本發(fā)明涉及生物
技術(shù)領(lǐng)域：
，具體涉及了一種基于生物信息的選育良種系統(tǒng)及其算法。
背景技術(shù)：
：在農(nóng)業(yè)生物(作物、畜禽和水產(chǎn)生物)的產(chǎn)業(yè)鏈中,良種選育占有至關(guān)重要的地位。傳統(tǒng)的育種方法大多基于遺傳統(tǒng)計(jì)原理并結(jié)合生產(chǎn)實(shí)際,利用候選個(gè)體本身和(或)親屬的性狀記錄估計(jì)得到其育種值，并利用育種值為指標(biāo)通過(guò)進(jìn)行多世代的人工選育以實(shí)現(xiàn)品種培育和性狀改良。然而這種方法往往存在著育種周期長(zhǎng),人力物力消耗大等缺點(diǎn)。如法國(guó)的“大約克”種豬就花了三十多年時(shí)間才選育成功。在乳牛育種領(lǐng)域通過(guò)傳統(tǒng)后裔測(cè)定方式驗(yàn)證一頭候選種公牛需要5-6年時(shí)間，大約投入5萬(wàn)美元?；诤蜻x個(gè)體的遺傳性狀由其所攜帶的基因來(lái)決定的原理，通過(guò)利用候選個(gè)體的基因信息在基因?qū)用鎭?lái)直接評(píng)估而非僅僅利用系譜信息和記錄性狀的表型數(shù)據(jù)來(lái)考量候選個(gè)體的遺傳性狀的優(yōu)劣，將能夠大大縮短育種時(shí)間及成本投入。利用候選個(gè)體的基因信息的育種方法主要包括兩種。第一種方法稱為標(biāo)記輔助選擇(MarkerAssistedSelection,MAS)方法，其試圖通過(guò)部分基因組信息，即確定控制表型性狀的基因信息來(lái)實(shí)現(xiàn)對(duì)目標(biāo)性狀的選擇。該方法被有效利用的前提條件是與控制表型性狀的基因相關(guān)的數(shù)量性狀位點(diǎn)(QTL)能夠確定并被精確定位。然而在實(shí)際育種應(yīng)用中，決定某一經(jīng)濟(jì)性狀的往往有很多基因，而每個(gè)基因的效應(yīng)都不明顯，從而造成QTL檢測(cè)和定位的困難。即便存在有對(duì)經(jīng)濟(jì)性狀貢獻(xiàn)較大的主效基因，在構(gòu)成表型性狀的所有遺傳變異中應(yīng)用于MAS的遺傳標(biāo)記只能捕獲主效基因所帶來(lái)的那部分變異，而小效應(yīng)累加起來(lái)所帶來(lái)的變異卻被忽視了。所以MAS方法只能有限地應(yīng)用在經(jīng)濟(jì)性狀的控制基因明確且控制基因的效應(yīng)顯著的性狀選擇中。為了捕獲構(gòu)成表型的所有遺傳變異，需要在候選個(gè)體整個(gè)基因組水平上檢測(cè)影響目標(biāo)性狀的所有QTL來(lái)進(jìn)行選擇利用，即在候選個(gè)體全基因組范圍內(nèi)進(jìn)行標(biāo)記輔助選擇，這就是第二種方法：本發(fā)明所涉及的全基因組選擇方法。該方法利用個(gè)體整個(gè)基因組高密度遺傳標(biāo)記圖譜以保證影響目標(biāo)性狀的每一個(gè)QTL都與高密度全基因組標(biāo)記圖譜中的至少一個(gè)遺傳標(biāo)記處于連鎖不平衡(LinkageDisequilibrium，LD)狀態(tài)。通過(guò)這種連鎖不平衡信息來(lái)實(shí)現(xiàn)對(duì)所有影響目標(biāo)性狀的QTL的捕捉，再通過(guò)LDMIP方法來(lái)實(shí)現(xiàn)良種選育。該方法比目前全基因組選擇的另一常用方法GBLUP有更高的準(zhǔn)確率。全基因組遺傳標(biāo)記還可以提供系譜中個(gè)體間更加精確的親緣遺傳關(guān)系，即連鎖分析(LinkageAnalysis，LA)信息。利用個(gè)體及其父母的全基因組信息可以計(jì)算個(gè)體等位基因從父母處遺傳的遺傳幾率，可以用來(lái)示蹤等位基因在系譜中一代一代的傳遞。這種連鎖分析信息對(duì)于例如檢測(cè)和確定與疾病相關(guān)的功能基因位置方面非常重要:利用遺傳標(biāo)記可以示蹤附近對(duì)疾病有效應(yīng)的基因。這樣如果標(biāo)記附近有功能基因，并且樣本足夠大，攜帶不同標(biāo)記等位基因的個(gè)體的表現(xiàn)就會(huì)顯著不同。在品種選育中，人們除了追求高產(chǎn)優(yōu)質(zhì)等特性之外，能夠有效抵御疾病的抗病能力也往往是重要的選育特性。通過(guò)連鎖分析信息便可以檢測(cè)在一個(gè)家系中等位基因與疾病的傳遞是否相關(guān)，有助于選育抗病能力強(qiáng)的個(gè)體。技術(shù)實(shí)現(xiàn)要素：為解決上述技術(shù)問(wèn)題，我們提出了一種基于生物信息的選育良種系統(tǒng)及其算法，其目的：準(zhǔn)確預(yù)測(cè)以實(shí)現(xiàn)高效率特異性育種。為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：一種基于生物信息的選育良種系統(tǒng)，具體實(shí)施步驟如下：一、采用全基因組選擇方法,首先獲取參考群體和候選群體個(gè)體的基因組數(shù)據(jù)，其中，采用SNP遺傳標(biāo)記來(lái)獲取基因型數(shù)據(jù)；二、獲取系譜文件并進(jìn)行預(yù)處理，向上追溯父母系譜信息至少5代及以上，系譜文件需要包含個(gè)體編號(hào)、父親編號(hào)和母親編號(hào)至少三段信息，在系譜文件中篩選具有基因型數(shù)據(jù)的基因分型個(gè)體，向上追溯父母系譜信息至少5代及以上以獲得GA系譜；通過(guò)基因分型個(gè)體的基因型數(shù)據(jù)信息對(duì)系譜文件中父母及后代親緣關(guān)系進(jìn)行親子鑒定以核查GA系譜文件，當(dāng)根據(jù)基因型數(shù)據(jù)獲得的親子鑒定結(jié)果與原始GA系譜文件所顯示的親子關(guān)系不一致時(shí)，應(yīng)以基因型數(shù)據(jù)獲得的親子鑒定結(jié)果為基準(zhǔn)重新編排原始GA系譜文件；三、在完成基因型數(shù)據(jù)的預(yù)處理并得到了GA系譜文件后，通過(guò)LDMIP方法來(lái)完成，具體的LDMIP方法，如下:A、GA系譜中未基因分型的祖先個(gè)體，推知其基因型數(shù)據(jù)；B、根據(jù)基因型數(shù)據(jù)和GA系譜信息，計(jì)算個(gè)體等位基因從父母處遺傳的遺傳幾率；C、通過(guò)LDMIP程序的計(jì)算結(jié)果可以建立起GA系譜中參考群體和候選群體之間的LDLA關(guān)系矩陣，這一關(guān)系矩陣既包括參考群體和候選群體之間基于基因型信息的個(gè)體親緣關(guān)系，又包括參考群體和候選群體之間基于系譜信息的血緣關(guān)系，得到LDLA關(guān)系矩陣之后，對(duì)其求逆，然后通過(guò)混合模型方程組求解候選群體個(gè)體的全基因組育種值；D、同時(shí)利用個(gè)體等位基因從父母處遺傳的遺傳幾率計(jì)算可以示蹤等位基因在系譜中世代傳遞信息，如可以用于檢測(cè)和確定與疾病相關(guān)的功能基因，有助于選育抗病能力強(qiáng)的個(gè)體。優(yōu)選的，采用SNP遺傳標(biāo)記來(lái)獲取基因型數(shù)據(jù)具體方式如下：通過(guò)SNP芯片獲取參考群體和候選群體的基因型數(shù)據(jù)并進(jìn)行預(yù)處理，首先基因分型個(gè)體的基因型數(shù)據(jù)如有缺失，對(duì)所缺失的基因型予以填充；然后通過(guò)SNP標(biāo)記檢出率、最小等位基因頻率、Hardy-Weinberg平衡檢驗(yàn)、個(gè)體檢出率等參數(shù)優(yōu)化數(shù)據(jù)質(zhì)量。一種基于生物信息的選育良種系統(tǒng)的算法，對(duì)于基因型數(shù)據(jù)的每個(gè)SNP位點(diǎn)的兩個(gè)等位基因用0、1進(jìn)行編碼從而得到每個(gè)個(gè)體的每個(gè)SNP位點(diǎn)基因型編碼，其中，如第i個(gè)個(gè)體的第j個(gè)SNP位點(diǎn)的編碼gij,則對(duì)于純合子“00”的基因型編碼為“0”；對(duì)于純合子“11”編碼為“2”；對(duì)于雜合子“10”或“01”編碼為“1”；然后通過(guò)LDMIP程序根據(jù)GA系譜首先預(yù)測(cè)祖先個(gè)體基因型編碼信息，然后計(jì)算每個(gè)基因座位的等位基因從父母處遺傳的遺傳幾率，利用等位基因遺傳幾率可以得到連鎖分析信息，通過(guò)LDMIP程序還可以同時(shí)得到連鎖不平衡信息，與連鎖分析信息共同組建GLDLA關(guān)系矩陣，其中，GLDLA關(guān)系矩陣的行數(shù)和列數(shù)相同，均為GA系譜中個(gè)體的數(shù)目。優(yōu)選的，構(gòu)建GLDLA關(guān)系矩陣要涉及到構(gòu)建基于系譜信息的血緣關(guān)系矩陣－A矩陣，和基于SNP信息的親緣關(guān)系矩陣－G矩陣，構(gòu)建A矩陣的元素依據(jù)以下規(guī)則來(lái)遞推確定，即對(duì)于系譜中一個(gè)體i和它的父親s和母親d，其與系譜中另一個(gè)體j的關(guān)系為:一、如果它的父親和母親都已知，則aij＝aji＝0.5(ajs+ajd)aii＝1+0.5(asd)；二、如果它的父親s已知，母親d未知，則aij＝aji＝0.5(ajs)aii＝1；三、如果它的母親d已知，父親s未知，則aij＝aji＝0.5(ajd)aii＝1；四、如果它的父親和母親都未知，則aij＝aji＝0aii＝1；G矩陣的構(gòu)建依據(jù)如下方法：其中Nm為SNP位點(diǎn)數(shù)目，對(duì)于個(gè)體i和個(gè)體j，X中的元素Xij由以下方法確定：其中g(shù)ij為前述第i個(gè)個(gè)體的第j個(gè)SNP位點(diǎn)的基因型編碼，pj為第j個(gè)SNP位點(diǎn)的第一個(gè)等位基因的基因頻率，通過(guò)基因型數(shù)據(jù)樣本計(jì)算得出；在A矩陣和G矩陣都構(gòu)建好之后，利用如下方法構(gòu)建GLDLA關(guān)系矩陣：GLDLA＝D*A*D+Δ*G*Δ；而D和Δ分別是兩個(gè)對(duì)角矩陣，其中D矩陣的對(duì)角元；Δ矩陣的對(duì)角元通過(guò)GLDLA關(guān)系矩陣，對(duì)其求逆，利用逆矩陣以及參考群體個(gè)體的表型數(shù)據(jù)可以建立如下混合模型方程組，其中λ＝σe2/σa2，通過(guò)迭代求解混合模型方程組即可預(yù)測(cè)候選群體個(gè)體的全基因組育種值。通過(guò)上述技術(shù)方案，預(yù)測(cè)候選群體個(gè)體的全基因組育種值并計(jì)算其與仿真數(shù)據(jù)中該個(gè)體的真實(shí)育種值之間的相關(guān)系數(shù)作為全基因組育種值預(yù)測(cè)的準(zhǔn)確性指標(biāo)，能準(zhǔn)確預(yù)測(cè)以實(shí)現(xiàn)高效率特異性育種。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明所公開(kāi)的一種基于生物信息的選育良種系統(tǒng)及其算法的流程圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。下面結(jié)合示意圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說(shuō)明。如圖1所示，一種基于生物信息的選育良種系統(tǒng)，采用全基因組選擇方法,首先獲取參考群體和候選群體個(gè)體的基因組數(shù)據(jù)。對(duì)于基因型數(shù)據(jù)目前普遍采用SNP遺傳標(biāo)記來(lái)獲取，對(duì)于牛、豬、雞等禽畜物種已有商用的SNP芯片可以應(yīng)用。通過(guò)SNP芯片獲取參考群體和候選群體的基因型數(shù)據(jù)并進(jìn)行預(yù)處理：首先基因分型個(gè)體的基因型數(shù)據(jù)如有缺失，對(duì)所缺失的基因型予以填充。然后通過(guò)SNP標(biāo)記檢出率、最小等位基因頻率、Hardy-Weinberg平衡檢驗(yàn)、個(gè)體檢出率等參數(shù)優(yōu)化數(shù)據(jù)質(zhì)量。獲取系譜文件并進(jìn)行預(yù)處理，向上追溯父母系譜信息至少5代及以上。系譜文件需要包含個(gè)體編號(hào)、父親編號(hào)和母親編號(hào)至少三段信息。在系譜文件中篩選具有基因型數(shù)據(jù)的基因分型個(gè)體，向上追溯父母系譜信息至少5代及以上以獲得基因分型-祖先系譜(Genotyped-Ancestorpedigree,GA系譜)。通過(guò)基因分型個(gè)體的基因型數(shù)據(jù)信息對(duì)系譜文件中父母及后代親緣關(guān)系進(jìn)行親子鑒定以核查GA系譜文件。當(dāng)根據(jù)基因型數(shù)據(jù)獲得的親子鑒定結(jié)果與原始GA系譜文件所顯示的親子關(guān)系不一致時(shí)，應(yīng)以基因型數(shù)據(jù)獲得的親子鑒定結(jié)果為基準(zhǔn)重新編排原始GA系譜文件。在完成基因型數(shù)據(jù)的預(yù)處理并得到了GA系譜文件后，通過(guò)LDMIP方法來(lái)完成:一、GA系譜中未基因分型的祖先個(gè)體，推知其基因型數(shù)據(jù)二、根據(jù)基因型數(shù)據(jù)和GA系譜信息，計(jì)算個(gè)體等位基因從父母處遺傳的遺傳幾率。通過(guò)LDMIP程序的計(jì)算結(jié)果可以建立起GA系譜中參考群體和候選群體之間的連鎖不平衡-連鎖分析關(guān)系矩陣(LinkageDisequilibriumLinkageAnalysis,LDLA關(guān)系矩陣)。這一關(guān)系矩陣既包括參考群體和候選群體之間基于基因型信息的個(gè)體親緣關(guān)系(連鎖不平衡關(guān)系)，又包括參考群體和候選群體之間基于系譜信息的血緣關(guān)系(連鎖分析關(guān)系)。得到LDLA關(guān)系矩陣之后，對(duì)其求逆，然后通過(guò)混合模型方程組求解候選群體個(gè)體的全基因組育種值。同時(shí)利用個(gè)體等位基因從父母處遺傳的遺傳幾率計(jì)算可以示蹤等位基因在系譜中世代傳遞信息，如可以用于檢測(cè)和確定與疾病相關(guān)的功能基因，有助于選育抗病能力強(qiáng)的個(gè)體。利用仿真數(shù)據(jù)計(jì)算綜合利用連鎖不平衡和連鎖分析關(guān)系信息。仿真數(shù)據(jù)利用QMSim模擬軟件生成，通過(guò)模擬歷史群2000代，每代200個(gè)個(gè)體，當(dāng)代群8代，每代隨機(jī)選取25頭公畜與隨機(jī)選取的250頭母畜隨機(jī)交配，每頭母畜產(chǎn)生2個(gè)后代。模擬的基因組含有5條染色體，每條染色體的長(zhǎng)度均為1摩爾根(Morgan),均勻分布10000個(gè)SNP標(biāo)記，總共有50000個(gè)SNP標(biāo)記。在當(dāng)代群中，從第4代開(kāi)始記錄基因型信息。通過(guò)模擬產(chǎn)生仿真系譜數(shù)據(jù)、仿真基因型數(shù)據(jù)文件，并且可以得到全部個(gè)體的真實(shí)育種值。然后產(chǎn)生兩個(gè)性狀的仿真表現(xiàn)型數(shù)據(jù)，兩個(gè)性狀的遺傳力分別為0.5和0.1。對(duì)于基因分型的個(gè)體，選擇最后一代500個(gè)個(gè)體作為候選群體，不產(chǎn)生表現(xiàn)型數(shù)據(jù)。而前四代共2000個(gè)個(gè)體為參考群體，通過(guò)模擬仿真表現(xiàn)型數(shù)據(jù)。對(duì)此仿真數(shù)據(jù)，首先對(duì)數(shù)據(jù)文件進(jìn)行預(yù)處理。對(duì)于系譜數(shù)據(jù)，根據(jù)2500個(gè)基因分型個(gè)體向上追溯10代系譜得到基因分型個(gè)體-祖先(GA)系譜包含5045個(gè)個(gè)體。對(duì)于基因型數(shù)據(jù)，每個(gè)SNP位點(diǎn)的兩個(gè)等位基因用0、1進(jìn)行編碼從而得到每個(gè)個(gè)體的每個(gè)SNP位點(diǎn)基因型編碼。如第i個(gè)個(gè)體的第j個(gè)SNP位點(diǎn)的編碼gij,則對(duì)于純合子“00”的基因型編碼為“0”；對(duì)于純合子“11”編碼為“2”；對(duì)于雜合子“10”或“01”編碼為“1”。然后利用LDMIP程序根據(jù)GA系譜首先預(yù)測(cè)祖先個(gè)體基因型編碼信息，然后計(jì)算每個(gè)基因座位的等位基因從父母處遺傳的遺傳幾率。利用等位基因遺傳幾率可以得到連鎖分析信息。通過(guò)LDMIP程序還可以同時(shí)得到連鎖不平衡信息，與連鎖分析信息共同組建連鎖不平衡-連鎖分析(GLDLA)關(guān)系矩陣。矩陣的行數(shù)和列數(shù)相同，均為GA系譜中個(gè)體的數(shù)目。矩陣的元素說(shuō)明了個(gè)體間連鎖不平衡-連鎖分析關(guān)系。構(gòu)建GLDLA關(guān)系矩陣要涉及到構(gòu)建基于系譜信息的血緣關(guān)系矩陣，A矩陣，和基于SNP信息的親緣關(guān)系矩陣，G矩陣。構(gòu)建A矩陣的元素依據(jù)以下規(guī)則來(lái)遞推確定，即對(duì)于系譜中一個(gè)體i和它的父親s和母親d，其與系譜中另一個(gè)體j的關(guān)系為:A、如果它的父親和母親都已知，則aij＝aji＝0.5(ajs+ajd)aii＝1+0.5(asd)；B、如果它的父親s已知，母親d未知，則aij＝aji＝0.5(ajs)aii＝1；C、如果它的母親d已知，父親s未知，則aij＝aji＝0.5(ajd)aii＝1；D、如果它的父親和母親都未知，則aij＝aji＝0aii＝1；G矩陣的構(gòu)建依據(jù)如下方法：其中Nm為SNP位點(diǎn)數(shù)目，對(duì)于個(gè)體i和個(gè)體j，X中的元素Xij由以下方法確定：其中g(shù)ij為前述第i個(gè)個(gè)體的第j個(gè)SNP位點(diǎn)的基因型編碼，pj為第j個(gè)SNP位點(diǎn)的第一個(gè)等位基因的基因頻率，通過(guò)基因型數(shù)據(jù)樣本計(jì)算得出。在A矩陣和G矩陣都構(gòu)建好之后，利用如下方法構(gòu)建GLDLA關(guān)系矩陣：GLDLA＝D*A*D+Δ*G*Δ而D和Δ分別是兩個(gè)對(duì)角矩陣。其中D矩陣的對(duì)角元Δ矩陣的對(duì)角元利用連鎖不平衡-連鎖分析(GLDLA)關(guān)系矩陣，對(duì)其求逆，利用逆矩陣以及參考群體個(gè)體的表型數(shù)據(jù)可以建立如下混合模型方程組，其中λ＝σe2/σa2，通過(guò)迭代求解混合模型方程組即可預(yù)測(cè)候選群體個(gè)體的全基因組育種值。為檢驗(yàn)本發(fā)明方法的實(shí)施效果，預(yù)測(cè)候選群體個(gè)體的全基因組育種值并計(jì)算其與仿真數(shù)據(jù)中該個(gè)體的真實(shí)育種值之間的相關(guān)系數(shù)作為全基因組育種值預(yù)測(cè)的準(zhǔn)確性指標(biāo)。準(zhǔn)確性越高說(shuō)明本發(fā)明的實(shí)施效果越好。同時(shí)作為比較，分別只利用血緣關(guān)系矩陣A矩陣并求逆，然后以A-1代替混合模型方程組中的GLDLA-1求解混合模型方程組，所得的育種值則為利用系譜數(shù)據(jù)ABLUP的預(yù)測(cè)育種值。如果只利用親緣關(guān)系矩陣G矩陣并求逆，以G-1代替混合模型方程組中的GLDLA-1求解混合模型方程組所得的育種值則為普通全基因組GBLUP的預(yù)測(cè)育種值。將ABLUP和GBLUP的預(yù)測(cè)育種值分別與個(gè)體的真實(shí)育種值相關(guān)，得出ABLUP和GBLUP的育種值預(yù)測(cè)準(zhǔn)確性。下表為三種方法的育種值預(yù)測(cè)準(zhǔn)確性對(duì)比結(jié)果：性狀遺傳力h2GLDLA方法GBLUP方法ABLUP方法0.50.8050.7400.6200.10.5630.5310.408可以看到采用同時(shí)應(yīng)用連鎖不平衡-連鎖分析關(guān)系的GLDLA方法的準(zhǔn)確性要高于普通基因組選擇應(yīng)用的GBLUP方法，更大大高于傳統(tǒng)的ABLUP方法。上述中的技術(shù)術(shù)語(yǔ)如下：表型性狀：決定一個(gè)生物個(gè)體可能不同于其他生物個(gè)體的形態(tài)、生理、生化和行為等數(shù)量性狀。遺傳標(biāo)記：是已知在染色體上位置的一種基因或DNA序列，可被用于鑒定生物個(gè)體或物種。其可被描述為可觀測(cè)變異。數(shù)量形狀位點(diǎn)(QTL)：指占據(jù)一特定染色體區(qū)域的微效多基因群。單核苷酸的多態(tài)性(SNP):是指在基因組上單個(gè)核苷酸的變異，包括轉(zhuǎn)換、顛換、缺失和插入，形成的遺傳標(biāo)記。等位基因:又稱對(duì)偶基因，是一些占據(jù)染色體的基因座的可以復(fù)制的脫氧核糖核酸。育種值：是指種畜的種用價(jià)值。在數(shù)量遺傳學(xué)中把決定某一數(shù)量性狀的基因加性效應(yīng)值定義為該量性狀的育種值。全基因組育種值：是指在全基因組范圍內(nèi)通過(guò)基因組中標(biāo)記效應(yīng)累加得到的育種值。以上所述的僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。當(dāng)前第1頁(yè)1 2 3