花生種質(zhì)資源品質(zhì)的近紅外分析與評價

李長生 石素華 孫金波 厲廣輝 趙傳志 王興軍 趙術(shù)珍

摘要：本研究利用近紅外光譜分析技術(shù)對291份花生種質(zhì)資源的含油量、蛋白質(zhì)含量、脂肪酸含量、氨基酸含量等多個品質(zhì)性狀進行了分析。結(jié)果表明，不同花生種質(zhì)資源的粗脂肪含量變幅為44.54%～61.17%；油酸含量變幅為29.75%～85.79%；蛋白質(zhì)含量平均為21.78%，最高為31.24%；總氨基酸含量平均為19.28%。利用主成分分析技術(shù)，將18個品質(zhì)性狀綜合成5個主成分因子，分別為蛋白質(zhì)因子、不飽和脂肪酸因子、脯氨酸組氨酸負因子、蘇氨酸負因子及粗脂肪因子，這5個因子反映了原始數(shù)據(jù)信息量的87.648%，可用于花生品質(zhì)的綜合評價。該結(jié)果可為新品種選育中的親本選擇提供有價值的參考，也可為發(fā)掘特異材料或特異基因、開展相關(guān)的遺傳研究提供基礎(chǔ)材料。

關(guān)鍵詞：花生；品質(zhì)性狀；近紅外光譜技術(shù)；主成分分析

中圖分類號：S565.202.4文獻標識號：A文章編號：1001-4942（2018）06-0154-05

Abstract The contents of oil， protein， fatty acids and amino acids of 291 peanut varieties were analyzed using near infra-red spectroscopy in this study. The results showed that the oil content ranged from 44.54%～61.17%； the oleic acid content was from 29.75%～85.79%； the mean and the highest protein content was 21.78% and 31.24%， respectively； the mean content of total amino acids was 19.28%. Principal component analysis indicated that 18 quality traits were integrated into five principal component factors including protein factor， unsaturated fatty acid factor， proline and histidine negative factors， threonine negative factor and crude fat factor. These five factors represented 87.648% of the original data， which could be used for evaluating peanut quality. These results provided important informations for parental selection in breeding program， and laid foundations for exploring special materials or genes to conduct relevant genetics research.

Keywords Peanut；Quality characters； Near infrared spectroscopy； Principal component analysis

花生（Arachis hypogaea L.）是我國重要的油料作物和經(jīng)濟作物。據(jù)統(tǒng)計，2016年花生播種面積470 多萬公頃，產(chǎn)量1 700 多萬噸，在國民經(jīng)濟中占有重要地位。花生種質(zhì)資源是開展花生育種和遺傳改良研究的重要物質(zhì)基礎(chǔ)，對種質(zhì)資源進行評價是合理利用資源的前提和依據(jù)[1，2]。姜慧芳等[3]對收集到的6 390份花生種質(zhì)資源開展了以農(nóng)藝性狀、抗病性、品質(zhì)性狀為基礎(chǔ)的全面系統(tǒng)鑒定評價，為培育抗病、高產(chǎn)等新品種提供了有效信息。近年來，花生生產(chǎn)由單純追求產(chǎn)量向產(chǎn)量、品質(zhì)、效益并重的方向轉(zhuǎn)變。花生的用途也以榨油為主逐漸向食用型、營養(yǎng)保健型以及加工專用型等多元化方向發(fā)展，因此，對花生種質(zhì)資源品質(zhì)的評價是進行花生多元化品種選育的依據(jù)。花生除富含脂肪酸外，還含有大量的蛋白質(zhì)和人體必需的氨基酸[4，5]，以及碳水化合物、多種維生素、微量元素，也含有白藜蘆醇等具有重要保健作用的植物活性物質(zhì) [6-8]，對這些優(yōu)良性狀的評價是進行品質(zhì)育種的基礎(chǔ)。本研究對來自不同地區(qū)的291份花生種質(zhì)資源的莢果和種仁形態(tài)和品質(zhì)性狀作較為系統(tǒng)的研究與評價，以期找出一些具有特殊優(yōu)良性狀的資源，為新品種選育提供優(yōu)異親本，也為發(fā)掘特異材料或特異基因、開展相關(guān)的遺傳研究提供基礎(chǔ)材料。

1 材料與方法

1.1 試驗材料

供試材料選用本實驗室保存的291份花生種質(zhì)資源，其中，包括國內(nèi)各地育成品種、農(nóng)家種以及國外品種。

1.2 儀器設(shè)備和品質(zhì)指標

試驗中采用的近紅外光譜分析儀為波通公司DA7250型近紅外成分測定儀，外部與計算機聯(lián)機。該儀器配有數(shù)據(jù)采集及數(shù)據(jù)分析軟件，提供的數(shù)據(jù)基線涉及花生四類品質(zhì)指標，分別為粗脂肪、蛋白質(zhì)、脂肪酸（油酸、亞油酸、棕櫚酸、硬脂酸、花生酸、山崳酸、24烷酸）和氨基酸（總氨基酸、蘇氨酸、纈氨酸、異亮氨酸、亮氨酸、苯丙氨酸、賴氨酸、組氨酸、脯氨酸）共18個性狀。

1.3 分析方法

所有供試材料于2017年5月2日種植在山東省農(nóng)業(yè)科學(xué)院濟陽試驗基地，適時收獲曬干后將莢果存放在干燥的種子庫，2018年3月人工剝殼后利用DA7250近紅外光譜分析儀進行相關(guān)品質(zhì)測定。測試時，每個品種選取具有代表性的完整無損飽滿種子裝滿樣品杯（圓形，直徑75 mm），并保持待測種子樣品表面的相對平整。為消除樣品的不均勻性，減小誤差，每個樣品重復(fù)測定2次。

1.4 數(shù)據(jù)分析

用Microsoft Excel計算花生資源品質(zhì)性狀的最大值、最小值、平均值、標準差、變異系數(shù)。采用SPSS 19.0軟件進行主成分分析。

2 結(jié)果與分析

2.1 花生種質(zhì)資源莢果和種仁形態(tài)特征

為滿足花生產(chǎn)業(yè)多元化發(fā)展以及機械化收獲的需要，對種質(zhì)資源莢果和種仁形態(tài)的評價顯得非常重要。一方面，將獲得的優(yōu)異資源直接應(yīng)用于生產(chǎn)，另一方面，為新品種選育提供優(yōu)良親本。如油用花生要求大果（百果質(zhì)量160～180 g）、種仁大而飽滿、出仁率高等；食用花生要求莢果為普通型中果、大果，果腰淺，無喙或短喙，果皮硬度和厚度中等；烘烤花生要求種皮最佳為粉紅色，果形細長，果皮相對較厚硬[9]。本研究對291份花生資源的莢果類型、種皮顏色等性狀進行了統(tǒng)計，建立了相應(yīng)的數(shù)據(jù)庫，部分種質(zhì)莢果和種仁性狀見表1。

2.2 近紅外品質(zhì)分析

2.2.1 含油量 由表2可見，291份花生資源的粗脂肪含量平均為54.33%，不同資源間差異較小，變異系數(shù)僅為3.99%。具體來看，如表3所示，高于55.0%的68份資源，占總資源的23.37%，其中高于58.0%的有8份，含油量最高為61.17%，是來源于河南的品種；而低于50.0%的資源有8份（表4），占總數(shù)的2.75%；含油量最低為44.54%，來自美國品種。

2.2.2 蛋白質(zhì)含量 測定結(jié)果顯示，不同種質(zhì)蛋白質(zhì)含量的均值為21.78%，變幅為13.91%～31.24%，變異系數(shù)14.21%。其中，12個品種蛋白質(zhì)含量超過27%（表5），蛋白質(zhì)含量最高為31.24%。從表5中可以看出，這12個品種主要來自中國南部地區(qū)。收集的山東省59個品種中，僅255號蛋白質(zhì)含量最高，為28.56%。

2.2.3 脂肪酸含量 如表2所示，不同種質(zhì)資源平均油酸含量為51.90%，變幅在29.75%～85.79%之間；亞油酸含量的平均值為28.14%，變幅在1.56%～45.35%之間；不同種質(zhì)資源間油酸和亞油酸含量的差異較大，變異系數(shù)分別為30.10%和30.45%。測定的5個飽和脂肪酸中，棕櫚酸含量相對較高，均值9.63%，變幅在3.31%～12.20%之間；硬脂酸含量平均2.06%，變異系數(shù)27.29%；花生酸和24碳烷酸含量較低，均值分別為1.13%和1.22%；山崳酸含量在1.59%～3.01%之間，變異系數(shù)10.80%。

2.2.4 氨基酸含量 所有樣品的總氨基酸含量平均值為19.28%（表2），變幅在12.96%～27.69%之間，變異系數(shù)14.97%，資源間差異較小。測定的8種氨基酸中亮氨酸含量較高，均值為1.38%，變幅在0.94%～1.94%之間；組氨酸含量最低，均值為0.61%，變幅在0.45%～0.88%之間。

2.3 花生品質(zhì)性狀的主成分分析

本研究對供試花生種質(zhì)樣品的主成分分析結(jié)果（表6）表明，前5個主成分特征值都大于1，累計貢獻率87.648%，表明利用這5個主成分可以較好地代替18個品質(zhì)性狀對花生資源進行評價。主成分1反映了原始數(shù)據(jù)信息量的43.239%，其中蛋白質(zhì)、亮氨酸、苯丙氨酸的貢獻率都超過了0.9，稱為蛋白質(zhì)因子。主成分2的貢獻率為21.211%，其中以油酸和亞油酸的特征向量絕對值較大，因而稱為不飽和脂肪酸因子；主成分3以脯氨酸、組氨酸的貢獻率相對較大，且呈負相關(guān)，稱其為脯氨酸組氨酸負因子；主成分4中起決定作用的是蘇氨酸，其貢獻率為-0.795，稱其為蘇氨酸負因子；主成分5主要由粗脂肪含量決定，稱之為粗脂肪因子。從對主成分的分析可以看出，主成分1的分值越大，蛋白質(zhì)含量越高，相應(yīng)的花生營養(yǎng)價值越高；而主成分5的分值較大，其對應(yīng)的粗脂肪含量也較高，這類品種一般用于油用品種選育和榨油。因而，在篩選專用型花生品種時，主成分1和主成分5可以作為一種綜合評價的指標，而主成分2的分值越大油酸含量越高，亞油酸含量越低，可以作為篩選高油酸品質(zhì)的指標。

3 小結(jié)

近紅外光譜分析技術(shù)通過測定波長700～2 500 nm范圍內(nèi)的光譜吸收，對有機成分及含量進行檢測[11]。其優(yōu)點主要有以下幾方面：①適用范圍廣；②高效、快速、便捷；③所測樣品不需要進行提前處理；④無破損等。該技術(shù)在芝麻、大麥、玉米、谷子、水稻、大豆和向日葵中都得到廣泛應(yīng)用[12-17]。近幾年，隨著花生雜交育種目標的多元化，花生品質(zhì)的重要性越來越凸顯。但是常規(guī)的分析測定都是單純針對某一個特定的品質(zhì)性狀進行測定，這存在很多弊端如分析速度慢、準確性不高、需要大量化學(xué)試劑和試驗材料、費時費力等，而近紅外光譜分析技術(shù)可以滿足對花生雜交親本以及后代品質(zhì)指標快速高效地分析評價要求，能加快育種進程，提高育種效率。目前，該技術(shù)在花生中的應(yīng)用也越來越普遍[18-20]。

本研究利用近紅外光譜分析技術(shù)對實驗室保存的291份種質(zhì)資源的粗脂肪、蛋白質(zhì)、脂肪酸、氨基酸等品質(zhì)指標含量進行了測定。結(jié)果表明，不同花生種質(zhì)資源的粗脂肪含量變幅為44.54%～61.17%；油酸含量變幅為29.75%～85.79%；蛋白質(zhì)含量平均為21.78%，最高為31.24%；總氨基酸含量平均為19.28%。利用主成分分析技術(shù)，將18個品質(zhì)性狀綜合成5個主成分因子，分別為蛋白質(zhì)因子、不飽和脂肪酸因子、脯氨酸組氨酸負因子、蘇氨酸負因子及粗脂肪因子，這5個因子反映了原始數(shù)據(jù)信息量的87.648%，可用于花生品質(zhì)的綜合評價。該結(jié)果可為新品種選育中的親本選擇提供有價值的參考，也可為發(fā)掘特異材料或特異基因、開展相關(guān)的遺傳研究提供基礎(chǔ)材料。另外，獲得了高油、高蛋白、低油、高油酸等性狀優(yōu)異的種質(zhì)資源，并對其莢果和種仁特點進行了評價，為種質(zhì)資源的有效利用提供了基礎(chǔ)數(shù)據(jù)。

參 考 文 獻：

[1] 江建華，倪皖莉，管叔琪，等.126 份花生品種主要農(nóng)藝性狀遺傳多樣性分析[J].中國農(nóng)學(xué)通報，2014，30（3）：117-123.

[2] 唐榮華，高國慶，韓柱強.花生種質(zhì)資源數(shù)據(jù)庫建立及應(yīng)用研究[J].中國油料作物學(xué)報，2001，23（2）：70-72.

[3] 姜慧芳，段乃雄，任小平，等. 花生種質(zhì)資源的性狀鑒定及綜合評價進展[J]. 花生科技，1999（增刊）：144-147.

[4] Krishna T G，Pawar S E，Mitra R. Variation and inheritance of the arachin polypeptides of groundnut （Arachis hypogaea L.）[J]. Theoretical and Applied Genetics，1986，73（1）：82-87.

[5] Kaya C， Hamamci C， Baysal A，et al. Methyl ester of peanut （Arachis hypogea L.） seed oil as a potential feedstock for biodiesel production[J]. Renewable Energy，2009，34（5）：1257-1260.

[6] Gorayeb T C C，Casciatori F P， Bianchi V L D，et al. HACCP plan proposal for a typical Brazilian peanut processing company[J]. Food Control，2009，20（7）：671-676.

[7] 林茂，呂建偉，馬天進，等. 花生揮發(fā)性風(fēng)味物質(zhì)研究進展[J]. 食品研究與開發(fā)，2013，34（12）：106-110.

[8] 萬書波，封海勝，王秀貞. 花生營養(yǎng)成分綜合評價與產(chǎn)業(yè)化發(fā)展戰(zhàn)略研究[J]. 花生學(xué)報， 2004（2）：1-6.

[9] 秦利，韓鎖義，劉華. 我國食用花生研究現(xiàn)狀[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（11）：4-7.

[10]唐啟義，馮明光.實用統(tǒng)計分析及其DPS處理系統(tǒng)[M].北京：科學(xué)出版社，2002.

[11]Lim J，Kim G，Mo C，et al. Application of near infrared reflectance spectroscopy for rapid and non-destructive discrimination of hulled barley，naked barley， and wheat contaminated with fusarium[J]. Sensors，2018，18（1）：113.

[12]Kim K S，Park S H，Choung M G. Nondestructive determination of lignans and lignan glycosides in sesame seeds by near infrared reflectance spectroscopy[J]. J. Agric. Food Chem.，2006，54（13）：4544-4550.

[13]Ringsted T，Ramsay J，Jespersen B M，et al. Long wavelength near-infrared transmission spectroscopy of barley seeds using a supercontinuum laser： Prediction of mixed-linkage beta-glucan content[J]. Anal. Chim. Acta，2017，986：101-108.

[14]An D， Cui Y J， Liu X，et al. Effects of varieties， producing areas， ears， and ear positions of single maize kernels on near-infrared spectra for identification and traceability[J]. PLoS One，2016，11（9）：e0161489.

[15]Fox G，Manley M. Applications of single kernel conventional and hyperspectral imaging near infrared spectroscopy in cereals[J]. J. Sci. Food Agric.，2014，94（2）：174-179.

[16]Hacisalihoglu G，Gustin J，Louisma J，et al. Enhanced single seed trait predictions in soybean （Glycine max） and robust calibration model transfer with near-infrared reflectance spectroscopy[J]. J. Agric. Food Chem.，2016，64（5）：1079-1086.

[17]Fassio A，Cozzolino D. Non-destructive prediction of chemical composition in sunflower seeds by near infrared spectroscopy[J]. Ind. Crops Prod.，2004，20（3）：321-329.

[18]Wang C T，Yu S L，Zhang S W，et al. Novel protocol to identify true hybrids in normal oleate×high oleate crosses in peanut[J]. Electronic J. Biotech.，2010，13（5）：18-19.

[19]Oh K，Choung M， Pae S，et al. Determination of seed lipid and protein contents in perilla and peanut by near-infrared reflectance spectroscopy[J]. Korean J. of Crop Sci.，2000，45：339-342.

[20]Zheng T T，Sun T F，Cao Z H，et al. Quality analysis of peanut seed by visible/near-infrared spectra[J].Spectroscopy and Spectral Analysis，2015，35（3）：622-625.