共查询到16条相似文献,搜索用时 78 毫秒
1.
水稻蛋白质近红外定量模型的创建及在育种中的应用 总被引:22,自引:1,他引:22
【目的】研究利用近红外光谱分析法定量分析水稻完整籽粒粗蛋白含量的可行性,初步探讨水稻杂种后代蛋白质含量的分离和变异,以期为水稻的营养品质育种提供参考依据,提高育种效率。【方法】收集蛋白质含量变幅(5.90%~14.50%)较大的191份代表性水稻样品,采用偏最小二乘(PLS)法建立糙米粗蛋白预测的校正模型。【结果】通过比较光谱预处理方法在不同谱区的处理效果:采用一阶导数+矢量标准化预处理、谱区为 11 998.9cm-1~5 449.8 cm-1和4 601.3 cm-1~4 246.5 cm-1建立校正模型的检验和预测效果最佳,糙米蛋白质的近红外测定值和化学测定值之间有较高的相关性和较低的误差;其决定系数为0.9886,相对标准偏差RSD为0.021,各项误差均在0.4以下。此外,利用该模型快速无破损的测定了水稻蛋白质育种的20个杂交组合的205个F2代单株,203个单株的马氏距离值在0.3以下,达到了试验精度的要求,分析结果表明:F2代群体单株间粗蛋白含量表现出广泛的变异,大部分单株蛋白质含量介于双亲之间,出现了超高亲和超低亲的单株,最高蛋白质含量达到15.3%。【结论】利用建立的各类误差较小近红外定量分析模型,实现了对育种亲本和中间育种材料的筛选鉴定;说明了通过蛋白质含量高的稻种资源与农艺性状优良的水稻品种杂交,低世代借助近红外分析技术辅助测定蛋白质含量可能是水稻高蛋白质育种的一条有效途径。 相似文献
2.
稻米脂肪含量近红外光谱分析技术研究 总被引:26,自引:1,他引:26
应用近红外光谱(NIRS)分析技术和偏最小二乘法(PLS)建立稻米脂肪定量分析数学模型,并比较糙米粒和糙米粉NIRS数学模型对预测稻米脂肪含量的效果差异。结果表明,当利用糙米粒和糙米粉NIRS数学模型对样品进行预测时,内部交叉验证预测值和真值之间的决定系数(R2)分别为94.44%和95.54%,内部交叉检验的标准差(RMSECV)分别为0.09%和0.08%;外部验证预测值和真值之间的R2值分别为79.51%和87.10%,预测标准差(RMSEP)分别为0.24%和0.26%,平均相对误差(ARE)分别为4.11%和3.30%。内部交叉验证和外部验证结果证明,糙米粒和糙米粉NIRS数学模型均具有较高的预测准确性,可应用于稻米营养品质改良实践。 相似文献
3.
4.
稻米表观直链淀粉含量近红外测定校正群体的界定与样品选择 总被引:2,自引:0,他引:2
在用近红外反射光谱(NIRS)进行品质分析时,选择有代表性的样本进行校正是获得良好回归方程的重要步骤。运用Infrasoft International公司的CENTER和SELECT计算机程序,研究了稻米表观直链淀粉含量(AAC)近红外测定回归方程时样品种体的界定与选择。试验共用1106份稻米精米粉样品为起始群体,根据光谱特征,有16份样本因为标准化的Mahalanbis距离(H距离)大于3.0 相似文献
5.
水稻胚大小对蛋白质含量的影响 总被引:3,自引:0,他引:3
以化学诱变获得的水稻胚突变体作为试验材料,分析了胚、糊粉层和淀粉层等糙米各部位蛋白质含量及其对糙米总蛋白质含量的影响.结果表明,在糙米各部位中以胚内蛋白质含量最高;其次为糊粉层;淀粉层最低.胚的增大使千粒重和胚内蛋白质含量明显下降,但胚重和胚占糙米重的百分率以及胚内蛋白质占糙米总蛋白质含量的百分率则明显增加,胚的增大对糙米蛋白质含量的提高产生一定影响.若要提高糙米蛋白质含量,需要在增加淀粉层内蛋白质含量的同时,增加胚的大小.胚的巨化是增加稻米蛋白质含量的重要途径之一. 相似文献
6.
普通小麦F_(2)单粒种子蛋白质含量的遗传 总被引:1,自引:0,他引:1
用近红外漫反射光谱分析对普通小麦两个杂交组合的F_2子粒以及亲本子粒蛋白质含量进行测定,揭示了F_2子粗蛋白质含量的倾低亲遗传以及无超亲分离现象,提出轮回选择是小麦蛋白质育种的最佳选择途径。 相似文献
7.
8.
农艺措施对水稻籽粒蛋白质含量的影响 总被引:1,自引:0,他引:1
采用正交试验设计L1 6 (4 4)研究移栽密度、追肥施氮总量、不同时期的追氮比例、中后期叶面喷施KH2 PO4 等农艺措施对早籼 15籽粒蛋白质含量的影响。结果表明 :追氮总量、追氮比和叶面追肥对籽粒蛋白质含量的影响均达到极显著水平 ,移栽密度对蛋白质含量无显著影响。在移栽密度 3 0万穴 /hm2 下 ,采用追施纯氮 2 2 5kg/hm2 ,增加穗粒肥比例 ,即蘖肥∶穗肥∶粒肥 =3∶3∶1的追肥方式 ,并于齐穗期叶面喷施KH2 PO4 15kg/hm2 ,可使早籼 15籽粒的蛋白质含量提高到 12 .68% ,并能获得较高的产量。 相似文献
9.
小批量稻谷种子蛋白质含量的近红外透射光谱分析 总被引:12,自引:0,他引:12
以完整水稻种子为样品,利用近红外透射谷物分析仪对186份批量稻谷进行扫描并测定了蛋白质含量的参比数据。采用多种数学计量学处理方法和不同的回归统计方法进行定标曲线的开发和比较,优化得到了小批量水稻种子蛋白质含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(I-VR)分别为0.255 8、0.279 5、0.972 8、0.967 5。研究采用整粒小量样品(5 g)来分析,效果较好,可直接用于育种早世代选择。 相似文献
10.
近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究 总被引:31,自引:3,他引:31
以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000~4000cm-1和一阶导数+直线扣减预处理、谱区为9000~4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92~0.95,各项误差(RMSEE 相似文献
11.
Using 128 bulk-kernel samples of inbred lines and hybrids,a study was conducted to investigate the feasibility and method of measuring protein and starch contents in intact seeds of maize by near infrared reflectance spectroscopy(NIRS).The chemometric algorithms of partial least square(PLS)regression was used.The results indicated that the calibration models developed by the spectral data pretreatment of first derivative+multivariate scattering correction within the spectral region of 10 000-4 000 cm-1,and first derivative + straight line subtraction in 9 000-4 000 cm-1 were the best for protein and starch,respectively.All these models yielded coefficients of determination of calibration(R2ca1)above 0.97,while R2cv and R2va1 of cross and external validation ranged from 0.92 to 0.95,respectively; however,the root of mean square errors of calibration,cross and external validation(RMSEE,RMSECV and RMSEP)were below l(ranged 0.3-0.7),respectively.This study demonstrated that it is feasible to use NIRS as a rapid,accurate,and none-destructive technique to predict protein and starch contents of whole kernel in the maize quality improvement program. 相似文献
12.
用近红外反射光谱测定小样本糙米粉的品质性状 总被引:23,自引:4,他引:23
比较了用近红外反射光谱(NIRS)技术直接测定约0.5g糙米粉和约3g精米粉样本的表观直链淀粉含量(AAC)、糊化温度(碱消值)和蛋白质含量的效果。结果发现,用精米粉和糙米粉样本测定蛋白质含量均有很好效果,建模时标准误很小而决定系数高,校正标准误(SEC)、检验工作标准误(SEP)、校正决定系数(R#+2)以及检验决定系数(RSQ)依次分别为0.11和0.19,0.20和0.21,0.995和0.932以及0.99和0.91。在建立AAC回归方程时,小样本糙米粉要比精米粉差一些,前者的SEC、SEP、R#+2和RSQ分别为0.933、2.07、0.927、和0.65,而用精米粉时依次为0.426、0.91、0.985和0.93。用小样本糙米粉测定糊化温度(碱消值)时,SEC、SEP、R#+2和RSQ分别为0.349、0.48、0.827和0.74,而用精米粉时依次为0.224、0.36、0.949和0.84。在对水稻育种过程中用小样本糙米粉进行稻米品质的NIRS测定作了讨论。 相似文献
13.
NlRS定量分析油菜种子含油量、蛋白质含量数学模型的创建 总被引:16,自引:3,他引:16
用近红外光谱(NIRS)分析油菜品质。采用残余法测试了近2116份甘蓝型油菜品种资源种子的含油量,用近红外仪采集数据,选择1288份代表性样品,建立了数学模型。用该模型测试96份待测样品,其NIRS的测试值与残余法测试的油菜种子含油量实测值相关系数为0.9503.相对误差小于3.5%.用凯氏定氮法测试了637份油菜籽饼粕的蛋白质含量,选择168份代表性样品,建立数学模型。30份样品检测模型,NIRS测试值与凯氏定氮法测试的油菜籽饼柏蛋白质含量的实测值相关系数为0.9515.相对误差小于6%。结果表明,这2个数学模型已经可用来准确、快速、无污染、低消耗的测试油菜种子含油量和蛋白质含量。 相似文献
14.
15.
复方板蓝根颗粒中靛蓝和靛玉红含量的近红外光谱检测模型研究 总被引:1,自引:0,他引:1
[目的]提出一种用近红外光谱技术快速检测复方板蓝根颗粒中靛蓝和靛玉红含量的新方法。[方法]首先应用光谱仪获得6种复方板蓝根颗粒的光谱曲线,用主成分分析法进行聚类分析,再结合人工神经网络技术建立模型进行检测。在主成分分析的基础上,以每一个样品的前7个主成分作为神经网络的输入节点,成分类型作为神经网络的输出节点,建立一个7(输入节点)-7(隐含层节点)-2(输出节点)的3层BP人工神经网络模型。[结果]复方板蓝根颗粒中靛蓝和靛玉红2项指标人工神经网络模型预测值的平均相对误差分别为4.14%和4.72%,与高效液相色谱法测定值的符合程度很高,该模型具有很好的预测能力。[结论]新模型可用于复方板蓝根颗粒的质量检测和生产加工过程中的质量控制。 相似文献
16.
近红外透射光谱技术测定黍稷蛋白含量的研究(英文) 总被引:1,自引:0,他引:1
[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。 相似文献