本发明涉及玉米育种技术领域，尤其涉及一种新配杂交组合表型的预测方法。
背景技术：
利用杂种优势进行玉米杂交组合设计需要先选择亲本进行杂交，然后再经过杂交种鉴定，筛选出强优势组合，此过程需耗费大量的人力、物力和时间成本，才能得到可靠的结果，因此有必要在杂交种鉴定之前预测杂交种表型，也迫切需要一种高效的预测杂交种表型的方法。
而且，每年进行杂交组合设计时，都要选配出数量巨大的杂交组合，但是由于玉米遗传的不确定性，优秀杂交种的比率即育种的成功率往往很低，如何提高杂交组合的成功率成为杂交组合设计成功与否的关键。
鉴于此，如何对新配杂交组合表型进行预测，提高表型预测的准确性，以最终提高杂交组合育种的成功率成为目前需要解决的技术问题。
技术实现要素：
为解决上述的技术问题，本发明提供一种新配杂交组合表型的预测方法，能够提高表型预测各个环节的成功率，充分利用历史数据，从自交系表型、基因型和相似杂交种表型、基因型入手，寻找他们与新配杂交种表型的关系，从而提高表型预测的准确性，最终提高杂交组合育种成功率。
第一方面，本发明提供一种新配杂交组合表型的预测方法，包括：
对所有自交系进行类群划分；
计算类群划分后各群间的特殊配合力，并根据所述特殊配合力或杂交种历史测试表现确定目标区域的杂优模式，确定参与组配的自交系；
根据所述参与组配的自交系的指纹信息，通过预设指纹合成算法，合成新配杂交种的指纹信息；
通过计算所述新配杂交种与训练样本中各已配杂交种的指纹信息差异度，在训练样本中寻找所述新配杂交种的相似杂交种；
根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，对所述新配杂交种的表型进行预测，获得新配杂交种的表型预测结果。
可选地，在所述获得新配杂交种的表型预测结果之后，所述方法还包括：
评价所述表型预测结果的可信度；
根据所述表型预测结果、所述表型预测结果的可信度和训练样本表型认知度，对所述新配杂交种的杂交组合进行评价筛选，确定最终组配方案。
可选地，所述评价所述表型预测结果的可信度，包括：
以训练样本中相似杂交种的权重均值，作为所述表型预测结果的可信度；
或者，
将所述表型预测结果作为已知值，将训练样本分为两部分，一部分作为验证样本，将所述验证样本作为新的训练样本，按照权利要求1所述方法，将获得的新配杂交种的第二表型预测结果，计算所述第二表型预测结果与所述已知值的相关系数，将所述相关系数作为所述表型预测结果的可信度。
可选地，所述对所有自交系进行类群划分，包括：
计算不同自交系的dna指纹的差异度；
根据所述不同自交系的dna指纹的差异度，使用基于群代表最小差异度的聚类式类群划分算法，对所有自交系进行类群划分。
可选地，所述根据所述不同自交系的dna指纹的差异度，使用基于群代表最小差异度的聚类式类群划分算法，对所有自交系进行类群划分，包括：
根据自交系的有效位点数和杂合度，基于预设最少有效位点数和预设最大杂合度，确定候选群代表；
根据自交系的dna指纹的差异度，基于预设分群阈值，确定候选群代表是单独成群，还是非单独成群；
对于每一非候选群代表，将该非候选群代表与候选群代表中差异度最小的两个自交系归为一个群；
将候选群代表中差异度最小的两个非单独成群的自交系归为一个群。
可选地，所述计算类群划分后各群间的特殊配合力，包括：
获取所有杂交组合的表型平均值；
根据所述所有杂交组合的表型平均值，通过第一公式，计算得到类群划分后各群的一般配合力；
根据所述所有杂交组合的表型平均值和类群划分后各群的一般配合力，通过第二公式，计算得到类群划分后各群间的特殊配合力；
其中，所述第一公式为：
ggcaa为群a的一般配合力，
所述第二公式为：
gscaab为群a和群b间的特殊配合力，ggcaa为群a的一般配合力，ggcab为群b的一般配合力，xab为包含有群a亲本和群b亲本所配的所有杂交组合的表型平均值。
可选地，所述预设指纹合成算法，包括：
当在某一位点上参与组配的两个自交系都是纯合子且在该位点上的指纹值相同，则指纹合成的新配杂交种在该位点上的指纹值等于参与组配的两个自交系在该位点上的指纹值，所述新配杂交种在该位点上是纯合位点；
当在某一位点上参与组配的两个自交系都是纯合子且在该位点上的指纹值不同，参与组配的两个自交系在该位点上的指纹值分别为i1和i2，如果i1>i2，则指纹合成的新配杂交种在该位点的第一条染色体上的指纹值为i2的值，在该位点的第二条染色体上的指纹值为i1的值；如果i1<i2，则指纹合成的新配杂交种在该位点的第一条染色体上的指纹值为i1的值，在该位点的第二条染色体上的指纹值为i2的值；
当在某一位点上参与组配的两个自交系至少有一个是杂合子，则指纹合成时该位点不计算在内，属于无效位点；
当在某一位点上参与组配的两个自交系均无数据，则指纹合成时该位点是无效位点。
可选地，所述计算所述新配杂交种与训练样本中各已配杂交种的指纹信息差异度，包括：
采用基于模糊比对原则的改进的smc算法，计算所述新配杂交种与训练样本中各已配杂交种的指纹信息差异度，包括：
通过第三公式，计算得到新配杂交种与训练样本中各已配杂交种各位点的位点相似度；
根据所述位点相似度，通过第四公式，计算得到新配杂交种与训练样本中各已配杂交种的指纹信息差异度；
其中，所述第三公式为：
si＝nrai/ncai，
si为新配杂交种与训练样本中已配杂交种第i个位点的位点相似度，nrai为新配杂交种与训练样本中已配杂交种第i个位点重复等位基因的个数，ncai为新配杂交种与训练样本中已配杂交种第i个位点参与比对的所有数据的个数；
所述第四公式为：
gd＝1-∑si/q，
gd为新配杂交种与训练样本中已配杂交种的指纹信息差异度，q为新配杂交种与训练样本中已配杂交种有效比对的位点的个数。
可选地，所述根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，对所述新配杂交种的表型进行预测，包括：
根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过空间插值，对所述新配杂交种的表型进行预测。
可选地，所述空间插值包括：简单克里金插值；
在所述空间插值为简单克里金插值时，所述根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过空间插值，对所述新配杂交种的表型进行预测，具体为：
根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过简单克里金插值，对所述新配杂交种的表型进行预测，具体包括：
根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度的大小，对所述各相似杂交种赋予不同的权重，其中，指纹信息差异度值越小所赋权重越大，指纹信息差异度越大所赋的权重越小；
对所述各相似杂交种加权求平均，获得对所述新配杂交种的表型预测结果。
由上述技术方案可知，本发明的新配杂交组合表型的预测方法，通过对所有自交系进行类群划分，计算类群划分后各群间的特殊配合力，并根据特殊配合力或杂交种历史测试表现确定目标区域的杂优模式，确定参与组配的自交系，根据参与组配的自交系的指纹信息，通过预设指纹合成算法，合成新配杂交种的指纹信息，通过计算新配杂交种与训练样本中各已配杂交种的指纹信息差异度，在训练样本中寻找新配杂交种的相似杂交种，根据新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，对新配杂交种的表型进行预测，获得新配杂交种的表型预测结果，由此，能够提高表型预测各个环节的成功率，充分利用历史数据，从自交系表型、基因型和相似杂交种表型、基因型入手，寻找他们与新配杂交种表型的关系，从而提高表型预测的准确性，最终提高杂交组合育种成功率。
附图说明
图1为本发明一实施例提供的一种新配杂交组合表型的预测方法的流程示意图；
图2为本发明实施例使用基于群代表最小差异度的聚类式类群划分算法，对所有自交系进行类群划分的示意图；
图3为本发明另一实施例提供的一种新配杂交组合表型的预测方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。
图1示出了本发明一实施例提供的新配杂交组合表型的预测方法的流程示意图，如图1所示，本实施例的新配杂交组合表型的预测方法如下所述。
101、对所有自交系进行类群划分。
可以理解的是，对所有自交系进行类群划分，可统计分析各群之间的规律，在杂交组合设计时以群为单位进行组配。
在具体应用中，所述步骤101，可以包括图中未示出的步骤1011和1012：
1011、计算不同自交系的dna指纹的差异度。
在具体应用中，可以利用改进的简单匹配系数(simplematchingcoefficient，简称smc)算法来计算不同自交系的dna指纹的差异度，本实施例并不对其进行限制，也可以利用其他方法计算不同自交系的dna指纹的差异度。
1012、根据所述不同自交系的dna指纹的差异度，使用基于群代表最小差异度的聚类式类群划分算法，对所有自交系进行类群划分。
可以理解的是，本实施例使用的基于群代表最小差异度的聚类式类群划分算法，可简称聚类式类群划分算法，该方法的具体含义是：从所有自交系中挑选出群代表，根据各个自交系与群代表的差异度值来判定群归属，将自交系归属到差异度值最小的那个群中。
具体地，所述步骤1012可以具体包括图中未示出的步骤1012a-1012d：
1012a根据自交系的有效位点数和杂合度，基于预设最少有效位点数和预设最大杂合度，确定候选群代表。
可以理解的是，所述预设最少有效位点数为预先设置的成为群代表的最少有效位点数，所述预设最大杂合度为预先设置的成为群代表的最大杂合度。若某自交系的有效位点数大于等于所述预设最少有效位点数、且杂合度小于等于所述预设最大杂合度，则可确定该自交系为候选群代表。
1012b根据自交系的dna指纹的差异度，基于预设分群阈值，确定候选群代表是单独成群，还是非单独成群。
可以理解的是，所述预设分群阈值为预先设置的成为群代表的分群阈值。对于任一候选群代表，若该候选群代表与其他自交系的dna指纹的差异度均大于所述预设分群阈值，则该候选群代表是单独成群，否则该候选群代表是非单独成群。
1012c对于每一非候选群代表，将该非候选群代表与候选群代表中差异度最小的两个自交系归为一个群。
1012d将候选群代表中差异度最小的两个非单独成群的自交系归为一个群。
例如，假设预设的成为群代表的最少有效位点数为35，最大杂合度为0，预设的成为群代表的分群阈值为0.3，对图2a中的自交系i45、i106、i111、i113和i159进行类群划分。图2示出了自交系i45、i106、i111、i113和i159的有效位点数和杂合度、及各两自交系之间的dna指纹的差异度(即遗传距离)。图2b是利用上述步骤1012a和1012b，可确定了非单独成群的候选群代表i111，i113，i159，以及单独成群的候选群代表i45。图2c是利用上述步骤1012c和1012d，对于非候选群代表i106，i106与i111的遗传距离最小，所以i106归到i111群中，i111为群代表；对于非单独成群的候选群代表，i113归到i159群中，i159为群代表。图2d为分群的结果，这五个自交系以0.3为预设分群阈值时被分成3个群，i45独立成群，i106与i111为一个群，i113与i159为一个群。
102、计算类群划分后各群间的特殊配合力，并根据所述特殊配合力或杂交种历史测试表现确定目标区域的杂优模式，确定参与组配的自交系。
可以理解的是，步骤102是在分群的基础上提出群配合力的概念，群配合力包括：群的一般配合力和特殊配合力。群的一般配合力是指将自交系随机组配，包含有某群成员的所有杂交组合在某个性状上的平均表现，群的特殊配合力是指某特定群组配模式在某个数量性状上除去两亲本群的群一般配合力之后的表现。群的特殊配合力可以用来对比杂交组配模式的优劣，在杂交组合设计中可以用来筛选杂优模式。
在具体应用中，所述步骤102计算类群划分后各群间的特殊配合力的过程，可以包括：
获取所有杂交组合的表型平均值；
根据所述所有杂交组合的表型平均值，通过第一公式，计算得到类群划分后各群的一般配合力；
根据所述所有杂交组合的表型平均值和类群划分后各群的一般配合力，通过第二公式，计算得到类群划分后各群间的特殊配合力；
其中，所述第一公式为：
ggcaa为群a的一般配合力，
所述第二公式为：
gscaab为群a和群b间的特殊配合力，ggcaa为群a的一般配合力，ggcab为群b的一般配合力，xab为包含有群a亲本和群b亲本所配的所有杂交组合的表型平均值。
103、根据所述参与组配的自交系的指纹信息，通过指纹合成算法，合成新配杂交种的指纹信息。
可以理解的是，玉米是典型的雌雄同株二倍体植株，一对染色体中一条来自于母本，一条来自于父本，有参与组配的自交系的指纹信息便可以合成新配杂交种的指纹信息，进而后续可以计算新配杂交种与已配杂交种之间的指纹信息的差异度，以便寻找新配杂交种的相似杂交种。
可以理解的是，自交系是经过多年培育出的性状稳定的品种，大多数位点都是纯合的，只有少数位点是杂合的，新配杂交种的指纹信息合成的难点在于对这些杂合位点的合成。
在本实施例中对杂合位点采取的方法是：只对参与组配的自交系中纯合位点进行指纹信息合成，对杂合位点不参与合成。当参与组配的两个自交系位点指纹值都是纯合子时，该位点记为有效位点。表1为本实施例一举例的合成指纹计算表，参考表1，所述预设指纹合成算法，可以包括：
根据所述参与组配的自交系的指纹信息，通过指纹合成算法，合成新配杂交种的指纹信息，包括：
当在某一位点上参与组配的两个自交系都是纯合子且在该位点上的指纹值相同，则指纹合成的新配杂交种在该位点上的指纹值等于参与组配的两个自交系在该位点上的指纹值，所述新配杂交种在该位点上是纯合位点；
当在某一位点上参与组配的两个自交系都是纯合子且在该位点上的指纹值不同，参与组配的两个自交系在该位点上的指纹值分别为i1和i2，如果i1>i2，则指纹合成的新配杂交种在该位点的第一条染色体上的指纹值为i2的值，在该位点的第二条染色体上的指纹值为i1的值；如果i1<i2，则指纹合成的新配杂交种在该位点的第一条染色体上的指纹值为i1的值，在该位点的第二条染色体上的指纹值为i2的值；
当在某一位点上参与组配的两个自交系至少有一个是杂合子(即不管哪一个自交系是杂合子还是两个自交系均是杂合子)，则指纹合成时该位点不计算在内，属于无效位点；
当在某一位点上参与组配的两个自交系均无数据，则指纹合成时该位点是无效位点。
表1
表1中，locus表示位点，即locus1-locus5分别表示位点1至位点5；p01-1表示位点locus1的第一条染色体，p01-2表示位点locus1的第二条染色体；p02-1表示位点locus2的第一条染色体，p02-2表示位点locus2的第二条染色体；p03-1表示位点locus3的第一条染色体，p03-2表示位点locus3的第二条染色体；p04-1表示位点locus4的第一条染色体，p04-2表示位点locus4的第二条染色体；p05-1表示位点locus5的第一条染色体，p05-2表示位点locus5的第二条染色体；i1表示参与组配的第一个自交系的指纹值，i2表示参与组配的第二个自交系的指纹值，h1表示指纹合成的新配杂交种的指纹值。
可以理解的是，新配杂交种的指纹信息合成之后，在参与后续诸如差异度计算时要通过有效位点和杂合位点数以及杂合率来判断是不是符合计算要求。合成的新配杂交种的指纹信息在推测杂交种表型时作用巨大，如果知道亲本的简单重复序列(simplesequencerepeat，简称ssr)信息，则可以合成新配杂交种的指纹信息，与已配杂交种计算差异度，就可以寻找相似杂交种。
104、通过计算所述新配杂交种与训练样本中各已配杂交种的指纹信息差异度，在训练样本中寻找所述新配杂交种的相似杂交种。
可以理解的是，杂交组配利用的是作物的杂种优势选育强优势杂交组合，其关键是选育出合适的亲本材料。而要想合理选配亲本材料，需要对种质资源的系谱关系、亲缘关系和遗传差异等进行测定，一般用差异度来进行测定。差异度按照对有效位点采用的比对原则不同可以分为两类：精确对比和模糊对比。
在具体应用中，所述步骤104可以采用基于模糊比对原则的改进的smc(简单匹配系数)算法，计算所述新配杂交种与训练样本中各已配杂交种的指纹信息差异度，具体可以包括图中未示出的步骤1041-1042：
1041、通过第三公式，计算得到新配杂交种与训练样本中各已配杂交种各位点的位点相似度。
其中，所述第三公式为：
si＝nrai/ncai(3)
si为新配杂交种与训练样本中已配杂交种第i个位点的位点相似度，nrai为新配杂交种与训练样本中已配杂交种第i个位点重复等位基因的个数，ncai为新配杂交种与训练样本中已配杂交种第i个位点参与比对的所有数据的个数。
举例来说，可以以下述表2来演示位点相似度的计算方法，表2为本实施例一举例的合成指纹计算表，位点相似度的计算分4种情况：
一、当在某位点上新配杂交种与某一已配杂交种均是纯合位点，如果该新配杂交种与该已配杂交种在该位点上的指纹数据相同，则该位点重复等位基因的个数nra为2，该位点的位点相似度值为1，如表2中的位点locus1；如果该新配杂交种与该已配杂交种在该位点上指纹数据不同，则nra为0，该位点的位点相似度值为0，如表2中的位点locus3。
二、当在某位点上新配杂交种与某一已配杂交种一个是纯合位点，另一个是杂合位点，如表2中的位点locus4，重复值是277，则nra为2，该位点的位点相似度值为2/3。
三、当在某位点上新配杂交种与某一已配杂交种均是杂合子，如果存在重复等位基因，如表2中的位点locus5，重复等位基因是326，则nra为2，该位点的位点相似度值为0.5；如果不存在重复等位基因，如表2中的位点locus6，则nra为0，该位点的位点相似度值为0。
四、当在某位点上新配杂交种与某一已配杂交种缺失数据，则该位点为无效位点，不参与位点相似度及指纹信息差异度的计算。
表2
表2中，locus表示位点，即locus1-locus6分别表示位点1至位点6；i1表示新配杂交种的指纹值，i2新配杂交种训练样本中某已配杂交种的指纹值；a1表示位点的第一条染色体，a2表示位点的第二条染色体。
1042、根据所述位点相似度，通过第四公式，计算得到新配杂交种与训练样本中各已配杂交种的指纹信息差异度。
其中，所述第四公式为：
gd＝1-∑si/q(4)
gd为新配杂交种与训练样本中已配杂交种的指纹信息差异度，q为新配杂交种与训练样本中已配杂交种有效比对的位点的个数。
105、根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，对所述新配杂交种的表型进行预测，获得新配杂交种的表型预测结果。
在具体应用中，所述步骤105可以根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过空间插值，对所述新配杂交种的表型进行预测。
可以理解的是，杂交种表型预测与地统计学中空间插值极为相似。空间插值是用已知点的值来估算其他点的值。在地学中，空间插值可以分为全局插值和局部插值，其中全局插值利用全部已知点的值来估算未知点的值，局部插值则用部分已知点的值来估算未知点的值，其主要区别是用于估算未知点的控制点数目不同。
新配杂交种的表型预测也是一种“插值”，已有的相似杂交种相当于已知点，新配杂交种相当于未知点，用这些已知点来推测未知点所得到的新配杂交种表型预测结果即为插值结果。
具体地，所述空间插值可以包括：简单克里金插值等插值；在空间插值中克里金插值占有非常重要的地位，它重点考虑空间相关的因素，用拟合的半变异直线进行插值。估算某测量点z值的通用方程为：
其中,z0为待估计值，zx为x点的已知值，wx为x点的权重，y为用于估算的样本点的数目。
简单克里金插值是通过对已知点赋予不同的权重来估算某测量点的值，预测杂交种表型与之更为相似，在本实施例的所述空间插值为简单克里金插值时，所述根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过空间插值，对所述新配杂交种的表型进行预测，具体为：根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，通过简单克里金插值，对所述新配杂交种的表型进行预测，可以具体包括：
根据所述新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度的大小，对所述各相似杂交种赋予不同的权重，其中，指纹信息差异度值越小所赋权重越大，指纹信息差异度越大所赋的权重越小；
对所述各相似杂交种加权求平均，获得对所述新配杂交种的表型预测结果，即可通过第五公式，计算获得对所述新配杂交种的表型预测结果；
其中，所述第五公式为：
式中，h为对所述新配杂交种的表型预测结果，dp为新配杂交种与其在训练样本中的第p个相似杂交种的指纹信息差异度，p＝1，...，u，u为新配杂交种在训练样本中的相似杂交种的个数，hp为新配杂交种在训练样本中的第p个相似杂交种赋予的权重(即预设指标值)。
本实施例的新配杂交组合表型的预测方法，通过对所有自交系进行类群划分，计算类群划分后各群间的特殊配合力，并根据特殊配合力或杂交种历史测试表现确定目标区域的杂优模式，确定参与组配的自交系，根据参与组配的自交系的指纹信息，通过预设指纹合成算法，合成新配杂交种的指纹信息，通过计算新配杂交种与训练样本中各已配杂交种的指纹信息差异度，在训练样本中寻找新配杂交种的相似杂交种，根据新配杂交种与其在训练样本中的各相似杂交种的指纹信息差异度，对新配杂交种的表型进行预测，获得新配杂交种的表型预测结果，由此，能够提高表型预测各个环节的成功率，充分利用历史数据，从自交系表型、基因型和相似杂交种表型、基因型入手，寻找他们与新配杂交种表型的关系，从而提高表型预测的准确性，最终提高杂交组合育种成功率。
在具体应用中，如图3所示，在上述步骤105之后，所述方法还可以包括步骤106和107：
106、评价所述表型预测结果的可信度。
在具体应用中，可信度是指预测的可靠程度，所述步骤106可以采取以下两种可信度评价方法，即所述步骤106可以包括：
以训练样本中相似杂交种的权重均值，作为所述表型预测结果的可信度，该种方法计算简便，易于理解，适用于训练样本容量比较小的数据；
或者，
将所述表型预测结果作为已知值，将训练样本分为两部分，一部分作为验证样本，将所述验证样本作为新的训练样本，按照上述步骤101-105所述方法，将获得的新配杂交种的第二表型预测结果，计算所述第二表型预测结果与所述已知值的相关系数，将所述相关系数作为所述表型预测结果的可信度，该种方法原理简单，但是计算过程复杂，适用于样本容量比较大的数据。
需说明的是，这两种评价所述表型预测结果的可信度的方法各有优缺点，要根据实际情况选定不同的可信度评价方法。
107、根据所述表型预测结果、所述表型预测结果的可信度和训练样本表型认知度，对所述新配杂交种的杂交组合进行评价筛选，确定最终组配方案。
可以理解的是，对新配杂交种的表型做预测并不等于要实际进行组配，最后组配方案的确定还需要综合考虑多方面的因素进行评价筛选。在对新配杂交种的杂交组合进行评价筛选时要从三个方面权衡：
(1)表型预测值：即新配杂交种表型本身。在进行杂交组合设计时已经确定了配组目标，在筛选时，要考虑所定的目标，优先选择与育种目标符合度高的新配杂交种。
(2)预测可信度：避免在评价筛选时将可信度差距过大的杂交组合放在一起讨论。
(3)训练样本表型认知度：认知度的高低主要受训练样本量大小的影响，训练样本量越大、训练样本的品种经历的环境越多，则训练样本品种的表型认知度越高，新配杂交种表型预测的可信度也越高。
在进行评价筛选时要协调权衡好这三个因素，也可以从突破性、多样性等方面筛选杂交组合确定配组方案。
本实施例的新配杂交组合表型的预测方法，能够提高表型预测各个环节的成功率，充分利用历史数据，从自交系表型、基因型和相似杂交种表型、基因型入手，寻找他们与新配杂交种表型的关系，从而提高表型预测的准确性，最终提高杂交组合育种成功率。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的权利要求保护的范围。