科普网络书屋

首页>> 科普主题>> 特色农业>> 农作物>> 正文

基于向日葵DUS测试的遗传多样性分析及代码分级

来源: 作物杂志
阅读 50 | 0 | 2019-10-26 |

向日葵(Heliunthus annuus L.)是世界上最重要的油料作物之一[1-3],中国向日葵主产区分布在东北、西北和华北地区,如内蒙古、吉林、辽宁、黑龙江、山西等省、自治区。

中国向日葵产业经过多年的高速发展,目前在种植面积、消费能力、出口贸易、科研水平和从业人数等方面居世界前列,世界向日葵产业中心正加速向中国转移,虽然我国向日葵产业发展迅猛,但种质保护工作起步较晚,保护措施略显薄弱[4]

我国1999年加入植物新品种保护联盟(UPOV)后陆续发布了10批植物新品种保护名录[5]。包含了我国大部分的植物物种,同时针对每个物种制定了各自的特异性、一致性和稳定性测试指南,用于指导测试工作,向日葵作为最重要的油料作物之一发布在第10批中。

本试验的实施旨在通过对收集的253份向日葵材料数量性状进行分析,为向日葵种质资源开发、利用提供帮助,为修订向日葵测试指南和完善向日葵品种权保护制度提供理论支持。

1 材料与方法

1.1 试验材料及来源

试验材料来自农业农村部2017年安排在植物新品种测试巴彦淖尔分中心的53份DUS测试[对申请保护的植物新品种进行特异性(distinctness)、一致性(uniformity)和稳定性(stability)的栽培鉴定试验或室内分析测试]材料,巴彦淖尔分中心自主接收的全国各地委托的79份DUS测试材料,以及从新疆、福州、吉林、公主岭DUS测试分中心、内蒙古种子管理站、各大向日葵育种企业收集的总计253份向日葵材料。

1.2 试验设计

试验于2017年在农业农村部植物新品种测试巴彦淖尔分中心测试基地进行,试验严格按照《植物新品种特异性、一致性、稳定性测试指南-向日葵》(NY/T 2433-2013)要求[6-8],采用随机区组试验设计,每小区4行,行长7.5m,株距0.5m,行距0.7m,2次重复。

1.3 数据处理

采用Excel 2016、SPSS 22.0进行数据处理,不同性状的差异用变异系数表示,遗传多样性指数采用Shannon-weaver信息指数,计算公式为:H=-Pi∑ln Pi,对数量性状如主茎叶数、株高、花盘直径等进行分级,Pi表示某个性状某个级别出现的概率,H为遗传多样性指数[9-15]

2 结果与分析

2.1 遗传多样性分析

2.1.1 形态多样性分析

对253份测试材料的几个主要数量性状进行描述性统计分析(表1)。

对253份向日葵种质资源的12个主要形态性状进行统计分析,结果(表1)表明主要性状差异明显,具有明显的形态多样性。由表1可以看出多数性状的遗传变异系数在5.00%以上,叶长的变异系数最高,达到了12.53%,说明种质资源差异性非常大。

表1 数量性状描述

Table 1 Quantitative trait description

表1 数量性状描述

2.1.2 相关性分析

由表2可以看出主茎叶数与株高极显著正相关,相关系数0.64;叶长与叶宽极显著正相关,相关系数0.84,与叶片大小极显著正相关,相关系数0.86,与花盘直径极显著正相关,相关系数0.53;叶宽与叶片大小极显著正相关,相关系数0.87;瘦果长度与瘦果宽度极显著正相关,相关系数0.88,与瘦果大小极显著正相关,相关系数0.96;瘦果宽度与瘦果大小极显著正相关,相关系数0.96,与瘦果厚度极显著正相关,相关系数0.69。

表2 数量性状相关性分析

Table 2 Correlation analysis of quantative characters

表2 数量性状相关性分析

注:*表示相关性在0.05水平显著;**表示相关性在0.01水平显著

Note:*mean significant correlation at the 0.05 level;**mean significant correlation at the 0.01 level

2.1.3 回归分析

采用线性逐步回归的方法研究叶片大小与叶长、叶宽的关系,瘦果大小与瘦果长度和瘦果宽度的关系,结果(表3~表5)表明它们之间存在着显著的线性相关关系。

表3 回归分析模型摘要

Table 3 Abstract of regression analysis model

表3 回归分析模型摘要

表4 方差分析

Table 4 Variance analysis

表4 方差分析

表5 回归方程系数

Table 5 Regression equation coefficient

表5 回归方程系数

以叶片大小为因变量,叶长、叶宽为自变量进行多元回归分析,并逐步回归,由表3可知调整后R2=0.812,说明叶片大小与叶长、叶宽间高度相关,得最优方程Y=-730.372+2.896X1+2.621X2,达到极显著水平。表5表明方程截距为-730.372,检验结果t=-13.542,达到极显著水平(P=0.000),可以认为求得直线方程成立。

以瘦果大小为因变量,瘦果长度、瘦果宽度为自变量进行多元回归分析,并逐步回归,由表3可知调整后R2=0.969,说明瘦果大小与瘦果长度、瘦果宽度间高度相关,得最优方程y=-121.054+6.588x1+19.561x2,达到极显著水平。表5表明方程截距为-121.054,检验结果t=-32.863,达到极显著水平(P=0.000),可以认为求得直线方程成立。

2.2 代码分级

2.2.1 代码分级

本试验按级差大于或等于2倍平均标准差的要求,对各数量性状进行代码分级。

极差=最大值-最小值;

级数1=极差/(标准差平均值×2);

级数2是最接近级数1且不大于9的奇数;

级差=极差/级数2

分级数是根据中值和级差而确定的连续的不同数据分布范围的数量。

根据2倍标准差法,主茎叶数可以分为7级,舌状花密度可以分为5级,苞叶密度可以分为5级,叶长可以分为3级,叶宽可以分为5级,叶片大小可以分为7级,花盘直径可以分为9级,株高可以分为9级,瘦果长度可以分为7级,瘦果宽度可以分为7级,瘦果大小可以分为9级,瘦果厚度可以分为3级(表6)。

2.2.2 频次分析

对12个数量性状进行频次分析,根据图1可以看出,苞叶密度、舌状花密度、叶长、瘦果厚度分级比较少,且数据较为集中,不利于区分不同品种。瘦果长度、瘦果宽度、瘦果大小虽然分级较多,但不符合正态分布,表明代码分级不够合理。而主茎叶数、叶宽、叶片大小、花盘直径、株高数据比较符合正态分布,代码分级较为科学,便于区分不同品种。

由表7可知,叶长、瘦果厚度的遗传多样性指数分别为0.81和0.58,其他性状的遗传多样性指数都在1.00以上,遗传多样性较为丰富,能够比较全面反映向日葵种质资源各数量性状在不同分级代码的分布特点。

图1 向日葵主要数量性状频次分布

Fig.1 Frequency distribution of main quantitative characters of sunflower

图1 向日葵主要数量性状频次分布

表6 12个数量性状的分级情况

Table 6 Classification of 12 quantitative traits

表6 12个数量性状的分级情况

表7 12个数量性状的遗传多样性指数

Table 7 Genetic diversity index of 12 quantitative traits

表7 12个数量性状的遗传多样性指数

3 讨论

本试验所用材料来自于农业农村部科技发展中心DUS测试处、内蒙古种子管理站、福州DUS测试分中心、新疆DUS测试分中心、吉林公主岭DUS测试分中心等。材料来源广泛,品种间差异明显,可以较好反映我国向日葵种质资源状况。根据近几年国内关于向日葵数量性状研究的报道[16-17],我国向日葵数量性状的研究大部分是从育种的角度出发,以如何提高向日葵产量、品质为目的而展开的。而本试验是从如何能够通过数量性状更好区分不同品种,从DUS测试的角度展开的。

本研究以搜集的253份材料为基础,对《植物新品种特异性、一致性、稳定性测试指南-向日葵》中12个数量性状的数据进行采集,利用SPSS进行遗传多样性分析,利用2倍标准差法对12个数量性状进行代码分级,通过频次分析,根据数据的分布状况对代码分级的科学性进行探讨。

通过相关、回归分析结果可以看出,叶片大小与叶长、叶宽;瘦果大小与瘦果长度、瘦果宽度存在着线性关系。叶片大小、瘦果大小直接关系到产量的高低,品种选育过程中可以选择叶片肥大、瘦果大的组合,容易选育出高产的品种。

本研究结果显示,利用2倍标准差法对瘦果长度、瘦果宽度、瘦果大小的分级虽然较多,但不符合正态分布,造成代码分级不合理、不科学,其原因主要有:(1)人工选择的结果。由于育种模式单一,与产量相关不显著的性状被忽略。(2)对资源收集的认识不足,从事资源收集和保藏的工作人员和机构匮乏。(3)种质资源保护力度不够。

综上所述,要想使向日葵数量性状代码分级更为合理,向日葵DUS测试指南得到进一步完善,向日葵种质资源保护工作得到加强,需要从以下几个方面入手:(1)进一步完善植物新品种权保护措施,加大植物新品种权宣传力度,使大家认识到品种权保护的重要性。(2)通过政策、资金支持,鼓励一些企事业单位开展种质资源收集保藏工作,丰富我国向日葵种质资源的多样性。(3)搭建资源、数据交流平台,互通有无,增强信息交流。

[1]Aker S,Healy W. The phytogeography of the genus Alstroemeria.Herbertia,1990,46(2):76-87.[2]Singh J. Standardization of growing substrates and NPK doses for growth and flowering of alstroemeria(Alstroemeria hybrida L.). Nauni:Dr Yashwant Singh Parmar University of Horticulture and Forestry,2013.[3]Healy W E,Wilkins H F. Alstroemeria culture.Herbertia,1986,42:16-20.[4]谭美莲,严明芳,汪磊,等.世界特种油料种质资源保存概况.植物遗传资源学报,2011,12(3):339-345.[5]中华人民共和国农业农村部.中华人民共和国农业植物品种保护名录(第10批),2016.[6]中华人民共和国农业农村部.植物新品种特异性、一致性和稳定性测试指南:向日葵.北京:中国农业出版社,2013:4-6.[7]刘孟军.枣树数量性状的概率分级研究.园艺学报,1996(2):105-109.[8]UPOV. Document TGP/9/1(draft:7):Examining Distinctness,2006:26-32.[9]唐浩.植物品种特异性、一致性、稳定性测试总论.北京:中国农业出版社,2017:83-87.[10]冯章丽,于文泉,顾广军,等.东北部分地区山荆子种质资源表型多样性及聚类分析.植物遗传资源学报,2016,17(6):984-992.[11]万述伟,宋凤景,郝俊杰,等. 271份豌豆种质资源农艺性状遗传多样性分析.植物遗传资源学报,2017,18(1):10-18.[12]刘玉皎,宗绪晓.青海蚕豆种质资源形态多样性分析.植物遗传资源学报,2008,9(1):79-83.[13]聂石辉,彭琳,王仙,等.鹰嘴豆种质资源农艺性状遗传多样性分析.植物遗传资源学报,2015,16(1):64-70.[14]李鸿雁.扁蓿豆种质资源遗传多样性的研究.呼和浩特:内蒙古农业大学,2008.[15]贺晨帮,宗绪晓.豌豆种质资源形态标记遗传多样性分析.植物遗传资源学报,2011,12(1):42-48.[16]赖俊生,江锡兵,龚榜初,等.板栗地方品种质量性状多样性分析.浙江农业科学,2016,57(8):1196-1200.[17]李玉发,梁军,窦忠玉,等.食用向日葵杂交种主要性状与产量间的灰色关联分析.山东农业科学,2011(12):19-21.

Genetic Diversity Analysis and Code Classification Based on DUS Testing in Sunflower

通过对来源于全国各地的253份向日葵种质资源进行相关、回归、遗传多样性分析,为向日葵种质资源开发、利用、评价提供参考;利用2倍标准差法对数量性状进行代码分级,并采用频次分析对代码分级的科学性进行探讨,为向日葵DUS测试[对申请保护的植物新品种进行特异性(distinctness)、一致性(uniformity)和稳定性(stability)的栽培鉴定试验或室内分析测试]指南的修订提供依据。通过相关分析和回归分析发现叶片大小与叶长、叶宽,瘦果大小与瘦果长度、瘦果宽度存在极显著相关关系且存在着一定的线性函数关系。通过性状代码分级和频次分析发现苞叶密度、舌状花密度、叶长、瘦果厚度分级比较少,且数据较为集中,不利于区分不同品种。瘦果长度、瘦果宽度、瘦果大小虽然分级较多,但不符合正态分布,表明代码分级不够科学合理。而主茎叶数、叶宽、叶片大小、花盘直径、株高这些性状数据分布符合正态分布,代码分级较为科学,便于区分不同品种。造成代码分级不合理的主要原因是人工选择的结果,同时也受品种保护意识淡薄、法律法规不完善的影响。This experiment with 253 sunflower germplasm resources from all parts of the country carried correlation, regression, genetic diversity analysis which provided reference for the development, utilization and evaluation of sunflower germplasm resources. The quantitative traits were classified by the method of double standard deviation, and the scientific nature of code classification was discussed by frequency analysis, which laid the basis for the revision of sunflower DUS testing guideline. Through correlation and regression analysis, it was found that the leaf size had a very significant correlation with the leaf length and leaf width, and the seed size had very significant correlation with the seed length and seed width, and there had a certain linear functional relationship between them. According to character code classification and frequency analysis, it was found that the classification of bract density, ligulate flower density, leaf length and seed thickness was relatively small, and the data were relatively concentrated, which was not conducive to distinguishing different varieties. Although seed length, seed width and seed size were classified much, they did not conform to the normal distribution, it showed that the code classification was not scientific and reasonable. However, the data distribution of leaves of main stem, leaf width, leaf size, disc diameter and plant height conformed to the normal distribution, code classification is more scientific and useful to distinguish different varieties. The main reason for the unreasonable code classification is the result of manual selection, which is also affected by poor awareness of variety protection and imperfect laws and regulations.

分享到: