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！

龙图腾网获悉中国水产科学研究院珠江水产研究所申请的专利基于表型组学分析的罗氏沼虾螯体比预测与选育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：CN121095006B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511469276.9，技术领域涉及：G06Q50/02；该发明授权基于表型组学分析的罗氏沼虾螯体比预测与选育方法是由王亚坤;于凌云;魏捷;朱新平;洪坤浩;麦庄;苏启遥;刘付柏设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本基于表型组学分析的罗氏沼虾螯体比预测与选育方法在说明书摘要公布了：本发明公开了一种基于表型组学分析的罗氏沼虾螯体比预测与选育方法，包括：选取若干罗氏沼虾进行多代养殖，记录每个个体的系谱数据，并构建沼虾养殖数据库；提取不同养殖阶段的沼虾表型特征，分析生长指标与螯体比之间的规律，并进行遗传力评估，构建沼虾表型组学网络；分析罗氏沼虾的生长路径，识别在养殖期间的异常事件，生成沼虾生长态势网络；构建沼虾表型知识图谱，并构建沼虾螯体比预测模型；对待选育罗氏沼虾群体进行数据采集获取早期表型数据，进行选育决策，并利用沼虾表型知识图谱对选育个体进行养殖路径推荐。同时分析在养殖过程中是否偏离养殖路径，并制定修正方案进行推送，从而缩短沼虾选育周期，提高选育的准确性和效率。

本发明授权基于表型组学分析的罗氏沼虾螯体比预测与选育方法在权利要求书中公布了：1.一种基于表型组学分析的罗氏沼虾螯体比预测与选育方法，其特征在于，包括： 选取若干罗氏沼虾进行多代养殖，在养殖过程中记录每个个体的系谱数据，并采集不同养殖阶段的沼虾表型数据以及养殖管控数据，构建沼虾养殖数据库； 通过所述沼虾养殖数据库提取不同养殖阶段的沼虾表型特征，分析个体生长指标与螯体比之间的规律，并进行遗传力评估，构建沼虾表型组学网络； 利用所述沼虾养殖数据库分析在养殖过程中罗氏沼虾的生长路径，识别在养殖期间的异常事件并关联对应的处置方案，生成沼虾生长态势网络； 结合所述沼虾表型组学网络和沼虾生长态势网络构建沼虾表型知识图谱，并利用所述沼虾表型知识图谱构建沼虾螯体比预测模型； 对待选育罗氏沼虾群体进行数据采集获取早期表型数据，通过所述沼虾螯体比预测模型进行选育决策，并利用所述沼虾表型知识图谱对选育个体进行养殖路径推荐； 获取选育个体在养殖过程中的多模态监测数据，分析实际生长轨迹或环境参数是否偏离期望路径，若存在偏离状况，则制定修正方案进行推送； 其中，所述进行遗传力评估，构建沼虾表型组学网络，具体包括： 获取表型特征-螯体比关联规则集，通过表型特征-螯体比关联规则集提取与螯体比显著相关的关键生长特征及权重系数构建固定效应设计矩阵，通过沼虾养殖数据库提取系谱表，利用所述系谱表构建所有沼虾个体的亲缘关系矩阵； 基于所述固定效应设计矩阵和亲缘关系矩阵，将沼虾个体的加性遗传效应作为随机效应，并定义亲缘关系矩阵作为随机效应的方差-协方差矩阵先验，构建基于动物模型的混合线性模型； 采用限制性最大似然法对混合线性模型进行拟合，通过EM算法迭代求解方差组分，得到螯体比性状的加性遗传方差分量和残差方差分量，通过计算加性遗传方差与表型方值的比值获取遗传力估计值，并通过BLUP方法求解每个个体的育种值； 基于表型特征-螯体比关联规则集提取关键生长特征作为网络节点，采用动态时间规整算法计算个体间的表型距离矩阵，表征沼虾个体的异步生长轨迹，采用graphicallasso算法估计特征间的条件独立关系，构建稀疏高斯图模型； 将稀疏高斯图模型定义为表型组学网络的基础拓扑结构，其中节点代表表型特征，边权重表示特征间的条件相关系数；通过表型特征-螯体比关联规则集提取各表型特征与螯体比的关联强度作为节点的初始属性，将遗传力估计值作为网络全局属性，个体育种值作为对应个体表型节点的附加属性，生成初始表型组学网络； 采用Node2Vec算法学习初始表型组学网络节点的低维向量表示，定义节点间的转移概率，通过有偏随机游走生成节点序列进行节点嵌入向量学习，最后利用t-SNE降维算法将高维节点嵌入映射到二维空间，生成沼虾表型组学网络。

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中国水产科学研究院珠江水产研究所，其通讯地址为：510380 广东省广州市荔湾区芳村西朗兴渔路1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。