白絨山羊遺傳育種數(shù)據(jù)庫及綜合管理平臺的設(shè)計與實現(xiàn)

艾曉燕 ，張 峰 ，吳 疆 ,徐東升 ，張永恒

（1.榆林學(xué)院 信息工程學(xué)院，陜西 榆林 719000;2.西安文理學(xué)院 軟件學(xué)院,陜西 西安710065）

白絨山羊遺傳育種數(shù)據(jù)庫及綜合管理平臺的設(shè)計與實現(xiàn)

艾曉燕1，張 峰1，吳 疆1,徐東升2，張永恒1

（1.榆林學(xué)院 信息工程學(xué)院，陜西 榆林 719000;2.西安文理學(xué)院 軟件學(xué)院,陜西 西安710065）

為了提高育種質(zhì)量和繁殖性能，減少育種研究風(fēng)險和成本，采集陜北白絨山羊資源參考家系的相關(guān)育種資料，設(shè)計了一種基于Web的育種數(shù)據(jù)挖掘及管理平臺。重點研究了基于遺傳算法的育種數(shù)據(jù)挖掘算法以及決策支持系統(tǒng)、系統(tǒng)數(shù)據(jù)庫的構(gòu)建、功能模塊和物理結(jié)構(gòu)。應(yīng)用結(jié)果表明，該方案可有效地有效解決遺傳育種過程中染色體組合無序的地雜交造成優(yōu)秀基因率降低和種類質(zhì)量下降等問題。

白絨山羊；遺傳育種；數(shù)據(jù)挖掘；遺傳算法；數(shù)據(jù)倉庫

榆林市是陜北白絨山羊主產(chǎn)區(qū)，目前，全市白絨山羊存欄量397.4萬只，飼養(yǎng)量826萬只。在白絨山羊集中飼養(yǎng)的縣區(qū)，養(yǎng)殖農(nóng)戶70%家庭收入來自白絨山羊養(yǎng)殖業(yè)。為了更發(fā)了的管理陜北白絨山羊的遺傳資源，需要構(gòu)建繁殖性能與遺傳育種數(shù)據(jù)倉庫，以便實現(xiàn)白絨山羊的養(yǎng)殖與繁殖過程中的飼料配方、生產(chǎn)管理，遺傳參數(shù)的估測和遺傳性能分析。

本文采用陜北白絨山羊繁殖育種資料作為遺傳算法的研究對象，構(gòu)建遺傳數(shù)據(jù)庫，把陜北白絨山羊歷史數(shù)據(jù)集成到統(tǒng)一的分析操作環(huán)境中,構(gòu)建成功一套具有分析性能、初步探索性能的數(shù)據(jù)倉庫系統(tǒng)。為遺傳參數(shù)的估測、選擇效果預(yù)測、雜種優(yōu)勢預(yù)測和遺傳進展預(yù)測等工作打造了研究平臺[1]。陜北白絨山羊數(shù)據(jù)倉庫建設(shè)遵循“統(tǒng)籌規(guī)劃，分步實施，先易后難”的總體原則，不僅要滿足當(dāng)前陜北白絨山羊遺傳育種數(shù)據(jù)的查詢、增加、修改和刪除等事務(wù)操作類型的需求，還要滿足對數(shù)據(jù)的分類、匯總和統(tǒng)計分析等需求，供遺傳育種實踐作決策支持。

1 系統(tǒng)主要功能模塊分析

1.1 系統(tǒng)總體結(jié)構(gòu)

本信息管理系統(tǒng)由數(shù)據(jù)輸入和育種分析兩個子系統(tǒng)組成。系統(tǒng)主要實現(xiàn)白絨山羊基礎(chǔ)生物信息的管理和分析,應(yīng)用數(shù)據(jù)挖掘和知識發(fā)現(xiàn)模型實現(xiàn)白絨山羊遺傳育種管理平臺及決策支持系統(tǒng)，具體內(nèi)容如圖1所示。

1.2 育種數(shù)據(jù)庫結(jié)構(gòu)的構(gòu)建

育種數(shù)據(jù)庫所涉及的實體模型主要有產(chǎn)羔信息表實體、產(chǎn)絨信息表實體、斷奶登記表實體、發(fā)情配種信息表實體、防疫登記表實體，疾病信息表實體、檢疫登記表實體、結(jié)測信息表實體、品系信息表實體、品種信息表實體、體形外貌表實體、系譜信息實體、羊群信息實體、種羊信息表實體、種羊轉(zhuǎn)群舍表實體。下面將詳細介紹這些實體模型含義。

1）產(chǎn)羔信息表實體：代表了一個產(chǎn)羔信息表實體，主要屬性包括種羊編號、種羊編號、胎次、胎次、情期、羊舍編號、配種日期、預(yù)產(chǎn)期、配種公羊、產(chǎn)羔日期、產(chǎn)羔難易度、分娩狀態(tài)、產(chǎn)羔數(shù)、成活羔數(shù)、產(chǎn)死羔數(shù)、公羔數(shù)、畸形數(shù)、木乃伊數(shù)、平均出生體重等。

圖1 功能組成圖Fig.1 Functional components

2）產(chǎn)絨信息表實體：代表了一個產(chǎn)絨信息表實體，主要屬性包括種羊編號、測定日期、測定日齡、剪毛量、凈毛率、毛自然強度、被毛細度、長度、油汗度、油汗色澤、被毛密度、彎曲度、備注等。

3）斷奶登記表實體：代表了一個斷奶登記表實體，主要屬性包括種種羊編號、胎次、情期、羊舍編號、產(chǎn)羔日期、成活羔數(shù)、斷奶成活數(shù)、斷奶成活率、斷奶日期、斷奶日齡、備注等。

4）發(fā)情配種信息表實體：代表了一個發(fā)情配種信息表實體，主要屬性包括種羊編號、發(fā)情日期、首次發(fā)情、胎次、情期、羊舍編號、發(fā)情類型、發(fā)情狀態(tài)、配種日期、配種方式、配種公羊、配種人員、預(yù)產(chǎn)期 備注等。

5）防疫登記表實體：代表了一個防疫登記表實體，主要屬性包括個體編號、疫苗名稱、防疫日期、技術(shù)人員 、疫苗批號、注射量、注射部位 、注射反映、備注等。

6）疾病信息表實體：代表了一個疾病信息表實體，主要屬性包括疾病編號、疾病名稱、疾病癥狀、治療措施、病因、備注等。

7）檢疫登記表實體：代表了一個檢疫登記表實體，主要屬性包括檢疫名稱、檢疫日期、檢疫方法、試劑名稱、檢疫結(jié)果、檢疫員、備注等。

8）結(jié)測信息表實體：代表了一個結(jié)測信息表實體，主要屬性包括種羊編號、個體識別號、耳號、同窩、性別、出生日期、出生重、六月齡重、體長 、體高、胸寬、胸深 、管圍、胸圍、備注等。

9）品系信息表實體：代表了一個品系信息表實體，主要屬性包括品系編號、品種編號、品系名稱、品系描述、備注等。

10）品種信息表實體：代表了一個品種信息表實體，主要屬性包括品種編號、品種名稱、品種描述、備注等。

11）體形外貌表實體：代表了一個體形外貌表實體，主要屬性包括種羊編號、始測日期、始測日齡、始測體長、始測體高、始測胸圍、始測胸深、始測胸寬、始測管圍、始測尾型、始測尻寬、結(jié)測日期 、結(jié)測體長、結(jié)測體高、結(jié)測胸圍、結(jié)測胸深、結(jié)測胸寬、結(jié)測管圍、結(jié)測尾型 、結(jié)測尻寬、結(jié)測日齡、生殖器評分、肢蹄評分、瞎乳頭數(shù)、睪丸周徑、體況評分、品種頭型、頭毛、品種被毛、品種耳型、品種角型、備注等。

詳細表結(jié)構(gòu)如圖2所示。

圖2 育種數(shù)據(jù)庫結(jié)構(gòu)圖Fig.2 Breeding database structure

2 基于遺傳算法的育種數(shù)據(jù)挖掘及決策系統(tǒng)

數(shù)據(jù)倉庫中的OLAP技術(shù)可以對數(shù)據(jù)進行匯總、合并、聚集以及從不同的角度觀察數(shù)據(jù)的作用。數(shù)據(jù)挖掘通過從關(guān)系數(shù)據(jù)庫、數(shù)據(jù)倉庫中發(fā)現(xiàn)有潛在價值的數(shù)據(jù)。因此數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)[2]。通過數(shù)據(jù)挖掘可以實現(xiàn)遺傳數(shù)據(jù)的分析與管理。

遺傳算法是不需要求導(dǎo)的隨機優(yōu)化方法，它以自然選擇和演變過程為基礎(chǔ)，但是聯(lián)系又是不牢靠的。它們最早是由密歇根大學(xué)的John Holland在1975年提出并進行研究[3-4]。許多生物學(xué)家在用計算機對自然遺傳系統(tǒng)進行仿真時，都揭示了遺傳算法的基本思想。在這些遺傳系統(tǒng)中，一個或多個染色體組合成了構(gòu)造和運轉(zhuǎn)有機體的總遺傳法則。染色體由基因構(gòu)成，基因可以取大量的值，叫做等位基因值。基因的位置根據(jù)基因的功能來獨立地識別

通過遺傳算法可以對種羊監(jiān)測信息進行優(yōu)化，假設(shè)所有優(yōu)化問題都僅能分析為一個求最大值問題。如果優(yōu)化問題是求函數(shù)f(x)的最小值，就等價于求函數(shù)g(x)=-f(x)的最大值。而且，還可假設(shè)目標函數(shù)f(x)在定義域內(nèi)取正值。否則，就用某個正常量C將函數(shù)轉(zhuǎn)化成正值，如

如果每個遺傳參數(shù)變量xi都編碼成長度為m的二進位串值，則初始值和編碼信息的關(guān)系為：

式中變量xi的取值范圍是Di=[parma,parmb]，m是使二進位碼具有所需精度的最小整數(shù)。例如，羊的體長取值范圍為 [70,90]的變量x是一個二進位編碼的串，其長度等于2，代碼為10，代碼的范圍在00～11之間。相應(yīng)的精度為：

這是兩個連續(xù)xi的值之差，差值可以作為候選極值進行檢驗。最后，代碼為10的屬性的十進制值為：

把待優(yōu)化問題中所有特征的二進位碼串接起來，就表示一個遺傳染色體，作為一個潛在解。染色體的總長m是所有特征的代碼長度mi的總和為：

式中k是問題中特征或輸入變量的個數(shù)。

1）遺傳育種編碼方案和初始化

遺傳算法首先為所給問題設(shè)計其解的表述。在這里，解是指可以作為可評估的正確解的任何候選值。例如，要使羊的體長（T）函數(shù)f(t)最大，t=1是一個解，t=2和t=3也是一個解，t=3則是此問題的正確解，它使體長（T）最大。遺傳算法的每個解的表述由設(shè)計者負責(zé)，它依賴于每個解的形式，以及哪個解的形式便于應(yīng)用遺傳算法。最常見的表述是一個字符串，也就是特征表述的一個代碼串，串中的字符來自于固定的字母表。字母表越大，串中每個字符可表示的信息就越多。因此，要編碼指定的信息量，串中的元素必須較少。但在大多數(shù)現(xiàn)實世界的應(yīng)用中，遺傳算法通常使用二進制編碼方案。

編碼過程把特征空間中的點轉(zhuǎn)化成位串形式。例如，在四維特征空間中的點(1,3,2，1)，其每一維的取值范圍是[0,3]，這個點可以用一個串接起來的二進位串表示：

其中，每個特征的十進制值通過二進制編碼，成為一個四位的育種基因。所有特征的值編碼成一個位串后，就代表一個染色體。在遺傳算法中，處理的不是一個染色體，而是一個染色體集合，叫做群體。要對群體初始化，可以簡單地隨機設(shè)定染色體群體的大小。

2）遺傳育種優(yōu)化值的選擇

通過從當(dāng)前的遺傳中建立一個新的群體，選擇操作用來確定哪個父染色體會參與繁殖下一代。通常成員參與選擇的概率與成員的適合度值成正比例。實現(xiàn)這種方法最常見的方式是設(shè)定選擇概率p等于：

式中n是群體大小，fi是第i個染色體的適合度值。這種選擇方法的作用是讓適合度高于平均值的成員進行繁殖，并取代適合度低于平均值的成員。對選擇過程來說，可使用根據(jù)每個染色體的適合度來決定其槽大小的輪盤賭。遺傳育種輪盤的建立如下：

1 )計算每個染色體vi的適合度值f(vi)。

2 )求出群體的適合度之和。

(3)計算每個染色體vi的選擇概率Pi。

(4)計算每個被選中的染色體vi的累積概率qi。

式中q取值從0到最大值1。取1表示群體中的所有染色體都包含在累積概率中。選擇過程的基礎(chǔ)是旋轉(zhuǎn)輪盤的次數(shù)和群體數(shù)目相同。每次都為新群體選擇一個染色體。群體數(shù)目多大，就重復(fù)執(zhí)行步驟1）和步驟2）多少次：

1 )生成區(qū)間[0,1]內(nèi)的隨機數(shù)r。

2 )如果r＜q1，選擇第一個染色體v1；否則選擇第 i個染色體 vi，使 qi-1＜ r≤ qi。

顯然，一些染色體可能被選擇多次。這與理論是一致的。遺傳算法會維護一組潛在解，進行多維搜索，并促使生成優(yōu)質(zhì)解。群體在進行仿真演變—在每一代中“較好”的解會繁殖下去，而“較差”的解死亡。目標函數(shù)或評價函數(shù)可用來區(qū)分不同的解，這些函數(shù)擔(dān)任著環(huán)境的角色。

3）遺傳育種決策系統(tǒng)

以下是種羊監(jiān)測信息表決策系統(tǒng)，其中,種羊監(jiān)測信息分類決策表如表1所示，種羊監(jiān)測信息離散標準化決策表如表2所示。在表1和表2中，條件屬性為體長（T）、體高（S），體長取值范圍為70～90，標準化后的值對應(yīng)為90—2，80—1，70—0； 體高取值為 50～80， 標準化后的值對應(yīng)為 80—3，70—2，60—1，50—0；六月齡重取值范圍為 30～50，標準化后的值對應(yīng)為 50—2，40—1，30—0；性別取值是 0，1。

3 系統(tǒng)綜合管理平臺功能模塊

為了使用系統(tǒng)平中具有可擴展的功能，設(shè)計了系統(tǒng)基礎(chǔ)數(shù)據(jù)管理平臺，該平臺主要實現(xiàn)組織機構(gòu)信息、人員信息、功能模塊信息、飼料配方管理、數(shù)據(jù)庫分析管理、種羊信息管理 、日志管理，其功能模塊如圖3所示。當(dāng)用戶通過登錄界面輸入用戶名，密碼后，單擊“登錄”按鈕，如用戶名，密碼無誤后則可進入系統(tǒng)窗口。如圖4就是一個典型的體型外貌測定界面。

表1 種羊監(jiān)測信息分類決策表Tab.1 sheep monitoring information classification decision table

表2 種羊監(jiān)測信息離散標準化決策表Tab.2 sheep standardized monitoring information discrete decision table

圖3 系統(tǒng)總體布局Fig.3 The overall layout of the system

4 結(jié)論

圖4 體型外貌測定界面Fig.4 Conformation determination

本文在構(gòu)建數(shù)據(jù)庫的基礎(chǔ)上，采集陜北白絨山羊資源參考家系的相關(guān)育種資料，運用數(shù)據(jù)倉庫以及數(shù)據(jù)挖掘技術(shù)構(gòu)建一套基于遺傳算法的育種數(shù)據(jù)挖掘及決策系統(tǒng)，管理陜北白絨山羊的遺傳資源，以便實現(xiàn)白絨山羊的養(yǎng)殖與繁殖過程中的飼料配方、生產(chǎn)管理，遺傳參數(shù)的估測和遺傳性能分析，有效解決新育種過程中持續(xù)無序的地雜交等造成優(yōu)秀基因頻型率降低和種類質(zhì)量下降等問題，減少育種研究風(fēng)險和成本，提高育種質(zhì)量和繁殖性能。

[1]童恒星，吳登俊.涼山半細毛羊遺傳育種數(shù)據(jù)倉庫研究[J].中國畜牧獸醫(yī),2008,35(8)：150-152.

TONG Heng-xing,WU Deng-jun.Study of data warehouse system on liangshan semi wool sheep of genetics&breeding parameter [J].China AnimalHusbandry & Veterinary Medicine,2008，35(8)：150-152.

[2]魯紹雄,夏文財.肉羊信息管理與育種分析系統(tǒng)的研究[J].畜牧獸醫(yī)雜志,2010,29(2)：16-19.

LU Shao-xiong,XIA Wen-cai.Study and development of mutton goat informationm anagement and breeding analysis system[J].Journal of Animal Science and Veterinary Medicine,2010,29(2)：16-19.

[3]馬永杰,云文霞.遺傳算法研究進展[J].計算機應(yīng)用研究,2012,29(4)：150-152.

MA Yong-jie,YUN Wen-xia.Research progress of genetic algorithm [J].Application Research of Computers,2006,29(4)：1201-1205.

[4]HE Yao-hua，HUI Chi-wai.A binary coding genetic algorithm for multi-purpose process scheduling:a case study[J].Chemical Engineering Science，2010,65(16):4816-4828.

[5]TANG Ke-zong，SUN Ting-kai，YANG Jing-yu.An improved genetic algorithm based on a novel selection strategy for nonlinear programming problems[J].Computers and Chemical Engineering，2011,35(4):615-621.

[6] Jae-Jin Koh，Soon-Duir Kwon，Byong-Uk Kim，et al.Implementation of an interactive electronic technical manual based on web-multimedia technology[C]//The 4th Korea-Russia International Symposium on Volume 2，2007(7)：21-24.

Design and implementation of Cashmere goat genetics breeding database and integrated management system

AI Xiao-Yan1，ZHANG Feng1,WU Jiang1,XU Dong-Sheng2,ZHANG Yong-Heng1
（1.School of Information Engineering,Yulin University,Yulin 719000,China;2.School of Software,Xi'an University of Arts and Science,Xi'an 710065,China）

In order to improve the quality of breeding and reproductive performance,reduce risk and cost,using of relevant information in Northern Shaanxi white Cashmere goat breeding pedigree reference resource and designed a Web-based data mining and breeding management platform.The mining based on genetic algorithm to distinguish breeding data matrix algorithm and decision support system,database structure,function module and the physical structure is designed.Application results show that the scheme can effectively solve the new breeding process for disordered hybrid caused problems outstanding gene frequency to reduce the rate of decline in the quality and variety.

Cashmere goat;genetics breeding;data mining;genetic algorithm;data warehouse

TN391

A

1674-6236（2014）13-0021-04

2014-03-21 稿件編號：201403247

陜西省教育廳科研項目(12JK0828);榆林市科技計劃項目(2011SKJ07,2012cxy3-26,Gy13-12)

艾曉燕（1966—），女，陜西米脂人，碩士，副教授。研究方向：信息系統(tǒng)設(shè)計,智能數(shù)據(jù)挖掘。