论文部分内容阅读
牡丹(Paeonia Sect.Moutan)隶属芍药科(Paeoniaceae)芍药属(Paeonia)牡丹组,历史悠久,栽培广泛,品种繁多。近年来发现,牡丹种子产量高,籽油中不饱和脂肪酸含量尤其是α-亚麻酸含量较高,是一种发展潜力巨大的新兴木本油料作物。由于牡丹长期作观赏栽培和药用栽培,因此目前鲜见有牡丹种子产量、含油量、油脂特性、油用优良种质筛选等方面的研究。为此,本研究以常见牡丹种质为供试材料,对不同品种的牡丹主要农艺性状进行综合评价,初步探讨牡丹单株种子产量构成因素,同时广泛收集牡丹种子样品利用近红外光谱技术(NIRS)建立牡丹种子脂肪酸含量的快速检测模型,并利用紫斑牡丹(P.rockii)不同基因型个体205株组成育种群体,在连续3年性状调查的基础上利用SSR分子标记开展关联分析,剖析重要性状的等位遗传变异,为油用牡丹种质创新和高效育种提供理论依据和技术支持,在此基础上利用灰色关联度分析筛选优良种质,为油用牡丹品种选育提供基础材料。本研究主要结果如下:(1)利用R语言对30份不同牡丹品种(种)的产量、枝叶、花部、果实形态和油脂含量等38个性状进行综合分析,发现变异系数CV为3.48%～1 11.00%,其中产量和冠幅等变异程度较高,而油脂相关性状变异程度较小,其中紫斑牡丹(P.rockii)和凤丹(P.ostii)的种子产量明显高于中原品种、日本品种等品种类型,而欧美品种和滇牡丹(P.delavayi)完全败育。对相关性状的主成分分析和进一步的通径分析表明,影响牡丹单株产量的主要构成因素为单株果实重、单株有效果实数和出籽率。(2)利用近红外光谱技术(NIRS)建立牡丹种子脂肪酸含量的快速检测技术,共收集115份小样品量种子(～20g)和447份单粒种子分别进行小样品量模型和单粒模型的构建。总体来看,前者建模效果好于后者。其中亚麻酸(C18:3)小样品量模型精度最高,范围误差比(RPD)>3,可用于牡丹种子亚麻酸含量的快速检测,其去皮种子样品最佳预处理方法为多元散射矫正(MSC),完整种子样品最佳预处理方法为MSC+一阶导数。而单粒模型由于预测精确度普遍较低,仅亚麻酸(C183)和亚油酸(C18:2)可用于牡丹种子的初步检测。建立了牡丹种子小样品量模型的主要脂肪酸含量快速准确的预测方法,说明NIRS可应用于油用牡丹高油优良种质筛选。(3)群体遗传多样性和群体结构评价是开展关联分析的前提。本研究利用102个多态性SSR标记对紫斑牡丹育种群体进行群体遗传多样性分析。通过STRUCTUR分析群体结构,确定群体的亚群数K=2;利用SPAGeDi1.5估算供试群体内两两个体间的kinship值,其中kinship=0的个体占51.65%,kinship>0.3的个体仅占1.44%。然后利用TASSEL分别使用广义线性模型(GLM)和混合线性模型(MLM)进行关联检测,结果表明GLM模型共有32个性状与70个标记的232个关联组合在不同年份间重复检出,平均表型变异解释率变化范围0.0381～0.2804;MLM模型共有产量和油脂等7个性状与19个标记的21个关联组合在不同年份间能够重复检出,平均表型变异解释率变化范围0.0030～0.1295。最终在GLM和MLM两种模型且在不同年份间能够重复检测到6个性状与17个标记的19个关联组合;等位变异表型效应分析表明共83个等位变异,其中效应一致的有72个,增效38个,减效34个。与产量关联的标记有ps207、ps328和ps356,解释率0.0065～0.0216,与亚麻酸关联的标记是ps345,解释率0.0928。(4)进一步从205株紫斑牡丹育种群体中筛选优良种质。确定单位冠幅产量(K1)、单位冠幅果实重(K2)、单位冠幅有效果实数(K3)、百粒重(K4)、出籽率(K5)、出油率(K6)和亚麻酸含量(K7)等7个经济性状,利用灰色关联度分析,在关联度大于0.65时,选出编号为ZB025、ZB050、ZB016、ZB002共4个优良单株,单位冠幅产量分别为 329.07 g/m2、338.79g/m2、346.40 g/m2 和 356.50 g/m2。