基于深度神经网络的 SSR 分子标记对茶叶产地的溯源研究

【目的】对不同品种的茶叶进行区分和产地溯源，同时为其他植物分类提供参考依据。【方法】以简单重复序列标记（Simple sequence repeat，SSR）为基础，运用生物信息学的研究方法，对来自湖南、云南、福建和浙江省的 313 个茶叶样本的来源属地及 10 个外类群关系进行研究：首先，筛选出高质量的 54 个 SSR 位点，通过主成分分析（Principal compon ent analysis，PCA），构建进化树，分析各省间茶叶样本的差异度；其次，通过比较线性回归模型、随机森林模型和深度神经网络（Deep neural network，DNN）模型的分类准确度，选择准确度最高的神经网络模型进行溯源模型构建及优化。【结果】4 个省的茶叶样本个体相对聚集，其中云南省的样本个体较其他省份差异大；福建、浙江、湖南的样本分别聚集，表明福建、浙江、湖南三省间茶叶差异显著，但有少量交叉，具有一定的相似遗传结构特性，亲缘关系较近。利用 3 种不同的模型对 54 个 SSR 分子标记矩阵构建模型，初步鉴定出线性回归模型准确率为 81%，随机森林模型准确率为 77%，而 DNN 模型准确率最高、为86%，由此可得出 DNN 模型对茶叶的分类效果最好。随后利用 54 个 SSR 分子标记和 323 个样本构建预测模型，并对一次训练的样本个数（Batch size)、训练的次数（Step size)、隐藏层层数及每层节点数进行优化，发现这 4 个参数的优化结果当样本个数为 150、训练次数为 20 000、隐藏层层数为 2 层时验证集和测试集的准确率最高、约 95%，即 2 层神经网络对茶叶分析效果最佳。【结论】基于深度神经网络的 SSR 分子标记为茶叶分类、产地溯源研究和茶叶育种等方面提供支持依据，构建的分类模型也可用于其他物种重测序数据的属地来源鉴定。

Research on SSR Molecular Markers for Traceability of Tea Origins Based on Deep Neural Network