方法及其试剂和相关应用与流程

1.本发明涉及生物检测技术领域，具体而言，涉及一种鉴别槐猪的方法及其试剂和相关应用。


背景技术：

2.槐猪肉质具有氨基酸含量高、含钙高、胶质含量丰富、肌纤维细、胆固醇含量低、营养丰富、口感细嫩、香甜鲜美等优点。然而槐猪生长速度慢，对于市场上将杜洛克、长白、大白等猪肉冒充槐猪的猪肉进行贩卖无法准确识别。
3.鉴于此，特提出本发明。


技术实现要素：

4.本发明的目的在于提供一种鉴别槐猪的方法及其试剂和相关应用。
5.本发明是这样实现的：
6.第一方面，本发明实施例提供了检测snp分子标记组合的试剂在制备鉴别槐猪的产品中的应用，所述snp分子标记组合包括表1所示的73个位点。
7.表1snp分子标记组合
8.9.[0010][0011]
上述表格以猪基因组序列信息版本号sscrofa10.2为基准。
[0012]
第二方面，本发明实施例提供了一种鉴别槐猪的试剂或试剂盒，其包括前述实施例所述的检测snp分子标记组合的试剂。
[0013]
第三方面，本发明实施例提供了一种snp分子标记组合，所述snp分子标记组合如前述实施例所示。
[0014]
第四方面，本发明实施例提供了一种用于鉴别槐猪的模型的训练方法，其包括：获取训练样本中snp分子标记组合的碱基信息以及对应的标注结果；所述snp分子标记组合如前述实施例所述，所述标注结果为代表训练样本品种的标签；将所述训练样本的snp分子标记组合的碱基信息输入预先构建的预测模型中，获得预测结果；所述预先构建的预测模型为能够根据snp分子标记组合的碱基信息预测样本品种的机器学习模型；基于所述标志结果和所述预测结果对预先构建的预测模型进行参数更新。
[0015]
第五方面，本发明实施例提供了一种槐猪的鉴别方法，其包括：将待测样本的snp分子标记组合的碱基信息输入如前述实施例所述的训练方法训练好的模型中，获得预测结果；其中，所述snp分子标记组合如前述实施例所述。
[0016]
第六方面，本发明实施例提供了一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述实施例所述的训练方法或前述实施例所述的槐猪的鉴别方法。
[0017]
第七方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施例所述的训练方法或前述实施例所述的槐猪的鉴别方法。
[0018]
第八方面，本发明实施例提供了一种鉴别槐猪的方法，其包括：根据待测样本基因组中的snp分子标记组合上的碱基鉴别待测样本是否为槐猪；所述snp分子标记组合如前述实施例所示；
[0019]
若待测样本的snp分子标记组合的碱基如表1所示，则判定待测样本为槐猪；否则，判定待测样本不为槐猪。
[0020]
本发明具有以下有益效果：
[0021]
本发明提出并验证通过对73个snp位点的检测，能够实现槐猪的有效鉴别，为槐猪肉的鉴别提供一种快速、高效的途径。
附图说明
[0022]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]
图1为槐猪与杜洛克训练集的roc曲线图。
具体实施方式
[0024]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0025]
首先，本发明实施例提供了检测snp分子标记组合的试剂在制备鉴别槐猪的产品中的应用，所述snp分子标记组合包括以下73个位点。
[0026]
在一些实施例中，所述试剂包括用于检测snp分子标记组合的引物对、探针和芯片中的任意一种。可以理解的是，在检测靶标公开的情况下，用于检测靶标区域的引物对、探针和芯片可以基于本领域常规技术知识设计获得，本技术的发明点在于提出并验证了一组能够用于鉴别槐猪的snp分子标记组合，而非检测方法本身。
[0027]
在一些实施例中，所述产品包括试剂、试剂盒和预测模型中的任意一种。
[0028]
另一方面，本发明实施例还提供了一种鉴别槐猪的试剂或试剂盒，其包括前述实施例所述的检测snp分子标记组合的试剂。
[0029]
另一方面，本发明实施例还提供了snp分子标记组合在制备鉴别槐猪的产品中的应用，所述snp分子标记组合如前述实施例所示。
[0030]
另一方面，本发明实施例还提供了一种snp分子标记组合，所述snp分子标记组合如前述实施例所示。
[0031]
另一方面，本发明实施例还提供了一种用于鉴别槐猪的模型的训练方法，其包括：
[0032]
获取训练样本中snp分子标记组合的碱基信息以及对应的标注结果；所述snp分子标记组合如前述实施例所述，所述标注结果为代表训练样本品种的标签；
[0033]
将所述训练样本的snp分子标记组合的碱基信息输入预先构建的预测模型中，获得预测结果；所述预先构建的预测模型为能够根据snp分子标记组合的碱基信息预测样本
品种的机器学习模型；
[0034]
基于所述标志结果和所述预测结果对预先构建的预测模型进行参数更新。
[0035]
在一些实施例中，所述标签可以为字符或字符串。
[0036]
在一些实施例中，所述机器学习模型包括随机森林模型。
[0037]
可以理解的是，在构建模型的特征或指标公开的情况下，预测模型的设置参数(包括通用的和可调整的)均可根据本领域的常规技术知识的基础上进行常规调整和选择。
[0038]
优选地，当预测模型为随机森林模型时，模型进行训练的参数设置包括以下：决策树的数量ntree为200；生成单颗决策树时的特征数max_features为6；
[0039]
另一方面，本发明实施例还提供了一种槐猪的鉴别方法，其包括：将待测样本的snp分子标记组合的碱基信息输入如前述任意实施例所述的训练方法训练好的模型中，获得预测结果；其中，所述snp分子标记组合如前述实施例所述。
[0040]
另一方面，本发明实施例还提供了一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述任意实施例所述的训练方法或前述实施例所述的槐猪的鉴别方法。
[0041]
该电子设备可以包括存储器、处理器、总线和通信接口，该存储器、处理器和通信接口相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条总线或信号线实现电性连接。处理器可以处理与目标识别有关的信息和/或数据，以执行本技术中描述的一个或多个功能。
[0042]
存储器可以是但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasableprogrammable read-only memory，eprom)，电可擦除只读存储器(electricerasable programmable read-only memory，eeprom)等。
[0043]
处理器可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signalprocessing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0044]
在实际应用中，该电子设备可以是服务器、云平台、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、手持计算机、上网本、个人数字助理(personal digital assistant，pda)、可穿戴电子设备、虚拟现实设备等设备，因此本技术实施例对电子设备的种类不做限制。
[0045]
另一方面，本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意实施例所述的训练方法或前述实施例所述的槐猪的鉴别方法。
[0046]
本文中的“计算机可读介质”包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
[0047]
此外，本发明实施例还提供了一种鉴别槐猪的方法，其包括：根据待测样本基因组中的snp分子标记组合上的碱基鉴别待测样本是否为槐猪；所述snp分子标记组合如前述实
施例所示；若待测样本的snp分子标记组合的碱基如表1所示，则判定待测样本为槐猪；否则，判定待测样本不为槐猪。
[0048]
在一些实施例中，所述鉴别槐猪是指从槐猪与其他品种中鉴别出槐猪，所述其他品种包括杜洛克、长白猪和大白猪中的至少一种。
[0049]
以下结合实施例对本发明的特征和性能作进一步的详细描述。
[0050]
实施例1
[0051]
一种槐猪的鉴别方法，其包括以下步骤。
[0052]
(1)获取待检测样品组织使用磁珠法组织基因组提取试剂盒进行dna提取；
[0053]
(2)根据dna液相芯片检测，获取表1所示的snp分子标记组合的基因型信息；
[0054]
(3)将59头杜洛克、60头长白、56头大白、130头槐猪共计305头猪个体，根据7:3的比例拆分为训练集与验证集，使用随机森林在训练集中进行训练，模型参数设置如下：决策树的数量ntree为200；生成单颗决策树时的特征数max_features为6。其在训练集中的roc曲线如图1所示，混淆矩阵如下表所示。
[0055] 杜洛克长白大白槐猪杜洛克40000长白03700大白00360槐猪00084
[0056]
(4)将待检测样本作为验证集进行计算，获取待测样本分类，其分类可能性如表2所示，通过随机森林分类器可将未知样品进行准确分类。roc曲线同图1，auc为1，准确性为100％。
[0057]
表2验证群个体品种鉴定可能性表
[0058]
[0059]
[0060][0061]
备注：dur为杜洛克；ldr为长白，lwt为大白，shhz为槐猪。
[0062]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。