基于不同策略构建辣椒核心种质的研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于不同策略构建辣椒核心种质的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：核心种质的构建为作物种质资源的高效利用提供了便利条件。以420份辣椒（Capsicum annuum L.）种质为试材，采用混合线性模型分析方法无偏地预测11个数量性状的基因型值，利用马氏距离计算种质间的遗传距离，分别采用3种聚类方法（中间距离法、类平均法和离差平方和法）、3种抽样方法（随机抽样法、优先抽样法和偏离度抽样法），按照25%的抽样比率构建辣椒核心种质库，采用均值、方差、极差和变异系数4个指标评价不同方法构建核心种质库的优劣。结果表明，类平均法优于中间距离法和离差平方和法，偏离度抽样法优于随机抽样法和优先抽样法。基于马氏距离、类平均法、偏离度抽样法获取的105份辣椒核心种质资源能够代表原群体的遗传多样性，为辣椒种质资源的高效利用提供了重要的理论依据。
关键词：辣椒（Capsicum annuum L.）；基因型值；核心种质；抽样策略；聚类方法
中图分类号：S641.3 文献标识码：A 文章编号：0439-8114（2016）10-2567-05
DOI：10.14088/ki.issn0439-8114.2016.10.029
Abstract： The construction of crop core germplasms could facilitate the effective utilization of genetic resources. Taking 420 chili pepper（Capsicum annuum L.） germplasms as materials，the genotypic value of 11 quantitative traits was predicted according to mixed linear model analysis method. The genetic distance among germplasms was calculated using Mahalanobis distance based on genotypic value. Core germplasms were constructed by 3 cluster methods （median，UPGMA and ward's method） and 3 sampling strategies（random sampling， preferred sampling and deviation sampling） with 25% sampling ratio. The genetic variation between core germplasms and initial germplasms was compared through evaluating the mean， variance， range and coefficient of variation. The results showed that UPGMA was better than median and ward's method； while deviation sampling was better than preferred sampling and random sampling. 105 core germplasms obtained based on Mahalanobis distance， UPGMA and deviation sampling， could represent the genetic diversity of initial germplasms adequately. This study could provide important theoretical basis for efficient utilization of chili pepper germplasms.
Key words： chili pepper（Capsicum annuum L.）； genotypic value； core germplasms； sampling strategy； cluster method
辣椒（Capsicum annuum L.）原产于南美洲[1]，因其适应性强，现在已广泛栽培于世界各地。大量研究表明，辣椒果实中含有丰富的维生素C[2]、维生素A[3]和类胡萝卜素[4]，并且辣椒中的辣椒素类物质具有缓解疼痛[5]、消炎[6]、预防记忆衰退[7]、促消化[8]、抗肿瘤[9]等功效。所以在蔬菜种类产量方面，辣椒仅次于番茄，位居第二[10]，属于高产蔬菜。
种质资源是作物新品种选育和种质创新的重要物质基础。在作物种质资源的收集过程中，由于不够系统，各类样品的遗传多样性状况不均衡[11]。另外，随着种质资源的不断收集和积累，种质资源库变得越来越大；面对巨大的种质资源数量，不仅保存困难，而且很难对其进行深入细致地研究并加以有效利用。为解决这一问题，Frankel等[12]提出并与Browna[13]完善了核心种质的概念。核心种质的提出，为种质资源的研究和利用提供了新的途径。1992年在巴西召开的核心种质国际会议对核心种质的概念、核心种质的构建步骤以及今后的研究方向进行了讨论[14]。近年来，核心种质研究蓬勃发展，先后对菜豆[15]、玉米[16]、花生[17]、杏[18]、大豆[19]、木薯[20]等多种作物构建了核心种质库，但辣椒核心种质的研究鲜有报道。辣椒的许多植物学性状属于数量性状，易受环境条件的影响，单纯依靠性状的表型值评估种质间的遗传差异具有相当的误差；准确度量不同材料间的遗传相似程度以及高效的抽样方法是构建核心种质的关键所在。为此，课题组采用混合线性模型预测性状的基因型效应值，比较不同聚类方法和抽样方法构建核心种质的效果，从而有效构建辣椒核心种质，以期为辣椒种质资源的高效利用和优良新品种选育提供理论依据。
1 材料与方法
1.1 材料和性状基因型值预测
试验在中国热带农业科学院热带作物品种资源研究所试验基地进行，将420份辣椒种质资源（主要为牛角椒、羊角椒和线椒）按田间行列编号顺序种植，以一定间隔穿插对照，用对照控制田间不同位置的差异，连续进行3年试验。在试验过程中，参考文献[21]分别调查株高（A，cm；A为性状代码，cm为度量单位，后同）、株幅（B，cm）、叶片长（C，cm）、叶片宽（D，cm）、叶柄长（E，cm）、首花节位（F）、果实纵径（G，cm）、果实M径（H，cm）、果柄长（I，cm）、果肉厚（J，cm）、单果重（K，g）等11个性状的表型值。表型值可分解为基因型效应、基因型与环境互作效应、环境效应、环境内的行效应、环境内的列效应以及随机误差等分量[22]，采用朱军[23]提出的混合线性模型，基于调整无偏预测法无偏预测性状的基因型效应值用于分析。
1.2 遗传距离计算与聚类分析
采用马氏距离基于性状基因型效应值计算不同辣椒种质间的遗传距离[24]。基于种质间的遗传距离分别利用中间距离法、离差平方和法和类平均法进行聚类分析[25]。
1.3 抽样与核心种质遗传变异评价
采用随机抽样法[26]、优先抽样法[27]、偏离度抽样法[28]基于25%的抽样比率构建核心种质库。采用均值、方差、极差和变异系数4个指标来评价核心资源库的优劣，通过F测验进行方差的差异性分析，通过t测验进行均值的差异性分析。
2 结果与分析
2.1 3种聚类方法构建辣椒核心种质的效果比较
采用马氏距离、偏离度抽样法和25%的抽样比率，分别基于3种不同的系统聚类方法（中间距离法、类平均法和离差平方和法）构建辣椒核心种质，得到不同聚类方法构建的辣椒核心种质与原群体间遗传变异的比较情况，具体见表1。从表1分析可见，利用中间距离法、离差平方和法和类平均法构建的核心种质的均值与原群体没有显著差异（P>0.05）。利用类平均法构建的核心种质，所有11个性状的方差显著地高于原群体的方差（P
2.2 3种抽样方法构建辣椒核心种质的效果比较
采用马氏距离、类平均法和25%的抽样比率，分别基于3种抽样方法（随机抽样法、优先抽样法和偏离度抽样法）构建核心种质，得到不同抽样方法构建的辣椒核心种质与原群体间遗传变异的比较情况，具体见表2。从表2可见，利用随机抽样法、优先抽样法和偏离度抽样法构建的核心种质的均值与原群体没有显著差异（P>0.05）。3种抽样方法构建的核心种质所有11个性状的方差均不小于原群体。利用偏离度抽样法构建的核心种质，有10个性状的方差大于随机抽样法和优先抽样法，其中9个性状的方差与原群体的差异达到了极显著水平（P
2.3 辣椒核心种质的构建
采用马氏距离、类平均法、偏离度抽样法和25%的抽样比率构建辣椒核心种质，结果见表3。分析表3可见，核心种质的均值与原群体没有显著差异（P>0.05）。所有11个性状的方差均大于原群体，其中有9个性状的方差与原群体的差异达到了极显著水平（P
3 讨论
作物种质资源内蕴含着极其丰富的遗传变异，是农业生产和育种工作的物质基础[29]；核心种质是种质资源的核心子集，其以最少数量的资源最大限度地保存了原群体的遗传多样性信息[13]，所以核心种质的构建可以有效提高整个种质库的管理和利用水平。由于数量性状表型值不仅受基因型控制，还受环境条件的影响，单纯依靠表型值度量不同材料间的遗传差异存在一定的误差。为了排除环境条件、基因型与环境互作对性状表型的影响，准确度量材料间的遗传差异，试验采用混合线性模型分析方法无偏预测辣椒种质性状表型的基因型值，结果显示，基于基因型值计算辣椒种质材料间的遗传距离更具可靠性。
为确保核心种质库能够保存原群体的遗传结构，首先要对原群体进行遗传分类。聚类分析是一种重要的遗传分类工具[30]。试验比较了中间距离法、离差平方和法和类平均法3种聚类方法构建的辣椒核心种质的优劣。分析结果表明，采用类平均法进行聚类分析构建的辣椒核心种质能极显著地增加性状的方差和变异系数，能使核心种质的方差和变异系数最大化，优于中间距离法和离差平方和法，是构建核心种质较好的系统聚类方法。
抽样是构建核心种质的另一个重要环节，不同的抽样方法直接影响核心种质库的优劣。优先抽样法首先找出各性状的最大值和最小值优先保留，其余核心材料通过多次聚类随机取样[27]。偏离度抽样法是先将所有基因型进行系统聚类，分别计算类群内的各基因型相对于群体的标准偏离度，根据偏离度从大到小选取核心材料[28]。试验比较了随机抽样法、优先抽样法和偏离度抽样法构建的辣椒核心种质的优劣，通过对方差和变异系数进行比较后发现，偏离度抽样法构建的核心种质其方差和变异系数均大于随机抽样法和优先抽样法。
核心种质应能代表原群体的遗传多样性。Diwan等[31]认为，若满足以下条件：70%以上的性状其均值及极差与原群体的均值与极差无显著性差异，核心库与原群体的变异幅度之比高于70%，则可认为此核心库代表了原群体的遗传变异。本试验采用马氏距离、类平均法和偏离度抽样法构建的辣椒核心种质，其均值与原群体没有显著差异，11个性状的方差均大于原群体，核心库11个性状的极差与原群体的极差之比均高于90%，11个性状的变异系数均高于原群体。以上分析结果表明，获取的105份核心种质资源能够代表原群体的遗传多样性。
参考文献：
[1] BARCHI L，BONNET J，BOUDET C，et al. A high-resolution， intraspecific linkage map of pepper （Capsicum annuum L.） and selection of reduced recombinant inbred line subsets for fast mapping[J].Genome，2007，50（1）：51-60.
[2] VANDERSLICE J T，HIGGS D J，HAYES J M，et al.Ascorbic acid and dehydroascorbic acid content of food-aseaten[J].J Food Compos Anal，1990，3：105-118.
[3] MEJIA L A，HUDSON E，DEMEJIA E G，et al. Carotenoid content and vitamin-A activity of some common cultivars of Mexican peppers（Capsicum annuum） as determined by HPLC[J]. J Food Sci，1998，53（5）：1448-1451.
[4] HA S H， KIM J B， PARK J S， et al. A comparison of the carotenoid accumulation in Capsicum varieties that show different ripening colours：Deletion of the capsanthin-capsorubin synthase gene is not a prerequisite for the formation of a yellow pepper[J].J Exp Bot，2007，58（12）：3135-3144.
[5] ANAND P， BLEY K. Topical capsaicin for pain management： Therapeutic potential and mechanisms of action of the new high-concentration capsaicin 8% patch[J]. Br J Anaesth，2011， 107：490-502.
[6] FRAENKEL L，BOGARDUS S T J，CONCATO J，et al.Treatment options in knee osteoarthritis：The patient's perspective[J].Arch Intern Med，2004，164（12）：1299-1304.
[7] YANG H J， KWON D Y， KIM M J， et al. Red peppers with moderate and severe pungency prevent the memory deficit and hepatic insulin resistance in diabetic rats with Alzheimer's disease[J].Nutr Metab （Lond），2015，12： 9-14.
[8] PRAKASH U N S，SRINIVASAN K. Fat digestion and absorption in spice pretreated rats[J]. J Sci Food Agri，2012，92： 503-510.
[9] ANANDAKUMAR P，KAMARAJ S， JAGAN S，et al. Capsaicin inhibits benzo （a） pyrene-induced lung carcinogenesis in an in vivo mouse model[J].Inflamm Res，2012，61：1169-1175.
[10] HEIDMANN I，DE LANGE B，LAMBALK J，et al. Efficient sweet pepper transformation mediated by the baby boom transcription factor[J].Plant Cell Rep，2011，30（6）：1107-1115.
[11] 李长涛，石春海，吴建国，等.利用基因型值构建水稻核心种质的方法研究[J].中国水稻科学，2004，18（3）：218-222.
[12] FRANKEL O H，BROWNA H D.Current plant genetic resources――a critical appraisal. In：Genetics：New Frontiers （IV）[M].New Delhi，India： Oxford and IBH Publishing，1984.
[13] BROWNA H D. Core collection：A practical approach to genetic resources management[J].Genome，1989，31：818-824.
[14] 李自超，张洪亮，孙传清，等.植物遗传资源核心种质研究现状与展望[J].中国农业大学学报，1999，4（5）：51-62.
[15] BLAIR M W，DIAZ L M，BUENDIA H F， et al. Genetic diversity，seed size associations and population structure of a core collection of common beans （Phaseolus vulgaris L.）[J]. Theor Appl Genet，2009，119（6）：955-972.
[16] COIMBRA R R，MIRANDA G V，CRUZ C D，et al. Development of a Brazilian maize core collection[J].Genet Mol Biol， 2009，32（3）：538-545.
[17] WANG M L， SUKUMARAN S， BARKLEY N A， et al. Population structure and marker-trait association analysis of the US peanut（Arachis hypogaea L.） minicore collection[J]. Theor Appl Genet，2011，123（8）：1307-1317.
[18] KRICHEN L，AUDERGON J M，TRIFI-FARAH N.Relative efficiency of morphological characters and molecular markers in the establishment of an apricot core collection[J].Hereditas，2012，149（5）：163-172.
[19] KAGA A，SHIMIZU T，WATANABE S，et al. Evaluation of soybean germplasm conserved in NIAS genebank and development of mini core collections[J].Breed Sci，2012，61（5）：566-592.
[20] OLIVEIRA E J，FERREIRA C F，SANTOS V S，et al. Development of a cassava core collection based on single nucleotide polymorphism markers[J].Genet Mol Res，2014，13（3）：6472-6485.
[21] 张宝玺，李锡香.辣椒种质资源描述规范和数据标准[M].北京：中国农业出版社，2006.
[22] HU J，ZHU J，XU H M.Methods of constructing core collection by stepwise cluster with three sampling strategies based on genotypic values of crops[J].Theor Appl Genet，2000，101：264-268.
[23] 朱 军. 作物杂种后代基因型值和杂种优势的预测方法[J].生物数学学报，1993，8（1）：32-44.
[24] MAHALANOBIS P C. On the generalized distance in statistics [J].Proc Natl Inst Sci India，1936，2（1）：49-55.
[25] 裴鑫德.多元统计分析及其应用[M].北京：北京农业大学出版社，1991.
[26] 胡 晋，徐海明，朱 军.基因型值多次聚类法构建作物种质资源核心库[J].生物数学学报，2000，15（l）：103-109.
[27] 胡 晋，徐海明，朱 军.保留特殊种质材料的核心库构建方法[J].生物数学学报，2001，16（3）：348-352.
[28] 徐海明，胡 晋，朱 军.构建作物种质资源核心库的一种有效抽样方法[J].作物学报，2000，26（2）：157-162.
[29] 朱岩芳，祝水金，李永平，等.ISSR分子标记技术在植物种质资源研究中的应用[J].种子，2010，29（2）：55-59.
[30] PEETERS J P，MARTINELLI J A. Hierarchical cluster analysis as a tool to manage variation in germplasm collections[J].Theor Appl Genet，1989，78（1）：42-48.
[31] DIWAN N，MCINTOSH M S，BAUCHAN G R. Methods of developing a core collection of annual Medicago species[J]. Theor Appl Genet，1995，90（6）：755-761.