基于不同策略構建辣椒核心種質的研究

摘要：核心種質的構建為作物種質資源的高效利用提供了便利條件。以420份辣椒（Capsicum annuum L.）種質為試材，采用混合線性模型分析方法無偏地預測11個數量性狀的基因型值，利用馬氏距離計算種質間的遺傳距離，分別采用3種聚類方法（中間距離法、類平均法和離差平方和法）、3種抽樣方法（隨機抽樣法、優先抽樣法和偏離度抽樣法），按照25%的抽樣比率構建辣椒核心種質庫，采用均值、方差、極差和變異系數4個指標評價不同方法構建核心種質庫的優劣。結果表明，類平均法優于中間距離法和離差平方和法，偏離度抽樣法優于隨機抽樣法和優先抽樣法?；隈R氏距離、類平均法、偏離度抽樣法獲取的105份辣椒核心種質資源能夠代表原群體的遺傳多樣性，為辣椒種質資源的高效利用提供了重要的理論依據。

關鍵詞：辣椒（Capsicum annuum L.）；基因型值；核心種質；抽樣策略；聚類方法

中圖分類號：S641.3 文獻標識碼：A 文章編號：0439-8114（2016）10-2567-05

DOI：10.14088/j.cnki.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.）原產于南美洲[1]，因其適應性強，現在已廣泛栽培于世界各地。大量研究表明，辣椒果實中含有豐富的維生素C[2]、維生素A[3]和類胡蘿卜素[4]，并且辣椒中的辣椒素類物質具有緩解疼痛[5]、消炎[6]、預防記憶衰退[7]、促消化[8]、抗腫瘤[9]等功效。所以在蔬菜種類產量方面，辣椒僅次于番茄，位居第二[10]，屬于高產蔬菜。

種質資源是作物新品種選育和種質創新的重要物質基礎。在作物種質資源的收集過程中，由于不夠系統，各類樣品的遺傳多樣性狀況不均衡[11]。另外，隨著種質資源的不斷收集和積累，種質資源庫變得越來越大；面對巨大的種質資源數量，不僅保存困難，而且很難對其進行深入細致地研究并加以有效利用。為解決這一問題，Frankel等[12]提出并與Browna[13]完善了核心種質的概念。核心種質的提出，為種質資源的研究和利用提供了新的途徑。1992年在巴西召開的核心種質國際會議對核心種質的概念、核心種質的構建步驟以及今后的研究方向進行了討論[14]。近年來，核心種質研究蓬勃發展，先后對菜豆[15]、玉米[16]、花生[17]、杏[18]、大豆[19]、木薯[20]等多種作物構建了核心種質庫，但辣椒核心種質的研究鮮有報道。辣椒的許多植物學性狀屬于數量性狀，易受環境條件的影響，單純依靠性狀的表型值評估種質間的遺傳差異具有相當的誤差；準確度量不同材料間的遺傳相似程度以及高效的抽樣方法是構建核心種質的關鍵所在。為此，課題組采用混合線性模型預測性狀的基因型效應值，比較不同聚類方法和抽樣方法構建核心種質的效果，從而有效構建辣椒核心種質，以期為辣椒種質資源的高效利用和優良新品種選育提供理論依據。

1 材料與方法

1.1 材料和性狀基因型值預測

試驗在中國熱帶農業科學院熱帶作物品種資源研究所試驗基地進行，將420份辣椒種質資源（主要為牛角椒、羊角椒和線椒）按田間行列編號順序種植，以一定間隔穿插對照，用對照控制田間不同位置的差異，連續進行3年試驗。在試驗過程中，參考文獻[21]分別調查株高（A，cm；A為性狀代碼，cm為度量單位，后同）、株幅（B，cm）、葉片長（C，cm）、葉片寬（D，cm）、葉柄長（E，cm）、首花節位（F）、果實縱徑（G，cm）、果實橫徑（H，cm）、果柄長（I，cm）、果肉厚（J，cm）、單果重（K，g）等11個性狀的表型值。表型值可分解為基因型效應、基因型與環境互作效應、環境效應、環境內的行效應、環境內的列效應以及隨機誤差等分量[22]，采用朱軍[23]提出的混合線性模型，基于調整無偏預測法無偏預測性狀的基因型效應值用于分析。

1.2 遺傳距離計算與聚類分析

采用馬氏距離基于性狀基因型效應值計算不同辣椒種質間的遺傳距離[24]。基于種質間的遺傳距離分別利用中間距離法、離差平方和法和類平均法進行聚類分析[25]。

1.3 抽樣與核心種質遺傳變異評價

采用隨機抽樣法[26]、優先抽樣法[27]、偏離度抽樣法[28]基于25%的抽樣比率構建核心種質庫。采用均值、方差、極差和變異系數4個指標來評價核心資源庫的優劣，通過F測驗進行方差的差異性分析，通過t測驗進行均值的差異性分析。

2 結果與分析

2.1 3種聚類方法構建辣椒核心種質的效果比較

采用馬氏距離、偏離度抽樣法和25%的抽樣比率，分別基于3種不同的系統聚類方法（中間距離法、類平均法和離差平方和法）構建辣椒核心種質，得到不同聚類方法構建的辣椒核心種質與原群體間遺傳變異的比較情況，具體見表1。從表1分析可見，利用中間距離法、離差平方和法和類平均法構建的核心種質的均值與原群體沒有顯著差異（P>0.05）。利用類平均法構建的核心種質，所有11個性狀的方差顯著地高于原群體的方差（P<0.05），其中有9個性狀與原群體的差異達到了極顯著水平（P<0.01），并且有9個性狀的方差高于中間距離法和離差平方和法。利用離差平方和法構建的核心種質，有6個性狀的方差高于中間距離法。采用類平均法和離差平方和法構建的核心種質，其極差基本與原群體一致，僅葉片長和果柄長稍低于原群體，類平均法的首花節位極差也稍低于原群體。中間距離法有7個性狀保留了原群體的極差，葉柄長性狀的極差遠遠小于原群體，葉片長、首花節位、果柄長稍低于原群體。3種聚類方法構建的核心種質其所有11個性狀的變異系數均高于原群體，采用類平均法構建的核心種質有7個性狀的變異系數高于中間距離法，有6個性狀的變異系數高于離差平方和法。因此，采用類平均法能使核心種質的方差最大化，變異系數也得到最大的提高，其后依次為離差平方和法、中間距離法。

2.2 3種抽樣方法構建辣椒核心種質的效果比較

采用馬氏距離、類平均法和25%的抽樣比率，分別基于3種抽樣方法（隨機抽樣法、優先抽樣法和偏離度抽樣法）構建核心種質，得到不同抽樣方法構建的辣椒核心種質與原群體間遺傳變異的比較情況，具體見表2。從表2可見，利用隨機抽樣法、優先抽樣法和偏離度抽樣法構建的核心種質的均值與原群體沒有顯著差異（P>0.05）。3種抽樣方法構建的核心種質所有11個性狀的方差均不小于原群體。利用偏離度抽樣法構建的核心種質，有10個性狀的方差大于隨機抽樣法和優先抽樣法，其中9個性狀的方差與原群體的差異達到了極顯著水平（P<0.01），2個性狀的方差與原群體的差異達到了顯著水平（P<0.05）。利用優先抽樣法構建的核心種質，有8個性狀的方差高于隨機抽樣法。采用優先抽樣法構建的核心種質保存了原群體的變異幅度，偏離度抽樣法也基本上保存了原群體的變異幅度，僅葉片長、首花節位和果柄長3個性狀的極差稍小于原群體；隨機抽樣法構建的核心種質，果實縱徑、果實橫徑和單果重3個性狀的極差遠遠小于原群體。3種抽樣法構建的核心種質11個性狀的變異系數均高于原群體。采用偏離度抽樣法構建的核心種質，有10個性狀的變異系數高于優先抽樣法，優先抽樣法構建的核心種質有7個性狀的變異系數高于隨機抽樣法。以上分析表明，采用類平均法進行多次聚類構建核心種質時，偏離度抽樣法構建的核心種質具有相對較大的遺傳變異，其次為優先抽樣法和隨機抽樣法。

2.3 辣椒核心種質的構建

采用馬氏距離、類平均法、偏離度抽樣法和25%的抽樣比率構建辣椒核心種質，結果見表3。分析表3可見，核心種質的均值與原群體沒有顯著差異（P>0.05）。所有11個性狀的方差均大于原群體，其中有9個性狀的方差與原群體的差異達到了極顯著水平（P<0.01），有2個性狀的方差與原群體的差異達到了顯著水平（P<0.05）。有8個性狀保持了原群體的極差，另外3個性狀的極差略低于原群體。核心種質所有11個性狀的變異系數均高于原群體。獲取的105份核心資源能夠代表原群體的遺傳多樣性。

3 討論

作物種質資源內蘊含著極其豐富的遺傳變異，是農業生產和育種工作的物質基礎[29]；核心種質是種質資源的核心子集，其以最少數量的資源最大限度地保存了原群體的遺傳多樣性信息[13]，所以核心種質的構建可以有效提高整個種質庫的管理和利用水平。由于數量性狀表型值不僅受基因型控制，還受環境條件的影響，單純依靠表型值度量不同材料間的遺傳差異存在一定的誤差。為了排除環境條件、基因型與環境互作對性狀表型的影響，準確度量材料間的遺傳差異，試驗采用混合線性模型分析方法無偏預測辣椒種質性狀表型的基因型值，結果顯示，基于基因型值計算辣椒種質材料間的遺傳距離更具可靠性。

為確保核心種質庫能夠保存原群體的遺傳結構，首先要對原群體進行遺傳分類。聚類分析是一種重要的遺傳分類工具[30]。試驗比較了中間距離法、離差平方和法和類平均法3種聚類方法構建的辣椒核心種質的優劣。分析結果表明，采用類平均法進行聚類分析構建的辣椒核心種質能極顯著地增加性狀的方差和變異系數，能使核心種質的方差和變異系數最大化，優于中間距離法和離差平方和法，是構建核心種質較好的系統聚類方法。

抽樣是構建核心種質的另一個重要環節，不同的抽樣方法直接影響核心種質庫的優劣。優先抽樣法首先找出各性狀的最大值和最小值優先保留，其余核心材料通過多次聚類隨機取樣[27]。偏離度抽樣法是先將所有基因型進行系統聚類，分別計算類群內的各基因型相對于群體的標準偏離度，根據偏離度從大到小選取核心材料[28]。試驗比較了隨機抽樣法、優先抽樣法和偏離度抽樣法構建的辣椒核心種質的優劣，通過對方差和變異系數進行比較后發現，偏離度抽樣法構建的核心種質其方差和變異系數均大于隨機抽樣法和優先抽樣法。

核心種質應能代表原群體的遺傳多樣性。Diwan等[31]認為，若滿足以下條件：70%以上的性狀其均值及極差與原群體的均值與極差無顯著性差異，核心庫與原群體的變異幅度之比高于70%，則可認為此核心庫代表了原群體的遺傳變異。本試驗采用馬氏距離、類平均法和偏離度抽樣法構建的辣椒核心種質，其均值與原群體沒有顯著差異，11個性狀的方差均大于原群體，核心庫11個性狀的極差與原群體的極差之比均高于90%，11個性狀的變異系數均高于原群體。以上分析結果表明，獲取的105份核心種質資源能夠代表原群體的遺傳多樣性。

參考文獻：

[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] 李長濤，石春海，吳建國，等.利用基因型值構建水稻核心種質的方法研究[J].中國水稻科學，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，張洪亮，孫傳清，等.植物遺傳資源核心種質研究現狀與展望[J].中國農業大學學報，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] 張寶璽，李錫香.辣椒種質資源描述規范和數據標準[M].北京：中國農業出版社，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 軍. 作物雜種后代基因型值和雜種優勢的預測方法[J].生物數學學報，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.多元統計分析及其應用[M].北京：北京農業大學出版社，1991.

[26] 胡 晉，徐海明，朱 軍.基因型值多次聚類法構建作物種質資源核心庫[J].生物數學學報，2000，15（l）：103-109.

[27] 胡 晉，徐海明，朱 軍.保留特殊種質材料的核心庫構建方法[J].生物數學學報，2001，16（3）：348-352.

[28] 徐海明，胡 晉，朱 軍.構建作物種質資源核心庫的一種有效抽樣方法[J].作物學報，2000，26（2）：157-162.

[29] 朱巖芳，祝水金，李永平，等.ISSR分子標記技術在植物種質資源研究中的應用[J].種子，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.