一種鑑別槐豬的方法及其試劑和相關應用與流程
2024-04-13 05:57:05
1.本發明涉及生物檢測技術領域，具體而言，涉及一種鑑別槐豬的方法及其試劑和相關應用。
背景技術：
2.槐豬肉質具有胺基酸含量高、含鈣高、膠質含量豐富、肌纖維細、膽固醇含量低、營養豐富、口感細嫩、香甜鮮美等優點。然而槐豬生長速度慢，對於市場上將杜洛克、長白、大白等豬肉冒充槐豬的豬肉進行販賣無法準確識別。
3.鑑於此，特提出本發明。
技術實現要素：
4.本發明的目的在於提供一種鑑別槐豬的方法及其試劑和相關應用。
5.本發明是這樣實現的：
6.第一方面，本發明實施例提供了檢測snp分子標記組合的試劑在製備鑑別槐豬的產品中的應用，所述snp分子標記組合包括表1所示的73個位點。
7.表1snp分子標記組合
8.9.[0010][0011]
上述表格以豬基因組序列信息版本號sscrofa10.2為基準。
[0012]
第二方面，本發明實施例提供了一種鑑別槐豬的試劑或試劑盒，其包括前述實施例所述的檢測snp分子標記組合的試劑。
[0013]
第三方面，本發明實施例提供了一種snp分子標記組合，所述snp分子標記組合如前述實施例所示。
[0014]
第四方面，本發明實施例提供了一種用於鑑別槐豬的模型的訓練方法，其包括：獲取訓練樣本中snp分子標記組合的鹼基信息以及對應的標註結果；所述snp分子標記組合如前述實施例所述，所述標註結果為代表訓練樣本品種的標籤；將所述訓練樣本的snp分子標記組合的鹼基信息輸入預先構建的預測模型中，獲得預測結果；所述預先構建的預測模型為能夠根據snp分子標記組合的鹼基信息預測樣本品種的機器學習模型；基於所述標誌結果和所述預測結果對預先構建的預測模型進行參數更新。
[0015]
第五方面，本發明實施例提供了一種槐豬的鑑別方法，其包括：將待測樣本的snp分子標記組合的鹼基信息輸入如前述實施例所述的訓練方法訓練好的模型中，獲得預測結果；其中，所述snp分子標記組合如前述實施例所述。
[0016]
第六方面，本發明實施例提供了一種電子設備，所述電子設備包括：處理器和存儲器，所述存儲器用於存儲程序，當所述程序被所述處理器執行時，使得所述處理器實現如前述實施例所述的訓練方法或前述實施例所述的槐豬的鑑別方法。
[0017]
第七方面，本發明實施例提供了一種計算機可讀介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現如前述實施例所述的訓練方法或前述實施例所述的槐豬的鑑別方法。
[0018]
第八方面，本發明實施例提供了一種鑑別槐豬的方法，其包括：根據待測樣本基因組中的snp分子標記組合上的鹼基鑑別待測樣本是否為槐豬；所述snp分子標記組合如前述實施例所示；
[0019]
若待測樣本的snp分子標記組合的鹼基如表1所示，則判定待測樣本為槐豬；否則，判定待測樣本不為槐豬。
[0020]
本發明具有以下有益效果：
[0021]
本發明提出並驗證通過對73個snp位點的檢測，能夠實現槐豬的有效鑑別，為槐豬肉的鑑別提供一種快速、高效的途徑。
附圖說明
[0022]
為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對範圍的限定，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。
[0023]
圖1為槐豬與杜洛克訓練集的roc曲線圖。
具體實施方式
[0024]
為使本發明實施例的目的、技術方案和優點更加清楚，下面將對本發明實施例中的技術方案進行清楚、完整地描述。實施例中未註明具體條件者，按照常規條件或製造商建議的條件進行。所用試劑或儀器未註明生產廠商者，均為可以通過市售購買獲得的常規產品。
[0025]
首先，本發明實施例提供了檢測snp分子標記組合的試劑在製備鑑別槐豬的產品中的應用，所述snp分子標記組合包括以下73個位點。
[0026]
在一些實施例中，所述試劑包括用於檢測snp分子標記組合的引物對、探針和晶片中的任意一種。可以理解的是，在檢測靶標公開的情況下，用於檢測靶標區域的引物對、探針和晶片可以基於本領域常規技術知識設計獲得，本技術的發明點在於提出並驗證了一組能夠用於鑑別槐豬的snp分子標記組合，而非檢測方法本身。
[0027]
在一些實施例中，所述產品包括試劑、試劑盒和預測模型中的任意一種。
[0028]
另一方面，本發明實施例還提供了一種鑑別槐豬的試劑或試劑盒，其包括前述實施例所述的檢測snp分子標記組合的試劑。
[0029]
另一方面，本發明實施例還提供了snp分子標記組合在製備鑑別槐豬的產品中的應用，所述snp分子標記組合如前述實施例所示。
[0030]
另一方面，本發明實施例還提供了一種snp分子標記組合，所述snp分子標記組合如前述實施例所示。
[0031]
另一方面，本發明實施例還提供了一種用於鑑別槐豬的模型的訓練方法，其包括：
[0032]
獲取訓練樣本中snp分子標記組合的鹼基信息以及對應的標註結果；所述snp分子標記組合如前述實施例所述，所述標註結果為代表訓練樣本品種的標籤；
[0033]
將所述訓練樣本的snp分子標記組合的鹼基信息輸入預先構建的預測模型中，獲得預測結果；所述預先構建的預測模型為能夠根據snp分子標記組合的鹼基信息預測樣本
品種的機器學習模型；
[0034]
基於所述標誌結果和所述預測結果對預先構建的預測模型進行參數更新。
[0035]
在一些實施例中，所述標籤可以為字符或字符串。
[0036]
在一些實施例中，所述機器學習模型包括隨機森林模型。
[0037]
可以理解的是，在構建模型的特徵或指標公開的情況下，預測模型的設置參數(包括通用的和可調整的)均可根據本領域的常規技術知識的基礎上進行常規調整和選擇。
[0038]
優選地，當預測模型為隨機森林模型時，模型進行訓練的參數設置包括以下：決策樹的數量ntree為200；生成單顆決策樹時的特徵數max_features為6；
[0039]
另一方面，本發明實施例還提供了一種槐豬的鑑別方法，其包括：將待測樣本的snp分子標記組合的鹼基信息輸入如前述任意實施例所述的訓練方法訓練好的模型中，獲得預測結果；其中，所述snp分子標記組合如前述實施例所述。
[0040]
另一方面，本發明實施例還提供了一種電子設備，所述電子設備包括：處理器和存儲器，所述存儲器用於存儲程序，當所述程序被所述處理器執行時，使得所述處理器實現如前述任意實施例所述的訓練方法或前述實施例所述的槐豬的鑑別方法。
[0041]
該電子設備可以包括存儲器、處理器、總線和通信接口，該存儲器、處理器和通信接口相互之間直接或間接地電性連接，以實現數據的傳輸或交互。例如，這些元件相互之間可通過一條或多條總線或信號線實現電性連接。處理器可以處理與目標識別有關的信息和/或數據，以執行本技術中描述的一個或多個功能。
[0042]
存儲器可以是但不限於，隨機存取存儲器(random access memory，ram)，只讀存儲器(read only memory，rom)，可編程只讀存儲器(programmable read-only memory，prom)，可擦除只讀存儲器(erasableprogrammable read-only memory，eprom)，電可擦除只讀存儲器(electricerasable programmable read-only memory，eeprom)等。
[0043]
處理器可以是一種集成電路晶片，具有信號處理能力。該處理器可以是通用處理器，包括中央處理器(central processing unit，cpu)、網絡處理器(network processor，np)等；還可以是數位訊號處理器(digital signalprocessing，dsp)、專用集成電路(application specific integrated circuit，asic)、現場可編程門陣列(field－programmable gate array，fpga)或者其他可編程邏輯器件、分立門或者電晶體邏輯器件、分立硬體組件。
[0044]
在實際應用中，該電子設備可以是伺服器、雲平臺、手機、平板電腦、筆記本電腦、超級移動個人計算機(ultra-mobile personal computer，umpc)、手持計算機、上網本、個人數字助理(personal digital assistant，pda)、可穿戴電子設備、虛擬實境設備等設備，因此本技術實施例對電子設備的種類不做限制。
[0045]
另一方面，本發明實施例還提供了一種計算機可讀介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現如前述任意實施例所述的訓練方法或前述實施例所述的槐豬的鑑別方法。
[0046]
本文中的「計算機可讀介質」包括：u盤、移動硬碟、只讀存儲器、隨機存取存儲器、磁碟或者光碟等各種可以存儲程序代碼的介質。
[0047]
此外，本發明實施例還提供了一種鑑別槐豬的方法，其包括：根據待測樣本基因組中的snp分子標記組合上的鹼基鑑別待測樣本是否為槐豬；所述snp分子標記組合如前述實
施例所示；若待測樣本的snp分子標記組合的鹼基如表1所示，則判定待測樣本為槐豬；否則，判定待測樣本不為槐豬。
[0048]
在一些實施例中，所述鑑別槐豬是指從槐豬與其他品種中鑑別出槐豬，所述其他品種包括杜洛克、長白豬和大白豬中的至少一種。
[0049]
以下結合實施例對本發明的特徵和性能作進一步的詳細描述。
[0050]
實施例1
[0051]
一種槐豬的鑑別方法，其包括以下步驟。
[0052]
(1)獲取待檢測樣品組織使用磁珠法組織基因組提取試劑盒進行dna提取；
[0053]
(2)根據dna液相晶片檢測，獲取表1所示的snp分子標記組合的基因型信息；
[0054]
(3)將59頭杜洛克、60頭長白、56頭大白、130頭槐豬共計305頭豬個體，根據7:3的比例拆分為訓練集與驗證集，使用隨機森林在訓練集中進行訓練，模型參數設置如下：決策樹的數量ntree為200；生成單顆決策樹時的特徵數max_features為6。其在訓練集中的roc曲線如圖1所示，混淆矩陣如下表所示。
[0055] 杜洛克長白大白槐豬杜洛克40000長白03700大白00360槐豬00084
[0056]
(4)將待檢測樣本作為驗證集進行計算，獲取待測樣本分類，其分類可能性如表2所示，通過隨機森林分類器可將未知樣品進行準確分類。roc曲線同圖1，auc為1，準確性為100％。
[0057]
表2驗證群個體品種鑑定可能性表
[0058]
[0059]
[0060][0061]
備註：dur為杜洛克；ldr為長白，lwt為大白，shhz為槐豬。
[0062]
以上所述僅為本發明的優選實施例而已，並不用於限制本發明，對於本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。