利用表型数据构建陆地棉核心种质

以5963份陆地棉种质资源为材料,根据品种主要突变性状和品种类型分组成11组群,在分组的基础上利用21个表型性状,用非加权类平均聚类分析法,构建了281份陆地棉核心种质,占全部种质资源总量的4.71%。利用不同性状的均值t测验、方差F测验、变异系数、多样性指数t检验、均值、极差、表型方差、变异系数、均值差异百分率、方差差异百分率、极差符合率、变异系数变化率、主成分分析等参数进行核心种质代表性检验和评价。结果表明,所构建的陆地棉核心种质可以代表全部种质的遗传多样性。     

保留特殊种质材料的核心库构建方法

本研究提出了能保留特殊种质材料的多次聚类构建种质资源核心库方法,对种质材料的表现型数据采用合适的遗传模型及混合线性模型统计分析方法无偏预测基因型值,用基因型值构建核心库,计算材料间的马氏距离,用不加权类平均法进行聚类,根据聚类图选取材料构建核心库时,优先保留特殊遗传材料,用方差F测验、均值t测验、极差比和变异系数评价核心库代表原有种质资源群体遗传多样性的程度,以168个棉花基因型的5个纤维性状构建核心库。     

基于农艺性状的榕江茶（Camellia yungkiangensis）核心种质构建

摘 要：为得出较为可靠的榕江茶初级核心种质群体,以加强榕江茶种质选育、开发利用和分子遗传学研究,解决其种质资源保存成本较高问题,促进榕江茶种质资源的鉴定和有效利用。以118份榕江茶种质资源为材料,对19个表型性状和4个基本品质成分共计23个农艺性状进行分析;基于2种遗传距离(标准化欧氏距离、马氏距离）、4种聚类方法（离差平方和法、非加权组平均法、最长距离法、最短距离法）和7种总体取样规模（10%、15%、20%、25%、30%、35%、40%）构建了56个候选榕江茶核心种质,利用筛选得到的最佳构建方案构建初级核心种质。通过对原种质、保留种质和核心种质的表型遗传多样性和变异程度,以及各种质不同数量性状间的t检验来评价核心种质的代表性,并用主成分分析法对核心种质进行确认。构建榕江茶核心种质时,2种遗传距离中,标准化欧氏距离优于马氏距离;4种聚类方法中,最短距离法优于另外3种;7种总体取样规模中,30%的取样比例较适宜榕江茶核心种质的构建。对构建的38份核心种质进行分析评价,结果表明,核心种质与原种质23个性状的6个特征值一致性较好,并且遗传多样性指数有一定程度的提升;t检验结果表明,核心种质平衡了稀有性状的分布,有效保留了原种质的遗传多样性;主成分分析结果表明,核心种质的主成分累计贡献率高于原种质;对核心种质进一步确认时,发现核心种质均匀分布在原始种质范围内,无重叠现象,有效的避免了核心种质的冗余。所构建的榕江茶核心种质资源可以很好地代表原种质,较好的保留了原种质的性状、遗传多样性和变异。标准化欧氏距离、最短距离法和30%总体取样规模的构建策略,是构建榕江茶核心种质的最佳方法。最终构建了38份榕江茶种质资源的初级核心种质,占原种质32.20%。核心种质评价表明初级核心种质构建有效且质量较高,能够在保证冗余较少的情况下充分代表原种质遗传多样性。     

葡萄种质资源初级核心群的构建

以国家果树种质郑州葡萄圃保存的867份栽培种质为材料,对47项表型性状进行了主成分分析。采用欧氏遗传距离、离差平方和法进行种质初选。采用分组和逐步聚类法,分别以15%、20%、25%和30%的比例抽样,依次获得124、170、205和252份种质。通过对初选种质的遗传多样性指数、表型保留比例的分析,检验初级核心群的构建效果。结果表明,按种质类型分组,组内采用平方根策略、15%抽样比例获得的124份初选种质的表型保留比例和遗传多样性代表性均达到96%,表明构建的初级核心群对原始种质具有很好的代表性。     

中国芒(Miscanthus sinensis)初级核心种质的构建

以555份芒(Miscanthus sinensis)种质资源为研究对象,根据26个表型性状数据,按地理来源、植物区系和单一性状进行分组,分别采用简单比例法、平方根法和多样性指数法确定组内取样数,再根据聚类和随机2种方法进行组内个体选择。依照上述方案共构建出19个具有代表性的芒初选核心种质样本库。通过平均相似系数、性状符合度、数量性状变异系数和遗传多样性指数等4项检测指标对上述19种构建方案进行比较,最终确定了按"植物区划分组+多样性指数确定取样数+聚类选择个体"为芒初级核心种质构建的最佳方案。通过此方法建立起的芒初级核心种质资源共83份,占总资源的14.95%,且新构建的初级种质资源与总资源性状符合度达到100%。     

新疆甜瓜地方品种资源核心种质构建

新疆甜瓜地方种质资源具有丰富的遗传多样性,是新疆哈密瓜遗传改良的重要基因库。以121份新疆甜瓜地方品种为研究对象,结合按来源分组和系统聚类选择的方法,通过多重比较29个表型性状数据确定适宜的取样比例,筛选出25份地方品种为初选核心种质。在初选核心种质取样量上,人工定向补充5份优异种质和极值材料确定了核心种质,约占地方品种总数量的25%。对表型保留比例、遗传多样性指数、变异系数、表型频率方差、极差符合率、均值符合率、标准差符合率等检验参数进行了检验和评价。结果表明:调整后的核心种质除标准差符合率降低外,其余参数均优于或等于初选核心种质,更能代表原始样品;所构建的核心种质很好地保留了所有地方品种资源的遗传多样性和变异幅度。     

构建我国燕麦核心种质的取样策略研究

采用2种分层方法、3种确定组内取样量方法和2种个体选择方法,分析了3255份燕麦种质资源的12个农艺性状的数据,构建出13个初级核心种质样本。为确定这些样本代表性,分别与总体进行了7个指标的比较,包括数量性状的极差、符合度、平均数、表型方差、遗传多样性指数方差、变异系数及质量性状的频率分布。结果表明。2种分层方法产生的样本在代表性上差异不明显;3种确定组内取样量方法以比例法的代表性最好,对数法的代表性其次,平方根法的代表性最差;在个体选择中,聚类法明显好于随机法。因此,在燕麦核心种质的构建中,先按省份分组,再按比例法确定组内取样量,通过聚类结果选择个体为最佳取样策略。     

贵州野生猕猴桃表型遗传多样性分析

通过对146份贵州猕猴桃种质资源表型遗传多样性的研究,为贵州猕猴桃品种选育打下基础,对146份不同区域猕猴桃种质资源48个质量性状进行描述、赋值,并结合单果重等9个数量性状,使用主成分分析、聚类分析等进行综合评价。结果表明,57个质量性状和数量性状均存在丰富的多样性和变异性;146份资源的Shannon’s遗传多样性指数为1.28,从各区域遗传多样性指数可以看出,演化进程上从遗传多样性指数高的地区向低的地区进行演化;主成分分析结果显示,前14个主成分累计贡献率达75.076%,其中前6个主成分的累计贡献率达51.911%,为提高品种选育和评价的工作效率,可将猕猴桃种质资源的描述指标简化为新梢被毛、果实被毛等18个性状;聚类结果显示,贵州猕猴桃种质的欧氏距离为1.00~25.00之间,在D=19.25处,146份野生猕猴桃分为6个类群。本文有效揭示了贵州省猕猴桃种质资源丰富的多样性和亲缘关系,明确野生猕猴桃各种群间性状区分特征和部分优良资源性状的地理分布,对贵州猕猴桃种质资源的种质鉴定、保护利用和品种选育有重要意义。     

中国普通小麦初选核心种质的产生

对中国普通小麦种质资源构建了初选核心种质。地方品种和选育品种分别构建。按栽培区(地理生态区)分组。地方品种按亚区分为28组,选育品种按大区分为10组。各组内在21个表型性状聚类的基础上,按平方根法取样,并依遗传多样性指数与遗传丰富度加以调整。提出在生产上或育种中起过重要作用的品种为必选材料。初步选定的材料经种植核对,淘汰错杂后,产生初选核心种质。地方品种全部供试材料11694份,初选核心种质3283份,取样比例为28．18％。选育品种全部11441份,初选核心种质1684份,取样比例为14．9％。计划经分子标记分析,最后核心种质的比例占全部种质的10％左右。根据全部材料21个性状遗传多样性指数测验,初选核心种质,除芒和壳两性状外,与全部种质的遗传差异均未达到显水平。讨论了初选核心种质的构建方法。指出陕南部西山地和汾渭谷地是中国小麦地方品种遗传变异多样性的富集地。育成品种多样性程度以西南冬麦区和黄淮冬麦区为最高。     

灰楸形态多样性分析及核心种质初步构建

根据对267个灰楸的15个相关性状的方差和主成分等统计分析结果,评价灰楸种质资源的形态多样性。并且将种质资源按地理流域进行分组,以欧氏距离结合离差平方和的方法进行系统聚类,以生产或育种过程中起过重要作用的品种为必选材料,初步构建了63份核心种质,占总种质的23.6%。63份核心种质和总种质遗传多样性t检验未达到显著水平,表明初步构建的灰楸核心种质能代表总体资源的遗传多样性。     

基于表型及经济性状构建蒜头果初选核心种质

为尽快明确天然林中蒜头果种质资源收集保存的策略和目标,本研究基于21个表型及经济性状,构建蒜头果核心种质,明确了建立蒜头果育种和保存群体的目标材料,为其资源保育提供依据。在系统聚类和优先取样法的基础上,分别利用遗传多样性法、比例法和对数法,设定10%、20%和30%3种取样比例,产生7种构建策略;采用8个参数评价7种策略构建的核心种质,得到参数最优的核心种质;采用4重方法验证核心种质的有效性和代表性。结果表明,(1)“优先取样法+遗传多样性法+30%取样比例”形成的核心种质,8个评价参数最优,核心种质包含28个样本,取样比例为28.87%。(2)4种验证方法均表明,构建的核心种质具有较好的代表性。多样性指数的t检验表明,核心种质与原种质在21个性状上的多样性指数差异均不显著(0.05);符合率检验表明,核心种质与原种质在21个性状上的均值、极大值、极小值和多样性指数的符合率均在80%以上;主成分检验表明,核心种质与原种质具有相近的特征值、贡献率和累计贡献率;核心种质与原种质的样品分布表明,两者具有相似的分布结构。研究认为,构建的蒜头果核心种质具备代表性、有效性和实用性等特征,可作为蒜头果种质资源收集保存和建立育种群体的依据。     

Methods of constructing core collections by stepwise clustering with three sampling strategies based on the genotypic values of crops

A genetic model with genotype×environment (GE) interactions for controlling systematical errors in the field can be used for predicting genotypic values by an adjusted unbiased prediction (AUP) method. Mahalanobis distance, calculated based on the genotypic values, is then applied to measure the genetic distance among accessions. The unweighted pair-group average, Ward’s and the complete linkage methods of hierarchical clustering combined with three sampling strategies are proposed to construct core collections in a procedure of stepwise clustering. A homogeneous test and t-tests are suggested for use in testing variances and means, respectively. The coincidence rate (CR%) for range and the variable rate (VR%) for the coefficient of variation are designed to evaluate the property of core collections. A worked example of constructing core collections in cotton with 21 traits was conducted. Random sampling can represent the genetic diversity structure of the initial collection. Preferred sampling can keep the accessions with special or valuable characteristics in the initial collection. Deviation sampling can retain the larger genetic variability of the initial collection. For better representation of the core collection, cluster methods should be combined with different sampling strategies. The core collections based on genotypic values retained larger genetic variability and had superior representatives than those based on phenotypic values. Received: 15 October 1999 / Accepted: 24 November 1999     

利用分子标记和数量性状基因型值构建作物核心种质库的研究

提出了一种基于分子标记数据及数量性状基因型值构建作物种质资源核心种质库的方法.采用包括基因型与环境互作的遗传模型及相应的混合线性模型统计分析方法,无偏预测各材料的基因型值,分别用基因型值和分子标记数据计算个体间的相似系数,加权得到最终的相似距离.采用不加权类平均法（UPGMA）进行系统聚类,用多次聚类随机取样法构建核心种质库.以水稻DH群体111个基因型8个农艺性状、175个分子标记位点的数据为实例,按四种抽样比率（25%,20%,15%,10%）构建了四个核心种质库,比较了核心种质库与整个群体的分子标记多样性及数量性状的遗传变异,评价了所用方法的有效性。     

植物核心种质研究进展

丰富的植物遗传资源为作物育种和遗传研究提供广阔的遗传基础,然而资源庞大的数量也给植物遗传资源的收集、保存、研究和利用带来了困难。Frankel首先提出并与Brown等人完善了核心种质(core collection)的概念,即通过一定的方法从整个种质资源中选择一部分样本,以最小的资源数量和遗传重复,尽可能最大限度的代表整个资源的多样性。核心种质的提出,为遗传资源的研究和利用提供了崭新的解决途径。目前,已在多年生野生大豆、硬粒小麦、花生等20种植物上开展了核心种质研究。本围绕核心种质具有四个显特点即代表性、实用性、有效性、动态性,介绍在不同植物构建核心种质时,所利用的数据、分组原则及取样方法等,并介绍了核心种质的评价进展。通过比较发现,不同植物在构建核心种质各有区别,但是以根据地理来源分组,按聚类法取样为主。目前,对植物核心种质的研究,多处于取样策略的研究阶段。对建成的核心种质评价研究较少,主要集中在农艺性状遗传多样性方面的验证,而时分子水平的验证较少,构建的核心种质还有待于实践的检验。     

基于农艺性状指标的山西高粱地方品种核心种质构建

利用1285份山西省高粱地方品种18个农艺性状的历史数据,通过比较不同取样方法、取样比例和聚类方法组合的构建方法,确定了"多次聚类偏离度取样法+15％取样比例+欧氏距离+最长距离法"为山西省高粱地方核心种质构建的方法.192份初选核心种质和所有样本的均值差异百分率、方差差异百分率、极差符合率和变异系数变化率分别为0、8...     

基因型值多次聚类法构建作物种质资源核心库

采用合适的遗传模型无偏预测基因型值,用基因型值进行聚类分析,采用马氏距离计算遗传材料间的遗传距离,并用不加权类平均法（ＵＰＧＭＡ）进行聚类,根据树型图,从遗传变异相似的每组二个遗传材料中随机选取一个遗传材料,如组内只有一个遗传材料,则选取该遗传材料,对所取的所有遗传材料再次聚类、取样,直至所取遗传材料的数量为总遗传的２０％￣３０％,这些遗传材料作迷为核心聚类。用方差同质性测验、均值ｔ测验评核心资源     

A mini core subset for capturing diversity and promoting utilization of chickpea genetic resources in crop improvement

A core collection is a chosen subset of large germplasm collection that generally contains about 10% of the total accessions and represents the genetic variability of entire germplasm collection. The purpose of a core collection is to improve the use of genetic resources in crop improvement programs. In many crops the number of accessions contained in the genebank are several thousands, and a core subset consisting of 10% of total accessions would be an unwieldy proposition. In this article we have suggested a two-stage strategy to select a chickpea mini core subset consisting of only about 1% of the entire collection held in trust at ICRISAT’s genebank (16,991 accessions). This mini core subset still represents the diversity of the entire core collection. The first stage involves developing a representative core subset (about 10%) from the entire collection using all the available information on origin, geographical distribution, and characterization and evaluation data of accessions. The second stage involves evaluation of the core subset for various morphological, agronomic, and quality traits, and selecting a further subset of about 10% accessions from the core subset. At both stages standard clustering procedure was used to separate groups of similar accessions. A mini core subset consisting 211 accessions from 1,956 core subset accessions, using data on 22 morphological and agronomic traits, was selected. Newman- Keuls’ test for means, Levene’s test for variances, the chi-square test and Wilcoxon’s rank-sum non-parametric test for frequency distribution analysis for different traits indicated that the variation available in the core collection has been preserved in the mini core subset. The most important phenotypic correlations which may be under the control of coadapted gene complexes, were also preserved in the mini core. This mini core subset, due to its drastically reduced size, will prove to be a point of entry to proper exploitation of chickpea genetic resources. Received: 20 August 2000 / Accepted: 25 September 2000