CN108776821B - 一种利用植物表型性状筛选抗逆资源的方法 - Google Patents
一种利用植物表型性状筛选抗逆资源的方法 Download PDFInfo
- Publication number
- CN108776821B CN108776821B CN201810621608.4A CN201810621608A CN108776821B CN 108776821 B CN108776821 B CN 108776821B CN 201810621608 A CN201810621608 A CN 201810621608A CN 108776821 B CN108776821 B CN 108776821B
- Authority
- CN
- China
- Prior art keywords
- stress resistance
- phenotypic
- physiological
- plant
- characters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明涉及一种利用植物表型性状筛选抗逆资源的方法,涉及抗逆育种技术领域。本发明以筛选植物抗逆性资源为目标,结合生理生化指标检测,通过大量表型性状的聚类分析,将不同抗逆性植物资源分为几大类,采用主成分分析法确定影响聚类分析结果的主要表型性状,通过对已筛选出的表型性状与生理生化指标进行相关性分析,最终筛选出与植物抗逆性理化指标存在相关性的表型性状,进而实现通过植物表型性状筛选抗逆资源。本发明提供的筛选方法具有无损、快速、高效、低廉、直观的显著特点。
Description
技术领域
本发明涉及抗逆育种技术领域,具体涉及一种利用植物表型性状筛选抗逆资源的方法。
背景技术
自19世纪末孟德尔提出遗传规律以来,到20世纪中叶遗传育种理论得到空前发展,开辟了以杂交育种为主的作物育种途径。进入生理生化、分子育种阶段后,仍以亲本目标性状改良为主,并未跳出杂交育种的主线。随着人们生活水平的提高,消费需求的不断提升和作物栽培模式多样化,以蔬菜生产周年化为例,不断出现的逆境环境(包括低温、高温、旱涝、盐碱化等)对作物的生长产生了巨大影响,如何选育抗逆性品种成为杂交育种的另一主要方向。
20世纪八九十年代,抗逆育种研究重点进行了生理生化检测指标的筛选与鉴定,最终确定了高低温、盐碱化条件下作物本身的应激性变化指标,包括:脯胺酸含量、可溶性蛋白含量、可溶性糖含量、甘氨酸甜菜碱含量、质膜通透性(电导率)、抗氧化酶含量(POD、SOD)、丙二醛含量为检测植物抗逆性的主要理化指标。进入分子生物学时代以后,植物的抗逆性研究深入到控制上述理化指标发生的基因定位,通过QTL定位了水稻、小麦、玉米、萝卜、大白菜、黄瓜、番茄等作物的不同数量性状的相关基因,并正进行基因干预、编辑、翻译、表达的相关研究。当前筛选植物抗逆性种质资源的筛选,仍以生理生化指标检测和QTL基因定位为手段。生理生化、分子水平的检测在抗逆性植物资源筛选的过程中发挥了巨大的作用,为其精确定位、定向改造创造了可能。但是受种质资源群体大的影响,筛选目标性状植物资源利用生理生化和分子检测存在以下的问题:检测相关指标首先需要人为创造逆境条件,需要的辅助设施、设备多而复杂,人员管理水平要求高;检测过程需要对植物的植株进行破坏性取样,如叶片摘除等;检测大样本群体时,取样与检测任务量大,结果延迟性明显、效率较低;检测手段精细,对操作员要求高,稍有疏忽易导致检测结果无效或误判;费用昂贵,药品、试验仪器设备的需求量大,成本高;实验结果直观性差等。目前缺乏一种高效的抗逆育种方法。
发明内容
本发明的目的在于提供一种利用植物表型性状筛选抗逆资源的方法。本发明提供的筛选方法具有无损、快速、高效、低廉、直观的显著特点。
本发明提供了一种通过植物表型性状筛选目标抗逆性资源的方法,包括以下步骤:
1)采集植物资源的表型性状数据;
2)对步骤1)所述表型性状数据进行整理,筛选出描述性表型性状数据和数值型表型性状数据;
3)将所述描述性表型性状数据进行数值化处理,得到数值化表型性状数据;
4)将步骤2)中的数值型表型性状数据和步骤3)得到的数值化表型性状数据进行表型性状的聚类分析,得到聚类分析结果;
5)检测在逆境胁迫下种植的植物资源的植株样本的生理生化指标,得到生理生化检测结果;
6)根据步骤5)得到的生理生化检测结果,对植物资源进行抗逆性排序,得到抗逆性排序结果;判定各个植物资源的抗逆性能,确定抗逆性标样资源;
7)将步骤4)得到的聚类分析结果和步骤6)得到的抗逆性排序结果进行吻合性比对;
8)对影响步骤4)聚类分析结果的表型性状进行主成分分析,筛选出影响聚类分析结果的主要表型性状;
9)当步骤7)进行吻合性比对一次性吻合后,将步骤8)筛选出的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
10)当步骤7)进行吻合性比对后不吻合时,调整步骤8)筛选出的主要表型性状,重新确定新的步骤1)中的表型性状后再重复步骤1)~4),将重复得到的聚类分析结果与步骤6)得到的抗逆性排序结果重新进行吻合性比对,直至主要表型性状与抗逆性排序结果相吻合;
11)将步骤10)吻合后对应的聚类分析结果进行主成分分析,筛选出影响聚类分析结果的吻合后的主要表型性状;
12)将步骤11)吻合后的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
13)当步骤9)或步骤12)筛选出的单一目标表型性状指标与生理生化检测结果相关系数大于0.8时,此单一目标表型性状指标能够用于植物资源的抗逆性判定,为与抗逆性相关的单一表型性状;
14)以步骤13)筛选出的与抗逆性相关的单一表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,直接通过与抗逆性相关的单一表型性状筛选目标抗逆性资源;
15)当步骤9)或步骤12)筛选出的多个目标表型性状累加后与生理生化检测结果相关系数大于0.4时,所述多个目标表型性状为与抗逆性相关的多个表型性状;
16)以步骤15)筛选出的与抗逆性相关的多个表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,采集待检测资源的与抗逆性相关的多个表型性状对应的数据,与步骤6)获得的抗逆性标样资源相同的表型性状的数据进行聚类分析,与抗逆性标样资源聚类距离近的为目标抗逆性资源。
所述步骤5)与所述步骤1)~4)没有时间先后顺序的限定;
所述步骤10)与所述步骤8)和9)没有时间先后顺序的限定;
所述步骤15)与所述步骤14)没有时间先后顺序的限定。
优选的是,步骤1)中所述植物资源为正常生长条件下的植物资源。
优选的是,步骤1)中所述表型性状包括子叶形状、子叶缺刻、下胚轴长度、株高、叶片绒毛、叶色、叶面绒毛、叶缘、始花期、叶面积、果实大小和重量中的一种或多种。
优选的是,步骤3)中所述数值化处理的方法包括设定相对值或设定代码。
优选的是,步骤5)所述生理生化检测的指标包括脯胺酸含量、可溶性糖含量、可溶性蛋白含量、抗氧化酶测定、电导率和丙二醛含量中的一种或多种。
优选的是,步骤5)所述植株样本包括叶片、果实、茎秆、根系。
优选的是,步骤6)所述抗逆性排序的方法为:依据一个或多个生理生化指标的生理生化检测结果数值高低进行排序,与抗逆性正相关的生理生化指标按由高到低排序,与抗逆性负相关的生理生化指标按照由低到高进行排序。
优选的是,步骤6)所述抗逆性标样资源的获取方法为:根据生理生化检测结果,获得与抗逆性正相关指标最高或与抗逆性负相关指标最低的资源,为抗逆性标样资源。
本发明还提供了黄瓜表型性状第一雌花节位和连续坐果力在筛选耐低温黄瓜资源中的应用。
优选的是,第一雌花节位越低,黄瓜的低温耐性越强;连续坐果力越强,黄瓜的低温耐性越强。
本发明提供了一种利用植物表型性状筛选抗逆资源的方法。本发明通过一次性实验,就能筛选确定与植物资源抗逆性相关的表型性状,在植株正常生长的状态下,通过特定的外在表现性状数据采集,通过聚类分析,快速筛选出目标抗逆性资源。本发明提供的方法具有无损、快速、高效、低廉、直观的显著特点。
附图说明
图1为本发明提供的描述性表型性状数值化转换示例图;
图2为本发明提供的筛选方法技术路线流程图;
图3为本发明实施例2提供的不同黄瓜资源样本耐低温性能力聚类分析;
图4为本发明实施例2提供的黄瓜叶面积、脯胺酸含量、MDA含量、电导率、POD活性曲线图;
图5为本发明实施例2提供的聚类分析黄瓜资源耐低温材料筛选示意图。
具体实施方式
本发明提供了一种通过植物表型性状筛选目标抗逆性资源的方法,包括以下步骤:
1)采集植物资源的表型性状数据;
2)对步骤1)所述表型性状数据进行整理,筛选出描述性表型性状数据和数值型表型性状数据;
3)将所述描述性表型性状数据进行数值化处理,得到数值化表型性状数据;
4)将步骤2)中的数值型表型性状数据和步骤3)得到的数值化表型性状数据进行表型性状的聚类分析,得到聚类分析结果;
5)检测在逆境胁迫下种植的植物资源的植株样本的生理生化指标,得到生理生化检测结果;
6)根据步骤5)得到的生理生化检测结果,对植物资源进行抗逆性排序,得到抗逆性排序结果;判定各个植物资源的抗逆性能,确定抗逆性标样资源;
7)将步骤4)得到的聚类分析结果和步骤6)得到的抗逆性排序结果进行吻合性比对;
8)对影响步骤4)聚类分析结果的表型性状进行主成分分析,筛选出影响聚类分析结果的主要表型性状;
9)当步骤7)进行吻合性比对一次性吻合后,将步骤8)筛选出的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
10)当步骤7)进行吻合性比对后不吻合时,调整步骤8)筛选出的主要表型性状,重新确定新的步骤1)中的表型性状后再重复步骤1)~4),将重复得到的聚类分析结果与步骤6)得到的抗逆性排序结果重新进行吻合性比对,直至主要表型性状与抗逆性排序结果相吻合;
11)将步骤10)吻合后对应的聚类分析结果进行主成分分析,筛选出影响聚类分析结果的吻合后的主要表型性状;
12)将步骤11)吻合后的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
13)当步骤9)或步骤12)筛选出的单一目标表型性状指标与生理生化检测结果相关系数大于0.8时,此单一目标表型性状指标能够用于植物资源的抗逆性判定,为与抗逆性相关的单一表型性状;
14)以步骤13)筛选出的与抗逆性相关的单一表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,直接通过与抗逆性相关的单一表型性状筛选目标抗逆性资源;
15)当步骤9)或步骤12)筛选出的多个目标表型性状累加后与生理生化检测结果相关系数大于0.4时,所述多个目标表型性状为与抗逆性相关的多个表型性状;
16)以步骤15)筛选出的与抗逆性相关的多个表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,采集待检测资源的与抗逆性相关的多个表型性状对应的数据,与步骤6)获得的抗逆性标样资源相同的表型性状的数据进行聚类分析,与抗逆性标样资源聚类距离近的为目标抗逆性资源。
所述步骤5)与所述步骤1)~4)没有时间先后顺序的限定;
所述步骤10)与所述步骤8)和9)没有时间先后顺序的限定;
所述步骤15)与所述步骤14)没有时间先后顺序的限定。
本发明采集植物资源的表型性状数据。在本发明中,所述植物资源优选为正常生长条件下的植物资源。在本发明中,所述表型性状优选包括子叶形状、子叶缺刻、下胚轴长度、株高、叶片绒毛、叶色、叶面绒毛、叶缘、始花期、叶面积、果实大小和重量中的一种或多种,在本发明中,表型性状的选定优选因作物而异。
得到表型性状数据后,本发明对所述表型性状数据进行整理,筛选出描述性表型性状数据和数值型表型性状数据。在本发明中,所述描述性表型性状优选包括叶色绿、深绿、黄绿;子叶缺刻深、较深、浅等;所述数值型表型性状包括株高、果长、结瓜(果)数、长、宽、粗细等。
筛选出描述性表型性状和数值型表型性状后,本发明将所述描述性表型性状数据进行数值化处理,得到数值化表型性状数据。在本发明中,所述数值化表型性状数据包括描述性表型性状数值化得到的数据和数值型表型性状直接能够得到的数据。在本发明中,所述数值化处理的方法包括设定相对值或设定代码。具体地,当所述描述性表型性状为子叶形状时,子叶性状的特征:椭圆形、长椭圆形、圆形等转化为长宽比值表示,以相对值代替语言描述参与数据分析,如子叶形状=X/Y,如图1所示,X代表子叶长,Y代表子叶宽。当所述描述性性状为叶片颜色时,如绿、浅绿、深绿等,优选采用数字成像系统,依据RGB颜色数值来确定。
得到数值型表型性状数据和数值化表型性状数据后,本发明将数值型表型性状数据和数值化表型性状数据进行表型性状的聚类分析,得到聚类分析结果。本发明通过聚类分析,依据所选择的表型性状将参检的种质资源进行分类。本发明对所述聚类分析方法没有特殊限定,采用本领域技术人员熟知的聚类分析方法即可。在本发明中,参检种质资源样品(网点)或指标(变量)之间存在程度不同的相似性(亲疏关系——以样品间距离衡量(聚类距离))。本发明根据一批植物样品的多个观测指标(表型性状),具体找出一些能够度量样品或指标之间相似程度的统计量,以这些统计量为划分类型的依据。把一些相似程度较大的样品(或指标)聚合为一类,把另外一些彼此之间相似程度较大的样品(或指标)又聚合为另一类,直到把所有的样品(或指标)聚合完毕。具体操作过程中,本发明先把各个分类对象单独视为一类,然后根据距离最小的原则,依次选出一对分类对象,并成新类。如果其中一个分类对象已归于一类,则把另一个也归入该类;如果一对分类对象正好属于已归的两类,则把这两类并为一类。每一次归并,都划去该对象所在的列与列序相同的行。经过m-1次就可以把全部分类对象归为一类,这样根据归并的先后顺序作出树状聚类谱系图,实现聚类分析。
本发明检测在逆境胁迫下种植的植物资源的植株样本的生理生化性状,得到生理生化检测结果。在本发明中,所述生理生化检测的指标包括脯胺酸含量、可溶性糖含量、可溶性蛋白含量、抗氧化酶测定、电导率和丙二醛含量中的一种或多种。在本发明中,所述植株样本包括叶片、果实、茎秆、根系等,优选为叶片,具体需求根据不同作物而异。在本发明中,所述生理生化指标的检测的意义是确定植物资源的抗逆性强弱。
得到生理生化检测结果后,本发明根据生理生化检测结果,对植物资源进行抗逆性排序,得到抗逆性排序结果;判定各个植物资源的抗逆性能强弱,确定抗逆性标样资源。在本发明中,所述抗逆性排序的方法为依据一个或多个生理生化指标的生理生化检测结果数值高低进行排序,与抗逆性正相关的生理生化指标按由高到低排序,与抗逆性负相关的生理生化指标按照由低到高进行排序。在本发明中,所述抗逆性标样资源的获取方法为根据生理生化检测结果,获得与抗逆性正相关指标最高或与抗逆性负相关指标最低的资源,为抗逆性标样资源。在本发明中,所述抗逆性排序结果的作用是确定各个植物资源抗逆性的强弱;所述抗逆性标样资源获取的目的和作用是作为筛选抗逆资源的标杆。
得到聚类分析结果和抗逆性排序结果后,本发明将聚类分析结果和抗逆性排序结果进行吻合性比对。
进行吻合性比对后,本发明对影响聚类分析结果的表型性状进行主成分分析,筛选出影响聚类分析结果的主要表型性状。当进行吻合性比对一次性吻合后,将筛选出的主要表型性状与生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标。
当进行吻合性比对后不吻合时,调整上述筛选出的主要表型性状,重新确定新的的表型性状后再重复数据的采集到聚类分析的步骤,将重复得到的聚类分析结果与抗逆性排序结果重新进行吻合性比对,直至主要表型性状与抗逆性排序结果相吻合。吻合后,本发明将吻合后对应的聚类分析结果进行主成分分析,筛选出影响聚类分析结果的吻合后的主要表型性状。
得到吻合后的主要表型性状后,本发明将吻合后的主要表型性状与生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁型的目标表型性状指标。
筛选出的单一目标表型性状指标与生理生化检测结果相关系数大于0.8时,此单一目标表型性状指标能够用于植物资源的抗逆性判定,为与抗逆性相关的单一表型性状。本发明以筛选出的与抗逆性相关的单一表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,直接通过与抗逆性相关的单一表型性状筛选目标抗逆性资源。
筛选出的多个目标表型性状累加后与生理生化检测结果相关系数大于0.4时,所述多个目标表型性状为与抗逆性相关的多个表型性状。本发明以筛选出的与抗逆性相关的多个表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,采集待检测资源的与抗逆性相关的多个表型性状对应的数据,与上述技术方案获得的抗逆性标样资源相同的表型性状的数据进行聚类分析,与抗逆性标样资源聚类距离近的为目标抗逆性资源。本发明优选通过比对与抗逆标样资源聚类距离的远近来分析植物资源抗逆能力的强弱,筛选出抗逆资源,更优选能与抗逆性标样资源聚为一类的即为抗逆性强的植物资源,聚类距离越远相关抗逆性能力越弱。本发明通过相关性分析确定表型性状与抗逆性的关联程度。当相关系数为0.4时,对应为相关;当相关系数为0.8时,对应为极显著相关,数值越大,相关性越显著。
筛选出的与抗逆性相关的表型性状,在同类植物不同资源的抗逆性鉴定中作为鉴定指标,直接通过表型性状筛选目标抗逆性资源。
本发明方法能够准确筛选与目标抗逆特性相关的表型性状,有效提高植物资源田间鉴定的效率,缩小目标抗逆性状资源筛选的群体范围,为精准定位、定向改造提供重要帮助。本发明以筛选植物抗逆性资源为目标,结合生理生化指标检测,通过大量表型性状的聚类分析,将不同抗逆性植物资源分类,采用主成分分析法确定影响聚类分析结果的主要表型性状,通过对已筛选出的表型性状与生理生化指标进行相关性分析,最终筛选出与植物抗逆性理化指标存在相关性的表型性状。本发明优选借助当前的高通量表型仪器设备采集目标表型性状数据,建立了通过聚类分析,快速筛选出与抗逆性标样资源抗逆性相同、相近或相似的抗逆性资源的方法,以科学合理的技术方法解决以往靠经验、盲目筛选表型性状的问题。
本发明还提供了黄瓜表型性状第一雌花节位和连续坐果力在筛选耐低温黄瓜资源中的应用。
在本发明中,第一雌花节位越低,黄瓜的低温耐性越强;连续坐果力越强,黄瓜的低温耐性越强。黄瓜表型性状中第一雌花节位与黄瓜耐低温性呈显著负相关,因此第一雌花节位越低,表明其资源的低温耐性越强;连续坐果力与黄瓜耐低温性呈显著正相关,连续坐果力越强的资源,其低温耐性也越强。反之,黄瓜资源的低温耐性即弱。
下面结合具体实施例对本发明所述的一种利用植物表型性状筛选抗逆资源的方法做进一步详细的介绍,本发明的技术方案包括但不限于以下实施例。
实施例1
1、正常条件下黄瓜表型性状数据采集:调查采集在正常生长条件下的黄瓜资源的表型性状数据,如子叶形状、子叶缺刻、下胚轴长度、株高、叶片绒毛、叶色、叶面绒毛、叶缘、始花期、叶面积、果实大小、重量等;
2、对步骤1获得的数据进行整理,筛选出描述性性状和数值型性状;
3、对步骤2筛选出的描述性表型性状进行数值化处理,得到数值化表型性状数据;
4、将步骤2)中的数值型表型性状数据和步骤3)得到的数值化表型性状数据进行表型性状的聚类分析,得到聚类分析结果;
5、相应黄瓜资源在低温胁迫下进行栽培,选取待测样品的植株样本叶片,按照耐低温需求,选择合适的生理生化检测指标并进行检测:脯胺酸含量、可溶性糖含量、可溶性蛋白含量、抗氧化酶测定、电导率、丙二醛含量等;
6、依据步骤5所获得的生理生化检测结果,对参检的黄瓜资源进行抗逆性排序,得到抗逆性排序结果,判定各个资源的耐低温性能,确定耐低温性标样资源;
7、将步骤4中的聚类分析结果与步骤6中黄瓜资源耐低温排序进行对比,检验通过选用的表型性状进行聚类结果是否与耐低温排序相吻合;
8、对影响步骤4聚类分析结果的表型性状进行主成分分析,筛选出影响聚类结果的主要表型性状;
9、当步骤7进行吻合性比对一次性吻合后,将步骤8筛选出的主要表型性状与步骤5得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标。
10、步骤7吻合性检查后,若步骤4与步骤6结果不吻合,证明采取的表型性状不合适,将步骤8筛选出的主要表型性状进行调整,重新选择表型性状再聚类分析,直至与步骤6结果相吻合为止;
11、对步骤10获得的聚类分析结果进行主成分分析,筛选出影响本聚类结果的吻合后的主要表型性状;
12、对步骤11中筛选出的吻合后的主要表型性状与步骤5中获得的生理生化检测结果进行相关性分析,确定与抗逆指标相关性强、具有连锁性的表型性状指标;
13、步骤9或12中筛选出的表型性状,如有与生理生化指标相关系数大于0.8,即极显著相关性的单一性状,则可利用该性状在正常生长条件下对黄瓜资源的耐低温能力进行判定;
14、当步骤9或步骤12筛选出的多个目标表型性状累加后与生理生化检测结果相关系数大于0.4时,所述多个目标表型性状为与抗逆性相关的多个表型性状;
15、以步骤14筛选出的与耐低温相关的多个表型性状为鉴定指标,在黄瓜不同资源的抗逆性鉴定中,采集待检测黄瓜的与抗逆性相关的多个表型性状对应的数据,与步骤6)获得的耐低温性标样资源相同的表型性状的数据进行聚类分析,与耐低温性标样资源聚类距离近的为目标耐低温性资源。
实施例2
利用表型性状筛选黄瓜耐低温种质资源
选取20个不同的黄瓜高代自交系进行表型性状采集,编号分别为:A09、A11、A16、A17、A23、A29、A31D、A36、A37、A49、A62、A66、A77、A78、A81、A82、A83、A90、A94、A95。
表型性状分为植株表型性状和果实表型性状,数据采集如表1、表2所示。
表1参试黄瓜资源植株表型性状
表2参试黄瓜资源果实表型性状
图3,是对参试的20个黄瓜资源材料依据各自表型性状的数据进行聚类分析。在第4层级面上20个材料被分为7个相似度较高的群体。
将参试的20个黄瓜自交系在冬春季节日光温室内进行低温胁迫处理,检测黄瓜苗期植株体内生理生化指标变化情况,所选定的生理生化指标分别为:叶面积、脯胺酸含量、MDA(丙二醛)含量、电导率和POD含量。
检测结果如图4所示,参试的20个黄瓜自交系资源耐低温性排序为:A23>A17>A36>A82>A16>A37>A29>A77>A94>A49>A09>A95>A62>A90>A31D>A81>A66>A83>A78>A11。从平均叶面积、脯胺酸含量、POD含量、MDA和电导率各项生理生化指标考虑A23的抗逆性能最佳,可作为耐低温标样资源。
对图3聚类分析结果与图4生理生化指标检测结果进行吻合性分析。如图5所示,其中,图5为吻合性程度检验结果,显示出通过表型性状聚类获得的结果与耐低温生理生化指标检测结果相吻合,黄瓜各资源低温耐性强弱能从聚类距离远近明确区分,其中低温耐性最好的A23、A36、A17聚为了一类,低温耐性最差的A11则与其他资源聚类距离最远。结果证实,选用的表型性状符合耐低温资源筛选的需求。
进行主成分分析,筛选出影响聚类结果的主要表型性状。
上述主成分分析筛选出的影响聚类结果的主要表型性状即为吻合后的主要表型性状,如表3所示:
表3主分量中各性状的载荷
从表3分析结果可知,表型性状中瓜长、第一雌花节位、开花期天数、单瓜鲜重、连续坐果力、腔径、平均叶面积(即主分量I)为影响聚类结果的吻合性的主要表型性状。
将影响聚类结果的主要表型性状与生理生化检测结果进行相关性分析(相关系数),如表4所示:
表4黄瓜表型特征特性与耐寒性理化指标相关性分析
由表3经主成分分析筛选出7个影响聚类结果的主要表型性状,通过与4个生理生化检测进行相关性分析,由表4可知,平均叶面积与脯胺酸含量存在极显著正相关,由此就可确定黄瓜平均叶面积是与耐低温性状极显著正相关的单一目标表型性状。而第一雌花节位、连续坐果力、腔径3个目标表型性状与脯胺酸含量、POD存在显性累加相关,通过采集需要鉴定的黄瓜资源的上述调查过程中7个表型性状,将它们与本实验中筛选出的耐低温标样资源A23的表型性状进行聚类分析,通过聚类距离判断出参试材料的耐低温性强弱。
试验筛选出的黄瓜平均叶面积这一单一表型性状与耐低温性呈极显著正相关性,即叶面积越大,耐低温性越强,这与前人通过经验确定的叶面积作为黄瓜耐低温资源鉴定指标的结果相一致。此外通过本方法,筛选出第一雌花节位、和连续坐果力两个表型性状与黄瓜资源的耐低温性存在相关性,腔径虽然也与脯胺酸含量有相关性,证明与黄瓜的低温耐性存在相关,但因测量腔径需要切断瓜条,因此可将此指标剔除。因此,在后续黄瓜资源耐低温性鉴定中,可通过正常生长条件下第一雌花节位高低和连续坐果力的强弱对资源进行初筛,缩小检测群体样本量。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种通过植物表型性状筛选目标抗逆性资源的方法,包括以下步骤:
1)采集植物资源的表型性状数据;
2)对步骤1)所述表型性状数据进行整理,筛选出描述性表型性状数据和数值型表型性状数据;
3)将所述描述性表型性状数据进行数值化处理,得到数值化表型性状数据;
4)将步骤2)中的数值型表型性状数据和步骤3)得到的数值化表型性状数据进行表型性状的聚类分析,得到聚类分析结果;
5)检测在逆境胁迫下种植的植物资源的植株样本的生理生化指标,得到生理生化检测结果;
6)根据步骤5)得到的生理生化检测结果,对植物资源进行抗逆性排序,得到抗逆性排序结果;判定各个植物资源的抗逆性能,确定抗逆性标样资源;
7)将步骤4)得到的聚类分析结果和步骤6)得到的抗逆性排序结果进行吻合性比对;
8)对影响步骤4)聚类分析结果的表型性状进行主成分分析,筛选出影响聚类分析结果的主要表型性状;
9)当步骤7)进行吻合性比对一次性吻合后,将步骤8)筛选出的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
10)当步骤7)进行吻合性比对后不吻合时,调整步骤8)筛选出的主要表型性状,重新确定新的步骤1)中的表型性状后再重复步骤1)~4),将重复得到的聚类分析结果与步骤6)得到的抗逆性排序结果重新进行吻合性比对,直至主要表型性状与抗逆性排序结果相吻合;
11)将步骤10)吻合后对应的聚类分析结果进行主成分分析,筛选出影响聚类分析结果的吻合后的主要表型性状;
12)将步骤11)吻合后的主要表型性状与步骤5)得到的生理生化检测结果进行相关性分析,筛选出与抗逆指标相关性强、具有连锁性的目标表型性状指标;
13)当步骤9)或步骤12)筛选出的单一目标表型性状指标与生理生化检测结果相关系数大于0.8时,此单一目标表型性状指标能够用于植物资源的抗逆性判定,为与抗逆性相关的单一表型性状;
14)以步骤13)筛选出的与抗逆性相关的单一表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,直接通过与抗逆性相关的单一表型性状筛选目标抗逆性资源;
15)当步骤9)或步骤12)筛选出的多个目标表型性状累加后与生理生化检测结果相关系数大于0.4时,所述多个目标表型性状为与抗逆性相关的多个表型性状;
16)以步骤15)筛选出的与抗逆性相关的多个表型性状为鉴定指标,在同类植物不同资源的抗逆性鉴定中,采集待检测资源的与抗逆性相关的多个表型性状对应的数据,与步骤6)获得的抗逆性标样资源相同的表型性状的数据进行聚类分析,与抗逆性标样资源聚类距离近的为目标抗逆性资源;
所述步骤5)与所述步骤1)~4)中的任一项没有时间先后顺序的限定;
所述步骤10)与所述步骤9)没有时间先后顺序的限定;
所述步骤15)与所述步骤13)没有时间先后顺序的限定。
2.根据权利要求1所述的方法,其特征在于,步骤1)中所述植物资源为正常生长条件下的植物资源。
3.根据权利要求1所述的方法,其特征在于,步骤1)中所述表型性状包括子叶形状、子叶缺刻、下胚轴长度、株高、叶片绒毛、叶色、叶面绒毛、叶缘、始花期、叶面积、果实大小和重量中的一种或多种。
4.根据权利要求1所述的方法,其特征在于,步骤3)中所述数值化处理的方法包括设定相对值或设定代码。
5.根据权利要求1所述的方法,其特征在于,步骤5)所述生理生化检测的指标包括脯胺酸含量、可溶性糖含量、可溶性蛋白含量、抗氧化酶测定、电导率和丙二醛含量中的一种或多种。
6.根据权利要求1所述的方法,其特征在于,步骤5)所述植株样本包括叶片、果实、茎秆、根系。
7.根据权利要求1所述的方法,其特征在于,步骤6)所述抗逆性排序的方法为:依据一个或多个生理生化指标的生理生化检测结果数值高低进行排序,与抗逆性正相关的生理生化指标按由高到低排序,与抗逆性负相关的生理生化指标按照由低到高进行排序。
8.根据权利要求1所述的方法,其特征在于,步骤6)所述抗逆性标样资源的获取方法为:根据生理生化检测结果,获得与抗逆性正相关指标最高或与抗逆性负相关指标最低的资源,为抗逆性标样资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621608.4A CN108776821B (zh) | 2018-06-15 | 2018-06-15 | 一种利用植物表型性状筛选抗逆资源的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621608.4A CN108776821B (zh) | 2018-06-15 | 2018-06-15 | 一种利用植物表型性状筛选抗逆资源的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108776821A CN108776821A (zh) | 2018-11-09 |
CN108776821B true CN108776821B (zh) | 2020-07-28 |
Family
ID=64026202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810621608.4A Active CN108776821B (zh) | 2018-06-15 | 2018-06-15 | 一种利用植物表型性状筛选抗逆资源的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776821B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116519688B (zh) * | 2023-04-26 | 2024-05-14 | 中国科学院植物研究所 | 一种浆果表型特征高通量获取及自动分析方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6212824B1 (en) * | 1991-10-18 | 2001-04-10 | Dekalb Genetics Corporation | Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology |
CN102187774A (zh) * | 2010-03-15 | 2011-09-21 | 西北农林科技大学 | 苹果属植物苗期抗性鉴定与评价体系 |
CN103371060A (zh) * | 2012-04-17 | 2013-10-30 | 上海市农业科学院 | 一种黄瓜早期耐冷性的鉴定方法 |
CN103460972A (zh) * | 2013-10-09 | 2013-12-25 | 江苏省农业科学院 | 猕猴桃苗耐涝性简易鉴定方法 |
CN103766129A (zh) * | 2014-02-26 | 2014-05-07 | 华中农业大学 | 一种高钼油菜籽粒品种的筛选方法 |
CN104521474A (zh) * | 2014-12-04 | 2015-04-22 | 中国农业科学院棉花研究所 | 一种棉花品种耐盐性筛选方法 |
CN105325192A (zh) * | 2015-11-16 | 2016-02-17 | 江苏省农业科学院 | 一种豇豆苗期耐盐资源鉴定方法 |
CN105784874A (zh) * | 2016-05-09 | 2016-07-20 | 四川农业大学 | 一种基于代谢组学手段判别不同耐逆潜力大豆的方法 |
CN106717973A (zh) * | 2017-01-04 | 2017-05-31 | 甘肃农业大学 | 一种高效筛选抗旱苜蓿品种的方法 |
CN107318493A (zh) * | 2017-07-04 | 2017-11-07 | 贵州省旱粮研究所 | 一种薏苡抗旱指标的筛选方法 |
-
2018
- 2018-06-15 CN CN201810621608.4A patent/CN108776821B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6212824B1 (en) * | 1991-10-18 | 2001-04-10 | Dekalb Genetics Corporation | Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology |
CN102187774A (zh) * | 2010-03-15 | 2011-09-21 | 西北农林科技大学 | 苹果属植物苗期抗性鉴定与评价体系 |
CN103371060A (zh) * | 2012-04-17 | 2013-10-30 | 上海市农业科学院 | 一种黄瓜早期耐冷性的鉴定方法 |
CN103460972A (zh) * | 2013-10-09 | 2013-12-25 | 江苏省农业科学院 | 猕猴桃苗耐涝性简易鉴定方法 |
CN103766129A (zh) * | 2014-02-26 | 2014-05-07 | 华中农业大学 | 一种高钼油菜籽粒品种的筛选方法 |
CN104521474A (zh) * | 2014-12-04 | 2015-04-22 | 中国农业科学院棉花研究所 | 一种棉花品种耐盐性筛选方法 |
CN105325192A (zh) * | 2015-11-16 | 2016-02-17 | 江苏省农业科学院 | 一种豇豆苗期耐盐资源鉴定方法 |
CN105784874A (zh) * | 2016-05-09 | 2016-07-20 | 四川农业大学 | 一种基于代谢组学手段判别不同耐逆潜力大豆的方法 |
CN106717973A (zh) * | 2017-01-04 | 2017-05-31 | 甘肃农业大学 | 一种高效筛选抗旱苜蓿品种的方法 |
CN107318493A (zh) * | 2017-07-04 | 2017-11-07 | 贵州省旱粮研究所 | 一种薏苡抗旱指标的筛选方法 |
Non-Patent Citations (5)
Title |
---|
Effect of Temperature Drop and Photoperiod on Cold Resistance in Young Cucumber Plants - Involvement of Phytochrome B;Marina I.Sysoeva 等;《Plant Stress》;20081231;第2卷(第1期);第84-88页 * |
低温对黄瓜生理生化、代谢功能及形态的影响;王克安 等;《山东农业科学》;19981231(第4期);第52-55页 * |
李抗逆性生理生化指标及其相关性的研究;朱立武 等;《园艺学报》;20011231;第28卷(第2期);第164-166页 * |
海州常生生长特性与抗逆性的研究;谢福春 等;《中国优秀硕士学位论文全文数据库 农业科技辑》;20100315;第2010年卷(第03期);第D049-26页 * |
黄瓜耐热种质筛选试验;林毓娥 等;《广东农业科学》;20091231(第1期);摘要,第1-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108776821A (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Šmarda et al. | Genome sizes and genomic guanine+ cytosine (GC) contents of the Czech vascular flora with new estimates for 1700 species | |
Vrindts et al. | Weed detection using canopy reflection | |
EP1813675A1 (en) | Method for high throughput transgene function analysis for agronomic traits in maize | |
CN101436229A (zh) | 基于issr分子标记构建中国长豇豆遗传资源数据库的方法及其应用 | |
Makinde et al. | Multivariate analysis of genetic divergence in twenty two genotypes of groundnut (Arachis hypogaea L.) | |
CN109146119B (zh) | 小麦耐荫性综合鉴定模型、方法及应用 | |
AU2006255099B2 (en) | Methods for producing a hybrid seed product | |
CN116779029A (zh) | 一种基于表型表现的育种筛选系统及方法 | |
CN108776821B (zh) | 一种利用植物表型性状筛选抗逆资源的方法 | |
CN113780845A (zh) | 一种基于多准则决策的甘薯种质资源评价方法 | |
Ghafoor et al. | Genetic diversity in Pisum sativum and a strategy for indigenous biodiversity conservation | |
CN111349717B (zh) | 甜樱桃砧木资源的ssr标记及其指纹图谱数据库 | |
Jaradat | Phenotypic divergence in the meta-population of the Hourani durum wheat landrace | |
CN105210750B (zh) | 一种基于叶绿素荧光动力筛选广适性水稻的方法 | |
Putri et al. | The rambutan (Nephelium lappaceum L.) chromosomes | |
da Silva et al. | Genetic divergence among accessions of Carthamus tinctorius L. by morphoagronomic traits | |
Deka et al. | Diversity study in Capsicum using numerical taxonomy. | |
CN111855586B (zh) | 菠萝品种耐寒性的快速筛选方法 | |
CN103125371B (zh) | 一种作物抗旱突变体田间快速辅助筛选的方法 | |
CN109118488B (zh) | 一种红掌新种质耐寒性的鉴定方法 | |
Lebot et al. | Characterizing taro using isozymes and morpho-agronomic descriptors | |
Radinović et al. | Variability of red clover genotypes on the basis of morphological markers | |
Aziz et al. | Comparative study on some morphological features of six selected and one standard clones of Bangladesh Tea [Camellia sinensis (L) O. Kuntze]. | |
Tikader et al. | Studies on variability of indigenous mulberry germplasm on growth and leaf yield. | |
Kuneva et al. | Grouping of local and introduced rye samples and their output lines on the basis of cluster analysis. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |