中国绿豆种质资源初选核心种质构建

以国家作物种质资源数据库中5 072份国内绿豆资源为材料, 根据14个农艺性状, 利用地理来源(省)和性状群进行分组, 分别采用比例法、平方根法和多样性指数法确定取样数及聚类选择和随机选择2种个体选择法构建了13个不同的绿豆初选核心样本, 对不同的取样方法及总资源间进行了品种间平均相似性系数、性状符合度、遗传多样性指数和数量性状变异系数的比较。结果表明, 聚类选择取样优于随机取样, 按照性状群分组优于按省分组; 在聚类选择条件下采用多样性指数法确定取样数优于平方根法和比例法。最终确定按性状群分组, 利用多样性指数确定取样数, 聚类选择个体为绿豆核心种质构建的最佳方案。用此方案, 构建了包含719份绿豆种质的初选核心种质, 取样比例为14.2%, 性状符合度达100%。     

中国小豆种质资源核心样品的初步建立

基于地理区划、农艺性状鉴定和营养品质分析资料，通过离差平方和法聚类，采用系统取样和随机取样相结合，从3946份小豆种质资源中选取408份种质作为核心样品，并经多样性指数和数值性状的t测验以及核心种质与全部种质的性状极值、标准差和变异系数的比较，初步证明已构建的核心样品具有良好的代表性。     

基于表型性状和SSR分子标记构建甘薯核心种质

为更好地保存、研究和利用甘薯种质资源,本研究以国家甘薯种质资源圃(广州)保存的1091份甘薯种质为材料,分别采用欧氏距离和Nei’s距离进行NJ聚类分组,组内随机取样,构建核心种质。利用均值、方差、香农多样性指数、变异系数等指标对核心种质的表型性状数据进行代表性评价,以及利用有效等位基因、Nei’s遗传多样性指数、Shannon’s多样性指数等指标对核心种质的SSR分子标记数据进行代表性评价;并利用主成分分析对核心种质进行确认。结果表明,构建的甘薯核心种质包含289份材料,占全部种质的26.49%;在P<0.05概率下,核心种质中表型性状以及SSR分子标记的相关指标与全部种质无显著差异,且二者的表型频率分布基本一致;主成分分析表明核心种质具有与全部种质相似的遗传多样性和群体结构。建立的甘薯核心种质很好地代表了全部种质的遗传变异和群体结构,可为甘薯的品种改良、优良基因挖掘以及种质创新奠定良好基础。     

苎麻核心种质构建方法

选用国家长沙苎麻圃的790份种质资源,在已有的25个性状数据的基础上,采用不同取样方法、不同系统聚类方法、不同遗传距离方法构建苎麻核心种质,用质量性状的多样性指数均值、表型保留比率均值和数量性状均值差异百分率、方差差异百分率、极差符合率和变异系数变化率等6个指标评价不同方法组合(取样方法、聚类方法、遗传距离)构建核心种质的优劣。选出合适的构建方法,构建苎麻核心种质。结果表明,不同的取样方法对质量性状和数量性状的遗传多样性影响不同,就质量性状的最大遗传多样性而言,选择优先取样+多次聚类随机取样方法比较适宜,而对数量性状的最大遗传多样性而言,选择优先取样+多次聚类变异度取样方法则较适宜。用优先取样+多次聚类随机取样方法取样时,采用最短距离法和重心法构建的核心种质最好,用优先取样+多次聚类变异度取样时,采用离差平方和法则是构建苎麻核心种质的最佳聚类方法。苎麻核心种质构建与质量性状的不同遗传距离无关,但数量性状以欧氏距离最佳。     

海岛棉核心种质的初步构建

以457份海岛棉品种的地理分布和农艺性状分析为资料。按照类别、原产地和株型进行分组，组内进行离差平方和法混合聚类，采用系统取样和随机取样组合的方法，对各组的遗传多样性加以调整。选取104份种质构建了海岛棉初级核心种质．中选比例22．8％。并运用初选核心收集品和总收集品的性状特征值检验初选的核心种质的代表性．结果表明核心收集品基本上可以代表总收集品的遗传多样性。     

利用分子标记数据逐步聚类取样构建甘蔗杂交品种核心种质库

甘蔗杂交品种是商业品种选育的重要亲本资源,为了有效管理和评价这类资源,本研究使用SSR分子标记数据,依据不同相似性系数,采用逐步UPGMA聚类法对161份甘蔗杂交品种(136份来自前期构建的初级核心种质库和25份为新引入国家甘蔗种质资源圃的材料)构建核心种质库,以随机取样方法为对照。在核心种质库质量检测中,用Nei’s多样性指数、Shannon-Wiener多样性指数、总条带数、多态性条带数、多态性条带比例、变异系数符合率、极差符合率、方差差异百分率和均值差异百分率评价分析。结果表明,161份材料在20个SSR位点上具有丰富的多态性,获得294个条带,其中290个为多态性条带,平均多态性条带比例达98.64%;依据3种相似性系数(Jaccard、SM、Dice)和2种取样方法获得8个核心种质库,在核心种质库质量检测中Shannon-Wiener多样性指数、总条带数、多态性条带数表现出较高的检测效率,而其他指标相对较低,8个库中依据Jaccard或Dice相似性系数构建的核心种质库质量最优,该库由107份材料组成,Nei’s多样性指数(0.9785)和Shannon-Wiener多样性指数(4.1854)在P<0.05概率条件下与原库(分别为0.9801和4.4074)无显著差异,而且与原库的均值差异百分率为0 (<20.00%),极差符合率为94.32% (>80.00%),对原库分子和农艺性状遗传多样性都具有较好的代表性,可为后续甘蔗杂交品种资源的准确评价、优异基因发掘和开发利用提供重要的前期基础。     

以地理来源分组和利用表型数据构建中国小豆核心种质

中国国家种质库里保存着4 877份小豆(Vigna angularis)种质资源,但仅有部分资源在小豆的改良中被利用。构建小豆核心种质, 不但能简化管理, 而且可以提高遗传资源在小豆改良中的利用效率。根据我国小豆的地理来源进行分组, 在分组的基础上利用表型数据, 以类平均法聚类构建了中国现有小豆核心种质, 共435份资源, 占资源总量的8.92%, 涵盖98.3%的表型变异类型, 控制不同性状表型相关的相互适应的遗传复杂性在核心种质中也得到了适当的保持。不同性状的均值t测验、方差F测验、表型频率分布、χ²测验等分析表明, 所构建的小豆核心种质可以作为整体资源的代表性样本, 在小豆种质资源的充分利用中将发挥重要作用。     

中国石榴核心种质的初步构建

构建中国石榴的核心种质,对中国石榴种质资源的保存、研究和利用,具有重要意义。根据中国石榴135份总体种质的14个植物学、农艺学性状,采用Popgen Version 1.31软件,分析总体种质、初级核心种质以及8个不同产区石榴种质资源的遗传多样性。用SPSS 11.0 for Windows软件,以欧氏距离平方为系数,采用组间连接法,对总体种质进行系统聚类,采取系统取样和随机取样法,构建石榴初级核心种质。对不同产区初级核心种质、总体种质的香浓信息指数以及总体和初级核心种质性状的Nei基因多样性进行差异显著性测验,计算初级核心种质和总体种质性状的符合率,以检测初级核心种质构建效果。试验结果表明,135份总体种质的观察位点数是2-6、有效等位基因位点数为1.211-4.084、Nei基因多样性系数0.174-0.755、香浓信息指数0.317-1.511。选取41份资源构建了石榴初级核心种质。初级核心种质和总体种质遗传多样性t检验未达到显著水平。初级核心种质和总体种质14个性状均值、极差、标准差和变异系数的平均符合率分别为96.77%、95.1%、93.7%、92.1%,说明构建的核心种质能够代表全部种质资源的遗传多样性。     

中原牡丹品种资源的核心种质构建研究

根据已经获得的中原牡丹品种资源的初级核心种质120个品种的表型性状信息和ISSR、AFLP分子标记遗传信息,采用单一表型性状、分子、表型结合分子信息聚类压缩取样及随机取样的方法,进行了构建中原牡丹品种核心种质的研究.结果表明:采用表型信息结合两种分子标记信息聚类压缩的方法构建核心种质的方法最好.经检验,各种检验指数及品...     

甘蔗杂交品种初级核心种质取样策略

以国家甘蔗种质资源圃中1 202份甘蔗杂交品种为材料,根据23个数量和质量性状,从分组原则、组内取样比例、组内取样方法3个层次探讨构建甘蔗杂交品种初级核心种质的最佳取样策略,共形成26种取样策略;同时设10个总体取样量梯度,确定最佳的总体取样量。分组原则以原产地、种植区域、总体聚类进行分组及不分组的大随机;组内取样比例按组内个体数量的简单比例(P)、平方根比例(S)、对数比例(L)和多样性比例(G)确定;组内取样方法采用聚类(C)和随机(R) 2种方法;10个总体取样量梯度为5%、10%、15%、20%、25%、30%、35%、40%、45%和50%。应用变异系数、遗传多样性指数、表型保留比例、表型频率方差、表型方差等5个参数来检验各取样策略的优劣。结果表明,聚类取样优于随机取样;总体聚类分组优于其他分组;在聚类取样中,平方根比例最好,在随机取样中,多样性比例最好;根据取样策略及总体取样量的分析结果最终确认按10%总体取样量,以总体聚类分组、按对数比例在组内聚类取样为构建甘蔗杂交品种初级核心种质的最佳策略组合,其遗传多样性明显高于总资源库。在此初级核心种质的基础上,加入极值材料和取样极易丢失表型性状的材料共计136份组成最终初级核心种质,占总资源的11.31%。     

黄麻核心种质的遴选

遴选黄麻核心种质可为黄麻种质创新及新品种选育奠定基础。本研究以300份黄麻种质资源为基础,基于SSR分子标记和农艺性状考察,结合地理来源构建核心种质。结果表明,11个农艺性状变异系数变幅在13.06%～84.87%,表现出丰富的遗传多样性。按农艺性状聚类分析可划分为8个类群,按分子标记聚类可划分为10个类群。结合2个聚类分析、地理位置并按比例取样,建立一个由108份品种(系)组成的预选核心种质。采用44对SSR引物对其进行遗传差异分析,在遗传相似系数为0.65时,可把108份品种(系)分成圆果种和长果种两大类。根据遗传差异分析,剔除遗传相似系数大于或等于0.85的遗传冗余,获得84份品种(系)的核心种质,其中圆果种60份和长果种24份。比较84份核心种质与300份种质的农艺性状变异系数及Shannon-Wiener指数发现,两者之间相差不大,表明遴选的84份核心种质可以最大限度代表300份黄麻种质资源的遗传多样性加以利用和保存。     

基于果实品质与EST-SSR标记的刺梨居群遗传多样性分析及核心种质构建

通过分析评价野生刺梨(Rosa roxburghii Tratt.)资源居群遗传多样性和遗传结构,同时构建核心种质,为刺梨资源的保护和发掘利用提供科学依据。本研究利用10对EST-SSR引物和9个果实品质性状指标对收集的12个刺梨自然居群(共102份种质)的遗传多样性及遗传结构进行分析,同时结合原贵州省32份初级核心种质,采用位点优先取样策略进一步构建西南地区核心种质。结果表明,黔西(QX)居群拥有最高的Shannon信息指数I=0.6965,基因多样性指数h=0.3935,多态位点百分率p=84.62%;而古丈(GZ)居群则无论在分子数据还是表型数据都表现为遗传多样性最低;AMOVA分析表明刺梨居群内遗传变异在87%以上,居群间基因流Nem在3.5以上、平均Nei’s遗传距离(GD)0.223。构建的19份核心种质等位基因保留率和稀有等位基因保留率均为100%,能够代表原种质的遗传多样性。西南地区野生刺梨的遗传变异主要发生在居群内,居群间具有基因交流频繁、Nei’s遗传距离小等特点,构建的19份核心种质从等位基因保留率、稀有等位基因保留率及地理分布均能够较好地代表原种质的遗传多样性。自然居群以黔西(QX)居群遗传多样性最高。因此,野生刺梨的保护策略可采用就地保护黔西(QX)居群与迁地保护19份核心种质相结合的方法进行。     

中原牡丹品种初级核心种质构建与代表性检验

以400个中原牡丹品种的形态学和农艺学性状为基本数据,采用花型分组,组内按平方根比例策略确定取样量,并使用类平均聚类法取样,获得了中原牡丹品种初级核心种质,其取样比例占总体样本的30%.经检测,初级核心种质与总体种质的31个性状中仅花期1个性状的多样性指数达到了显著差异水平,初级核心种质多样性指数对总体种质的代表性达99.20%,表型保留比例达到了100%.表明,这个包含120个样本的初级核心种质能在表型性状上很好地代表总体种质的遗传多样性.     

25份贵州镇宁野生茶树种质资源的表型及生化组分多样性分析

为了挖掘特异茶树种质资源,以贵州镇宁新发现的25株野生茶树资源为材料,对26个表型性状和12个主要生化组分运用统计分析、遗传多样性分析和聚类分析等方法进行研究,进而对这25份资源进行综合评价。 结果表明这25份种质的表型性状和生化组分变异类型丰富,其中26个表型性状的平均变异系数29.26%,平均多样性指数0.87;12个生化组分性状的平均变异系数25.21%,平均多样性指数2.78;25份种质资源的酚氨比在6.12~20.09之间。聚类分析将其分为三个类群,其中类群一全部为小乔木,类群二、三全为灌木;类群三中资源的生化组分含量最为丰富。从中初步筛选出了3份生化组分丰富的潜在优异种质资源,为后续资源保护、开发和育种应用提供依据。     

Establishment of Chinese soybean Glycine max core collections with agronomic traits and SSR markers

It is very important to efficiently study and use genetic diversity resources in crop breeding and sustainable agriculture. In this study, different sampling methods and sample sizes were compared in order to optimize the strategies for building a rationally sized core collection of Chinese soybean (Glycine max). The diversity in the core collection captured more than 70% of that in the pre-core collection, no matter what sampling methods were used, at a sampling proportion of 1%. Core collections established with both simple sequence repeat (SSR) marker data and agronomic traits were more representative than those chosen on an independent basis. An optimal sampling method for a soybean core collection was determined, in which strategy ‘S’ (allocating accessions to clusters according to the proportion of square root of the original sample size within each ecotype) was used based on SSR and agronomic data. Curve estimation was used to estimate the allelic richness of the entire Chinese soybean germplasm and a minimum sample size for a core collection, on which a sampling proportion of about 2% was determined to be optimal for a core collection. Further analysis on the core collection with fourteen agronomic traits and allelic constitution at 60 SSR loci suggested that it highly represented the entire collections both on genetic structure and diversity distribution. This core collection would provide an effective platform in proper exploitation of soybean germplasm resources for the study of complex traits and discovering important novel traits for crop genetic development.     

120份谷子种质资源的农艺性状表现和遗传多样性分析

对120份谷子种质资源的21个主要农艺性状进行遗传多样性、主成分以及聚类分析。结果表明,遗传多样性指数以主穗重和主穗粒重最高,均为2.02;变异系数以单株干草重最高,为64.12%。根据谷子种质性状间的遗传差异,对21个主要农艺性状进行主成分分析,得到10个主成分因子的累计贡献率达81.777%。通过聚类分析,将谷子种质资源分为6个类群,各类群在生育期、株高、分蘖性、籽粒产量和干草产量等性状间有明显的形态学特征,从早熟、高产和单株干草重3个方面筛选出11份优异谷子种质资源。本研究结果可为甘肃干旱高寒农业区谷子种质资源高效利用和亲本选择提供科学依据。     

香蕉种质资源叶片表型性状多样性分析

为了解香蕉种质资源叶片表型性状的多样性,提高云南香蕉优异种质的保护和利用。对49份香蕉种质的18个叶片表型性状进行观测和描述,并对数据进行变异分析、Shannon-weaver多样性指数分析、相关性分析、主成分分析和聚类分析。香蕉种质叶片表型数量性状的遗传多样性指数高于质量性状;数量性状变异程度高,香蕉种质间差异明显。相关性分析发现31对性状相关性达到极显著水平(P<0.01),18对性状相关性达到显著水平(P<0.05),叶片表型性状间互相影响,关系密切。进一步进行主成分分析,将18个叶片表型性状简化为6个主成分,前6个主成分累计贡献率为78.80%,反映了香蕉种质叶片表型性状的大部分信息。对49份香蕉种质进行聚类分析,在欧式遗传距离为10时香蕉种质分为4个类群,分别为丛生野生蕉、大蕉和粉蕉、野生蕉、香芽蕉,同时发现叶姿、叶柄基部边缘形状、叶柄基部斑块颜色、叶柄槽形状是区分不同类群的主要性状。香蕉种质资源叶片表型多样性丰富,分析筛选得到的11个性状为香蕉种质资源叶片表型性状多样性分析的关键指标。     

不同遗传距离聚类和抽样方法构建作物核心种质的比较

以棉花种质资源168个基因型，5个纤维性状[2.5%跨长(mm)、整齐度(%)、强度(gf/tex)、伸长度(%)、麦克隆值]数据为例，用混合线性模型分析方法无偏地预测基因型值，利用得到的基因型值，分别采用2种遗传距离(马氏距离和欧氏距离)和7种系统聚类方法(最短距离法、最长距离法、中间距离法、重心法、类平均法、加权配对算术平均法