点击蓝字 关注我们
2024第2期
近日，OCS第2期发表了法国UMR AGAP Institut（地中海和热带植物的遗传改良研究所）利用近红外光谱技术（NIRS）和化学计量学进行花生种质快速分析的文章，Joël Romaric Nguepjop研究员为通讯作者。作者收集了基于遗传和种植环境差异的的4个花生样本集，并获得了这些种子的近红外光谱数据，发现不同品种、基因型和种植环境的种子在波长检测范围内存在着巨大的变异性。使用NIRS可有效识别和区分它们。该研究为花生种质资源的快速评估及分类提供了新的技术方法，有助于育种者更有效地利用遗传资源，提升作物品质。
研究背景
花生作为一种全球性的油料作物，评估其种质资源在营养育种中十分重要。传统评估方法耗时且具有破坏性，因此亟需一种非破坏性的方法来快速、高效地评估种子的遗传多样性和营养品质。近红外光谱（NIRS）技术因其快速、无损、成本低等优势，被广泛应用于农产品的品质评估中。
研究策略
研究使用4个样本集，其中3个样本集是分别在喀麦隆的Bafia和Mbalmayo以及塞内加尔的Nioro种植收集包含133个基因型的种间高级回交QTL (AB-QTL)群体集，共399个样本；另1个是种植收集自Nioro，包含300个花生品种样本的核心群体集。使用近红外光谱技术获取完整种子在1000 ~ 2500 nm的光谱范围内的数据。采用主成分分析（PCA）描述不同品种和种间基因型在不同种植环境中的变异。采用偏最小二乘判别分析（PLS-DA），对不同遗传和种植环境的基因型谱进行建模和预测，对品种和种间基因型进行分类。
研究结果
1. 在NIR波长检测范围内，花生品种和基因型表现出巨大的变异性，尤其是在与油含量和脂肪酸组成相关的1123nm波长处。
2. 通过PCA识别出三个显著的主成分，共解释了93%的总变异性，可将样本依据品种、基因型和环境因子分为4个聚类，对应于4个样本集。
3. 使用PLS-DA模型，可将种子样本依据种植环境划分为4组，准确度达99.6%。
4. 通过对Bafia和Nioro两个种群的混淆矩阵分析，所有样本均正确分类，表明这些种子的品质在不同种植环境中具有显著差异。
图1 不同遗传和地区来源的样本的近红外光谱
图2 所有样本的PCA 得分图
END
#
原文链接
https://www.sciencedirect.com/science/article/pii/S2096242824000241
识别下方二维码即可查看全文
专刊“植物脂质与蛋白质可持续加工利用”正在征稿中,欢迎来稿或咨询！
