茄子果頂形狀數(shù)據(jù)采集方法比較和遺傳分析

耿樹文 張 映劉富中 陳鈺輝 連 勇

（中國農(nóng)業(yè)科學(xué)院蔬菜花卉研究所，北京 100081）

茄子（Solanum melongena L．）是我國重要的茄果類蔬菜作物，隨著設(shè)施栽培和交通運(yùn)輸?shù)陌l(fā)展，茄子在我國絕大部分地區(qū)已經(jīng)實(shí)現(xiàn)周年供應(yīng)（田麗敏，2008；連勇 等，2017）。茄子果實(shí)外觀形狀是重要的商品性狀，直接影響消費(fèi)者的購買需求，間接影響其商品價(jià)值（王倩 等，2016）。現(xiàn)有的茄子果形性狀研究主要集中在縱徑、橫徑、果形指數(shù)上（龐文龍，2008；樂素菊 等，2011；喬軍 等，2011；謝立峰 等，2016；張環(huán)宇和李燁，2018）。不同地區(qū)的消費(fèi)習(xí)慣對(duì)茄子果頂形狀有不同的要求，在長距離跨地區(qū)銷售的過程中，圓頂茄子因?yàn)榫邆湟子诎b、不易損壞的特點(diǎn)而受到批發(fā)商的歡迎。因此，研究茄子的果頂遺傳規(guī)律，對(duì)減少運(yùn)輸成本、滿足多樣化的市場需求具有重要意義。

茄子果頂已有的表示方法是通過目測進(jìn)行象形描述分級(jí)（李錫香和朱德蔚，2006），然而目測容易受到個(gè)人主觀因素影響，分級(jí)標(biāo)準(zhǔn)簡單，數(shù)據(jù)不精確。Tomato Analyzer軟件可以從二維平面精確測量果實(shí)形態(tài)和顏色（Hurtado et al.，2010）。本試驗(yàn)分別使用目測分級(jí)法與Tomato Analyzer軟件分析法采集了茄子6世代群體果頂形狀，比較不同方法采集的果頂形狀的數(shù)據(jù)特點(diǎn)，利用植物數(shù)量性狀主基因+多基因模型研究茄子果頂?shù)倪z傳規(guī)律（蓋鈞鎰 等，2003），以期為茄子新品種選育提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)在中國農(nóng)業(yè)科學(xué)院蔬菜花卉研究所廊坊高新科技園區(qū)試驗(yàn)基地進(jìn)行。以圓頂材料Y83為母本P1，尖頂材料J84為父本P2（圖1），進(jìn)行雜交、回交和自交，獲得6世代遺傳群體：P1、P2、F1、B1（BC1P1）、B2（BC1P2）、F2。2015 年將 6 世代遺傳群體分別定植于春露地、秋大棚。春露地中，兩親本 P1、P2各種植26株，F(xiàn)1種植26株，分離世代B1種植155株，B2種植 208 株，F(xiàn)2種植546株，株距 55 cm，行距65 cm，按照常規(guī)栽培方式進(jìn)行管理。秋大棚中，P1種植25株，P2種植23株，F(xiàn)1種植19株，B1種植57株，B2種植52株，F(xiàn)2種植143株，株距 55 cm，行距65 cm，按照常規(guī)栽培方式進(jìn)行管理。茄子生長達(dá)到商品規(guī)格時(shí)，根據(jù)李錫香和朱德蔚（2006）的茄子種質(zhì)資源描述規(guī)范，每株茄子采摘2個(gè)形狀正常且正常發(fā)育符合試驗(yàn)要求的對(duì)茄，將黑色布當(dāng)作背景板用相機(jī)拍攝整個(gè)果實(shí)照片，后續(xù)處理獲得果頂數(shù)據(jù)。

圖1 供試茄子父母本

1.2 試驗(yàn)方法

1.2.1 果頂形狀的分級(jí)與測量 目測分級(jí)法：茄子種質(zhì)資源描述規(guī)范中將茄子果頂劃分成凹、平、凸3類，本試驗(yàn)為盡可能覆蓋中間過渡類型，將茄子果頂劃分為圓凹、圓、鈍尖、尖4類，制定目測分級(jí)法中的果頂形狀比樣板，對(duì)照建立的果頂形狀比樣板，對(duì)茄子果頂形狀進(jìn)行目測分級(jí)，相同或相似果頂形狀歸為一類并賦值：1=尖，2=鈍尖，3=圓，4=圓凹（圖2），分類統(tǒng)計(jì)分析。

Tomato Analyzer軟件分析法：為了準(zhǔn)確表示茄子果頂形狀，特引入Tomato Analyzer軟件分析，首先每株采收2個(gè)商品成熟的對(duì)茄，于黑色背景板上拍照獲得照片并以300 dpi像素儲(chǔ)存為JPEG或JPG格式，然后將照片分張導(dǎo)入Tomato Analyzer軟件中，導(dǎo)入完成后設(shè)置果頂測量選項(xiàng)，將其他性狀選項(xiàng)全部取消以避免數(shù)據(jù)干擾，設(shè)置完成后點(diǎn)擊“Analyzer”選項(xiàng)，完成機(jī)器識(shí)別分析后點(diǎn)開“Revise”選項(xiàng)，觀察識(shí)別頂點(diǎn)是否是正常頂點(diǎn)，如果不是，通過人工對(duì)機(jī)器識(shí)別的果頂點(diǎn)進(jìn)行微調(diào)后重新點(diǎn)擊“Analyzer”選項(xiàng)，獲取準(zhǔn)確的果頂數(shù)據(jù)（圖3），取2個(gè)對(duì)茄果頂?shù)钠骄颠M(jìn)行遺傳分析。

1.2.2 遺傳分析方法 采用蓋鈞鎰等（2003）提出的植物數(shù)量性狀遺傳體系主基因+多基因混合遺傳模型分離分析方法—P1、F1、P2、B1、B2和F26世代群體聯(lián)合分析方法分析目測法和軟件法測得的茄子果頂試驗(yàn)數(shù)據(jù)。在基因加性效應(yīng)的基礎(chǔ)上按照有無顯性效應(yīng)、完全顯性或部分顯性、正向或負(fù)向顯性的原則，建立7類共24個(gè)遺傳模型。通過極大似然估計(jì)值大小、EM 算法或ECM算法或IECM算法對(duì)各世代各成分分布參數(shù)的平均數(shù)、方差作出估計(jì)，根據(jù)AIC準(zhǔn)則選擇AIC值小的和適合檢驗(yàn)選擇差異量少的為最終的最適模型，通過最小二乘法估計(jì)最適宜模型的相應(yīng)一階和二階遺傳參數(shù)。采用蓋鈞鎰（2000）提出的多世代分離模型軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析。

圖2 目測法果頂形狀比樣板

圖3 Tomato Analyzer軟件分析果頂形狀

2 結(jié)果與分析

2.1 果頂表型分布及變化規(guī)律

通過Tomato Analyzer軟件得到果頂數(shù)據(jù)，春秋兩季2個(gè)親本的果頂值都高度一致。春露地中，P1為圓頂，均值143.04，標(biāo)準(zhǔn)偏差7.09，P2為尖頂，均值70.56，標(biāo)準(zhǔn)偏差11.97；秋大棚中，P1為圓頂，均值142.25，標(biāo)準(zhǔn)偏差6.68，P2為尖頂，均值79.97，標(biāo)準(zhǔn)偏差7.71。親本表型典型，穩(wěn)定。F2群體果頂數(shù)值呈連續(xù)性分布，個(gè)別單株出現(xiàn)超親優(yōu)勢，除少數(shù)果頂大小和親本相當(dāng)外，其余大部分果頂大小都介于2個(gè)親本之間，果頂變化規(guī)律呈單峰偏正態(tài)分布，表現(xiàn)出數(shù)量性狀遺傳特征（圖4）。通過目測分級(jí)法得到的果頂數(shù)據(jù)與軟件分析的結(jié)果類似，春露地和秋大棚中，P1為圓凹，級(jí)值為4，P2為尖頂，級(jí)值為1，F(xiàn)1果頂基本穩(wěn)定在2即表現(xiàn)為鈍尖，F(xiàn)2群體果頂出現(xiàn)明顯分離，除少數(shù)果頂同親本外，其余多數(shù)是親本間的過渡性狀，果頂級(jí)數(shù)分布呈單峰偏態(tài)分布（圖5），亦表現(xiàn)出數(shù)量性狀遺傳特征。通過以上描述，2種方法都滿足6世代分離試驗(yàn)條件。

圖4 F2分離群體果頂變化規(guī)律（Tomato Analyzer軟件分析）

圖5 F2分離群體果頂變化規(guī)律（目測分級(jí)）

2.2 最優(yōu)遺傳模型的選擇

2.2.1 目測法遺傳模型的選擇 以目測分級(jí)法測得的 P1、F1、P2、B1、B2和 F2的果頂數(shù)據(jù)為基礎(chǔ)，運(yùn)用6世代聯(lián)合分析法，用IECM算法得出春露地和秋大棚茄子果頂遺傳模型的AIC值分別為20個(gè)和18個(gè)（表1）。春露地果頂遺傳模型中，B-1、B-2和E-0的AIC值較小，作為備選的遺傳模型；秋大棚果頂遺傳模型中，B-1、E-0和E-1的AIC值較小，作為備選的遺傳模型。分別對(duì)這2組各3個(gè)模型進(jìn)行適合性檢驗(yàn)，結(jié)果表明：春露地B-1、B-2和E-0 3個(gè)模型統(tǒng)計(jì)量差異顯著個(gè)數(shù)分別為23、24和20，因此E-0模型即2對(duì)加性-顯性-上位性主基因+加性-顯性-上位性多基因混合遺傳模型是春露地果頂?shù)淖顑?yōu)模型（表2）；秋大棚B-1、E-0和E-1 3個(gè)模型統(tǒng)計(jì)量差異顯著個(gè)數(shù)均為17個(gè)，但是B-1模型的AIC值最小，因此B-1模型即2對(duì)加性-顯性-上位性主基因控制的遺傳模型是秋大棚果頂?shù)淖顑?yōu)模型（表3）。

2.2.2 軟件法遺傳模型的選擇 以軟件分析法測得的P1、F1、P2、B1、B2和F2的果頂數(shù)據(jù)為基礎(chǔ)，運(yùn)用6世代聯(lián)合分析法，用IECM算法得出茄子果頂?shù)?類共24種遺傳模型的AIC值。春露地果頂遺傳模型中，B-4、B-2和B-1的AIC值較小，視為備選模型；秋大棚果頂遺傳模型中，B-2、D-2和B-1模型的AIC值較小，視為備選模型（表4）。分別對(duì)這2組各3個(gè)模型進(jìn)行適合性檢驗(yàn)，結(jié)果表明（表5、6）：春露地的B-1、B-2、B-4模型統(tǒng)計(jì)量差異顯著個(gè)數(shù)分別為6、9、11，因此B-1模型即春露地果頂?shù)淖顑?yōu)模型；秋大棚B-1、B-2、D-2模型統(tǒng)計(jì)量差異顯著個(gè)數(shù)分別為0、4、3，因此B-1模型也是秋大棚果頂?shù)淖顑?yōu)模型。說明不論在春露地還是秋大棚中茄子果頂?shù)倪z傳由2對(duì)主基因控制，符合B-1模型即2對(duì)加性-顯性-上位性主基因控制的遺傳模型。

表1 春露地和秋大棚遺傳模型的AIC值比較（目測分級(jí)）

表2 春露地遺傳模型的適應(yīng)性檢測（目測分級(jí)）

表3 秋大棚遺傳模型的適應(yīng)性檢測（目測分級(jí)）

表4 春露地和秋大棚遺傳模型的AIC值比較（Tomato Analyzer軟件分析）

表5 春露地遺傳模型的適應(yīng)性檢測（Tomato Analyzer軟件分析）

表6 秋大棚遺傳模型的適應(yīng)性檢測（Tomato Analyzer軟件分析）

2.3 遺傳參數(shù)估計(jì)

利用目測法和軟件法分析春露地和秋大棚茬口茄子果頂形狀，根據(jù)AIC值比較以及適應(yīng)性檢測可知，在春露地用目測法，果頂遺傳最優(yōu)模型為E-0模型；而其他3種情況下的最優(yōu)模型均為B-1模型，根據(jù)各模型的成分參數(shù)分別估計(jì)出該模型的一階和二階遺傳參數(shù)（表7）。從一階參數(shù)看，相同茬口推算的主基因一階參數(shù)具有相似的規(guī)律。在露地茬口目測法和軟件法2個(gè)主基因的加性效應(yīng)值da和db相似，顯性效應(yīng)值ha和hb小于加性效應(yīng)，目測法第1主基因和第2主基因的顯性度分別為-0.34和0.33，軟件法第1主基因和第2主基因的顯性度分別為-0.11和0.29，2個(gè)主基因都表現(xiàn)為部分顯性但方向不同，在露地中第1主基因以加性效應(yīng)為主，有部分負(fù)向顯性，第2主基因以加性效應(yīng)為主，為正向部分顯性；目測法和軟件法得到的2個(gè)主基因的加性×加性互作值分別為0.750和-2.252，加性×顯性互作值分別為0.250和7.721，顯性×加性互作值分別為-0.253和1.318，顯性×顯性互作值分別為0.257和-0.793，說明2個(gè)主基因間存在加性×加性、加性×顯性、顯性×加性、顯性×顯性互作。在大棚茬口，目測法和軟件法第1主基因的加性效應(yīng)da＞顯性效應(yīng)ha，以加性效應(yīng)為主，顯性度分別為0.20和0.14，表現(xiàn)為部分正顯性，第2主基因的加性效應(yīng)db＜顯性效應(yīng)hb，顯性度分別為3.16和2.56，表現(xiàn)為正向超顯性，目測法和軟件法得到的2個(gè)主基因的加性×加性互作值分別為0.250和-3.133、加性×顯性互作值分別為-1.290和-5.862、顯性×加性互作值分別為0.250和7.292、顯性×顯性互作值分別為-1.310和-13.486，說明2個(gè)主基因間存在加性×加性、加性×顯性、顯性×加性、顯性×顯性互作。不同的茬口，主基因的一階遺傳參數(shù)規(guī)律不同，說明環(huán)境對(duì)果頂形狀有影響。同一個(gè)茬口，不同的果頂形狀采集方法，一階遺傳參數(shù)具有相同的規(guī)律，說明2個(gè)方法都可以作為果頂形狀采集的方法。

表7 茄子果頂形狀的遺傳參數(shù)估計(jì)

通過分析二階遺傳參數(shù)（表7）可知，在B1、B2和F23個(gè)分離群體中，主基因遺傳率為48.830%～99.182%。目測法采集的數(shù)據(jù)中主基因遺傳率較高，為88.685%～99.182%，露地目測法雖然認(rèn)為存在多基因微效位點(diǎn)，但多基因微效位點(diǎn)的遺傳率很低，主基因占絕對(duì)優(yōu)勢；軟件法采集的數(shù)據(jù)相對(duì)于目測法主基因遺傳率較低，為48.830%～82.240%，其中F2的主基因遺傳率較高。在春露地環(huán)境下，主基因遺傳率是48.830%～99.182%；在秋大棚的環(huán)境下，主基因遺傳率是63.307%～98.210%，露地環(huán)境下遺傳率的變化大于環(huán)境條件較穩(wěn)定的秋大棚，說明環(huán)境條件對(duì)茄子果頂形狀有一定的影響。

3 結(jié)論與討論

茄子的外觀性狀差異很大，不同地區(qū)對(duì)茄子果形、果色、果萼色和果頂形狀的要求各不相同。茄子果頂作為重要的商品性狀其研究至今仍處于起步階段，因此研究茄子果頂形狀的遺傳規(guī)律，為下一步定位、挖掘控制果頂形狀相關(guān)的基因，實(shí)現(xiàn)對(duì)茄子果頂?shù)木珳?zhǔn)選育，具有十分重要的價(jià)值。

合理的茄子果頂測量方法是茄子果頂研究的基石，在大量查閱文獻(xiàn)后，筆者歸納出了2種茄子果頂?shù)臏y量方法：第1種是目測分級(jí)法，即制作對(duì)照茄子果頂形狀的比樣板，將采集的茄子果頂拍照后放在電腦界面通過肉眼進(jìn)行目測分級(jí)，相同或相似的茄子果頂形狀歸為一類并按照形狀賦值，分類統(tǒng)計(jì)；第2種是Tomato Analyzer軟件分析法，即利用Tomato Analyzer軟件對(duì)采集并拍照記錄的果頂圖片進(jìn)行分析得出相應(yīng)的果頂數(shù)據(jù)。2種方法在遺傳規(guī)律研究的過程中各有特點(diǎn)，最主要的差異集中在以下3點(diǎn)：第一，24類模型的AIC值的完整性。目測分級(jí)法獲取的果頂數(shù)據(jù)不能計(jì)算出全部24個(gè)模型的AIC值，而Tomato Analyzer軟件分析法獲取的果頂數(shù)據(jù)卻可以計(jì)算出全部模型的AIC值，更符合遺傳規(guī)律；第二，適應(yīng)性檢測統(tǒng)計(jì)量差異顯著的個(gè)數(shù)。目測法獲取的果頂數(shù)據(jù)在模型適應(yīng)性檢測中顯著差異的統(tǒng)計(jì)量達(dá)到20個(gè)以上，而Tomato Analyzer軟件分析法獲取的果頂數(shù)據(jù)在模型適應(yīng)性檢測中顯著差異的統(tǒng)計(jì)量均在8個(gè)以下，更加符合統(tǒng)計(jì)學(xué)原理。可見Tomato Analyzer軟件分析法獲取的果頂數(shù)據(jù)更加準(zhǔn)確，更具試驗(yàn)意義。第三，遺傳參數(shù)的穩(wěn)定性。同一群體不同茬口，目測法主基因的二階遺傳參數(shù)變化較軟件法更小，同一茬口3個(gè)分離群體的主基因遺傳率較軟件法也更穩(wěn)定和更高。軟件法在24個(gè)模型的完整性和適應(yīng)性檢測統(tǒng)計(jì)中表現(xiàn)較好，可能是由于Tomato Analyzer軟件得到的數(shù)據(jù)是連續(xù)的，更加符合統(tǒng)計(jì)學(xué)原理。軟件法在二階遺傳參數(shù)上的主基因遺傳率較低，穩(wěn)定性較弱，可能是由于采集果頂照片時(shí)沒有將果實(shí)劈開，部分果頂內(nèi)凹的形狀沒法體現(xiàn)造成主基因遺傳率不夠穩(wěn)定和準(zhǔn)確?？偟膩碚f，目測分級(jí)和Tomato Analyzer軟件測量都可以用來分析茄子果頂?shù)倪z傳規(guī)律，為了取得更為準(zhǔn)確的遺傳分析結(jié)果，目測法需要將茄子果頂形狀分級(jí)更加細(xì)致，Tomato Analyzer軟件法在采集照片時(shí)要照茄子的縱剖面，以黑色絨布為背景，照片盡量清晰準(zhǔn)確。由于目測法依靠人眼進(jìn)行細(xì)化分級(jí)，比保證照片質(zhì)量更難執(zhí)行，因此，采用Tomato Analyzer軟件法采集果頂形狀進(jìn)行后續(xù)研究更具可行性。

本試驗(yàn)利用目測法分析春露地茬口茄子果頂形狀的遺傳規(guī)律，結(jié)果表明：茄子果頂形狀由2對(duì)加性-顯性-上位性主基因+加性-顯性-上位性多基因控制；而目測法分析秋大棚茬口，以及軟件法分析春露地和秋大棚茬口都認(rèn)為茄子果頂形狀由2對(duì)加性-顯性-上位性主基因控制。因此可以肯定茄子果頂形狀的遺傳至少受2對(duì)加性-顯性-上位性主基因控制。且環(huán)境條件對(duì)茄子果頂也有一定的影響。在B1、B2和F23個(gè)分離群體中，F(xiàn)2群體中主基因遺傳率和穩(wěn)定性比較高，主基因遺傳率達(dá)到72%以上，育種過程中適合在F2進(jìn)行果頂形狀的選擇。本試驗(yàn)利用6世代遺傳分析法分析了茄子果頂形狀的遺傳規(guī)律，分析和定位茄子果頂形狀的主效基因，開發(fā)可用于茄子果頂形狀輔助選擇的分子標(biāo)記是下一步研究的主要內(nèi)容（Paris & Kabelka，2009；王瑞 等，2011）。