黄灯笼辣椒核心种质资源比较构建研究

刘子记　孙继华　杨衍　曹振木

摘 要 核心种质的构建为种质资源的研究和有效利用提供了便利条件。以146份黄灯笼辣椒种质资源为试验材料，基于10个性状表型数据，采用混合线性模型分析方法无偏地预测基因型值，利用马氏距离计算种质间的遗传距离，分别采用2种取样方法（随机取样法和优先取样法），2种聚类方法（离差平方和法和类平均法），按照30%的抽样比率构建黄灯笼辣椒核心种质库。采用均值、方差、极差和变异系数4个指标评价不同取样方法和聚类方法构建核心种质库的优劣。试验结果表明，优先取样法优于随机取样法，类平均法优于离差平方和法。基于马氏距离、优先取样法、类平均法获取的43份黄灯笼椒核心资源能够代表原群体的遗传多样性。

关键词 黄灯笼辣椒；基因型值；核心种质；取样方法；聚类方法

中图分类号 S641.3 文献标识码 A

Comparative Study on the Construction of Capsicum chinense

Jacquin Core Collection

LIU Ziji1， SUN Jihua2， YANG Yan1， CAO Zhenmu1*

1 Tropical Crops Genetic Resources Institute， Chinese Academy of Tropical Agricultural Sciences / Key Laboratory of Crop Gene

Resources and Germplasm Enhancement in Southern China， Ministry of Agriculture， Danzhou， Hainan 571737 China

2 Institute of Scientific and Technical Information， Chinese Academy of Tropical Agricultural Sciences， Haikou， Hainan 571101， China

Abstract Core collection construction facilitates the research and effective utilization of genetic resources. Taking 146 Capsicum chinense Jacquin germplasm as experiment materials， genotypic values of 10 traits were unbiasedly predicted through employing mixed linear model analysis method. The genetic distances among germplasm were calculated using Mahalanobis distance based on genotypic values. Core collections were constructed with 30% sampling proportion by using 2 sampling strategies（random sampling and preferred sampling）and 2 cluster methods（UPGMA and Wards method）， respectively. The genetic variations among core collections were compared through evaluating the mean， variance， range and coefficient of variation of 10 traits. The results showed that preferred sampling method was better than the random sampling method； UPGMA was better than Wards method. 43 core collections， obtained based on Mahalanobis distance， preferred sampling and UPGMA method， could represent genetic diversity of the initial collection. This study could provide important theoretical basis for efficient utilization of Capsicum chinense Jacquin germplasm and breeding of new varieties.

Key words Capsicum chinense Jacquin； Genotype value； Core collection； Sampling strategy； Cluster method

doi 10.3969/j.issn.1000-2561.2015.12.008

海南黄灯笼椒（Capsicum chinense Jacquin）为茄科（Solanaceae）辣椒属（Capsicum）多年生草本植物[1]，起源于南美亚马逊流域[2]，又称黄帝椒、黄辣椒等，植物分类学上属于中国辣椒（Capsicum chinense），是海南特有的地方珍稀辣椒品种，主要分布于海南岛文昌、万宁、定安等地区，在海南有着悠久的栽培和食用历史[3]。黄灯笼椒除了含有丰富的维生素C、矿物质、胡萝卜素、氨基酸及微量元素外，还含有丰富的辣椒素类物质，辣椒素具有缓解疼痛[4-5]、抗氧化[6-7]、消炎[8]、减肥[9-10]和抗肿瘤活性[11-13]的功效。总之，海南黄灯笼椒具有非常高的营养价值和药用价值，是海南最具开发潜力的特色蔬菜作物[14-15]。

种质是指决定生物种性并将其遗传信息从亲代传递给子代的遗传物质的总和。种质资源包括携带有不同种质的栽培种、近缘种和野生种[16]。种质资源内蕴含着丰富的遗传变异和各种性状的有利基因，为栽培种遗传改良、新品种选育及遗传生物学研究提供丰富的遗传变异和基因资源，是人类发展农业的物质基础[17]。随着作物种质资源的不断收集和积累，种质资源的管理费用不断提高，并且增加了特异种质材料筛选、挖掘利用的难度。Frankel和Brown于1984年最早提出构建核心种质[18]，核心种质是种质资源的一个核心子集，能够以最少数量的遗传资源最大限度地保存整个资源群体的遗传多样性，因此核心种质可以作为种质资源研究和利用的切入点，从而提高种质资源的管理和利用水平。近年来，核心种质研究蓬勃发展，先后对芝麻[19]、香菇[20]、木薯[21]、大麦[22]、咖啡[23]、杏[24]等多种作物构建了核心种质库。园艺作物核心种质研究起步较晚，黄灯笼椒核心种质的研究鲜有报道。

如何使尽可能少的样品保存尽可能多的遗传变异，是有效构建作物核心种质的关键。作物性状表型的差异不仅受基因型的影响，还受环境条件的影响，因此如何准确地评价不同种质材料间遗传上的差异程度以及合理的取样方法则是高效构建核心种质的前提。本研究将采用混合线性模型预测基因型效应值，比较不同取样和聚类方法的优劣，有效构建黄灯笼椒核心种质，以期为黄灯笼椒种质资源的高效利用和新品种选育提供理论依据。

1 材料与方法

1.1 材料和基因型值预测

试验于2013年8月中旬在中国热带农业科学院热带作物品种资源研究所八队试验基地进行育苗，10月份进行移栽，2014年2月至3月份进行农艺性状调查，为了避免不同种植时间造成的误差，本研究均在同一生长季节完成农艺性状调查。供试黄灯笼辣椒种质资源共146份，30份来自中国海南，15份来自中国云南，15份来自英国，18份来自法国，15份来自美国，20份来自巴西，16份来自墨西哥，17份来自泰国，不同种质间株高、叶片大小、果实大小等性状存在显著差异。将146份黄灯笼辣椒种质资源按随机区组设计进行种植，重复3次，每个重复种植8株。参考《辣椒种质资源描述规范与数据标准》调查株高、株幅、叶片长、叶片宽、叶柄长、果纵径、果橫径、果柄长、果肉厚和单果重，其中株高指门椒成熟期，植株在自然状态下，其最高点至地面的垂直距离；株幅指门椒成熟期，植株在自然状态下，植株叶幕垂直投影的最大直径；叶片长指四门斗始花期，植株中部完整且生长正常的最大叶片的长度；叶片宽指四门斗始花期，植株中部完整且生长正常的最大叶片的宽度；叶柄长指四门斗始花期，植株中部完整且生长正常的最大叶片的叶柄长度；商品果纵径指发育正常、达到商品成熟度的对椒，果蒂至果顶的直线长度；商品果橫径指发育正常、达到商品成熟度的对椒，与纵径垂直的最大横切面的直径；果柄长度指发育正常、达到商品成熟度的对椒的果柄的长度；果肉厚度指发育正常、达到商品成熟度的对椒果肉的厚度；单果重指对椒成熟期，单个正常商品果实的重量。采用朱军[25]提出的混合线性模型，基于调整无偏预测法无偏预测基因型效应值。

1.2 遗传距离计算与聚类分析

采用马氏距离基于基因型预测值计算不同黄灯笼椒种质间的遗传距离，假设共有n份种质资源，采用m个性状进行聚类。第i个种质与第j个种质的基因型效应向量分别为giT=（gi1， gi2， …gim）；gjT=（gj1， gj2， …gjm），则第i个种质与第j个种质间的马氏距离计算公式为Dij2=（gi-gj）TVG-1（gi-gj）[26]。基于种质间的遗传距离分别利用离差平方和和类平均法进行聚类分析[27]。

1.3 抽样与核心种质遗传变异评价

采用随机取样法[28]、优先取样法[29]和30%的抽样比率构建黄灯笼椒核心种质库。本研究采用统计分析根据均值、方差、极差和变异系数4个指标来评价核心资源库的优劣。核心库各性状的方差和变异系数应不小于原群体的方差和变异系数，而极差与均值则应基本保持不变[30]。方差的差异性通过F测验进行分析，均值的差异性通过t测验进行分析。

2 结果与分析

2.1 比较2种聚类方法构建的黄灯笼椒核心种质

采用马氏距离、优先取样法和30%的抽样比率，分别基于2种聚类方法（离差平方和和类平均法）构建核心种质。结果表明，利用离差平方和和类平均法构建的核心种质的均值与原群体没有显著差异，与原群体相比，10个性状的方差均得到不同程度地提高。利用类平均法构建的核心种质，3个性状（叶片宽、果纵径、果肉厚）的方差与原群体差异达极显著水平，3个性状（株高、叶柄长、单果重）的方差与原群体差异达显著水平。采用离差平方和法构建的核心种质仅果肉厚的方差与原群体差异达极显著水平，5个性状（株高、叶片宽、果纵径、果柄长、单果重）的方差与原群体差异达显著水平。离差平方和和类平均法构建的核心种质均保存了原群体的极差。离差平方和和类平均法构建的核心种质所有10个性状的变异系数均高于原群体，采用类平均法构建的核心种质9个性状的变异系数高于离差平方和法，仅果柄长的变异系数略低于离差平方和法（表1）。综合以上分析结果，采用类平均法进行聚类分析构建的黄灯笼椒核心种质具有相对较大的遗传差异，优于离差平方和法。

2.2 比较2种取样方法构建的黄灯笼椒核心种质

采用马氏距离、非加权类平均法和30%的取样比率，分别基于2种取样方法（随机取样和优先取样）构建核心种质。结果表明，利用随机取样和优先取样法构建的核心种质的均值与原群体没有显著差异。利用优先取样法构建的核心种质，10个性状的方差均大于随机取样法构建的核心种质和原群体，其中3个性状（叶片宽、果纵径、果肉厚）的方差与原群体差异达极显著水平，3个性状（株高、叶柄长、单果重）的方差与原群体差异达显著水平。采用随机取样法构建的核心种质仅果肉厚的方差与原群体差异达极显著水平，2个性状（株高、叶片宽）的方差与原群体差异达显著水平，果柄长的方差低于原群体。采用优先取样法构建的核心种质保存了原群体的极差，采用随机取样法构建的核心种质仅株高和果肉厚的极差与原群体保持一致，其余性状的极差均小于原群体。优先取样法构建的核心种质所有10个性状的变异系数均高于原群体和随机取样法，采用随机取样法构建的核心种质，8个性状的变异系数高于原群体，2个性状（叶柄长和果柄长）的变异系数低于原群体（表2）。以上分析结果表明，采用优先取样法构建的黄灯笼椒核心种质具有相对较大的遗传变异，优于随机取样法。

2.3 黄灯笼椒核心种质构建

采用马氏距离、非加权类平均法、优先取样法和30%的抽样比率，构建黄灯笼椒核心种质。核心种质的均值与原群体没有显著差异。10个性状的方差均大于原群体，其中3个性状（叶片宽、果纵径、果肉厚）的方差与原群体差异达极显著水平，3个性状（株高、叶柄长、单果重）的方差与原群体差异达显著水平。核心种质保存了原群体的极差。核心种质所有10个性状的变异系数均高于原群体（表3）。获取的43份核心资源能够代表原群体的遗传多样性。核心种质编号为：CCJ8、CCJ10、CCJ14、CCJ15、CCJ17、CCJ22、CCJ26、CCJ29、CCJ35、CCJ44、CCJ46、CCJ48、CCJ55、CCJ59、CCJ60、CCJ66、CCJ73、CCJ84、CCJ85、CCJ86、CCJ93、CCJ95、CCJ96、CCJ103、CCJ104、CCJ106、CCJ109、CCJ110、CCJ111、CCJ115、CCJ117、CCJ120、CCJ121、CCJ122、CCJ126、CCJ127、CCJ129、CCJ130、CCJ131、CCJ134、CCJ135、CCJ138、CCJ141。

3 讨论与结论

核心种质是种质资源的一个核心子集，以最少的遗传资源数量最大限度地保存整个资源群体的遗传多样性[18]。核心种质的构建可以大大提高整个种质库的管理和利用水平。种质材料的表型不仅受基因型控制，还受环境条件的影响，如何准确地度量不同遗传材料间的遗传差异是构建核心种质的关键。为了排除环境条件、基因型与环境互作的影响，本研究采用混合线性模型无偏预测性状的基因型值，基于基因型值计算种质材料间的遗传距离。

为确保核心种质能够保存原群体的遗传结构，首先要对该群体进行遗传分类。聚类分析是一种重要的多变量分析工具，被广泛应用于种质资源的分类、亲缘关系分析等研究[31]。本研究比较了离差平方和法和类平均法2种聚类方法构建的黄灯笼椒核心种质的优劣。研究结果表明，采用类平均法进行聚类分析构建的黄灯笼椒核心种质具有相对较大的遗传变异，优于离差平方和法。

完成种质资源遗传分类后，需根据分类结果采用一定的取样策略对各类群进行抽样。核心材料的取样是构建核心种质的另一个重要环节，不同的取样方法直接影响核心种质库的优劣。本研究比较了随机取样法和优先取样法构建的黄灯笼椒核心种质的优劣。通过比较方差和变异系数发现，优先取样法构建的核心种质的方差和变异系数均大于随机取样法，并且优先取样法优先抽取性状最大或最小值的样品，有利于保存特异种质材料，优于随机取样法。

核心种质材料应能代表原有种质资源的遗传多样性，本研究采用方差、极差、均值和变异系数4个指标来评价核心种质，核心种质各性状的方差和变异系数应不小于原群体，而极差与均值则应基本保持不变[30]。本研究采用马氏距离、非加权类平均法和优先取样法构建的黄灯笼椒核心种质，均值与原群体没有显著差异，10个性状的方差均大于原群体，保存了原群体的极差，10个性状的变异系数均高于原群体，获取的43份核心资源能够代表原群体的遗传多样性。

参考文献

[1] Carvalho S I， Ragassi C F， Bianchetti L B， et al. Morphological and genetic relationships between wild and domesticated forms of peppers（Capsicum frutescens L. and C. chinense Jacquin）[J]. Genet Mol Res， 2014， 13（3）： 7 447-7 464.

[2] Qin C， Yu C， Shen Y， et al. Whole-genome sequencing of cultivated and wild peppers provides insights into Capsicum domestication and specialization[J]. Proc Natl Acad Sci USA， 2014， 111（14）： 5 135-5 140.

[3] 李海龙， 张俊清， 赖伟勇， 等. 海南黄灯笼椒与不同品种辣椒的辣椒素含量测定[J]. 中国野生植物资源， 2012， 31（4）： 32-34.

[4] Fraenkel L， Bogardus S T， Concato J， et al. Treatment options in knee osteoarthritis： The patients perspective[J]. Arch Intern Med， 2004， 164： 1 299-1 304.

[5] Anand P， Bley K. Topical capsaicin for pain management： therapeutic potential and mechanisms of action of the new high-concentration capsaicin 8% patch[J]. Br J Anaesth， 2011， 107： 490-502.

[6] Lee C Y， Kim M， Yoon S W， et al. Short-term control of capsaicin on blood and oxidative stress of rats in vivo[J]. Phytother Res， 2003， 17： 454-458.

[7] Kempaiah R K， Srinivasan K. Influence of dietary curcumin， capsaicin and garlic on the antioxidant status of red blood cells and the liver in high-fat-fed rats[J]. Ann Nutr Metab， 2004， 48： 314-320.

[8] Kim C S， Kawada T， Kim B S， et al. Capsaicin exhibits anti-inflammatory property by inhibiting IkB-a degradation in LPS-stimulated peritoneal macrophages[J]. Cell Signal， 2003， 15： 299-306.

[9] Lejeune M P， Kovacs E M， Westerterp-Plantenga M S. Effect of capsaicin on substrate oxidation and weight maintenance after modest body-weight loss in human subjects[J]. Br J Nutr， 2003， 90（3）： 651-659.

[10] Ludy M J， Moore G E， Mattes R D. The effects of capsaicin and capsiate on energy balance： critical review and meta-analyses of studies in humans[J]. Chem Senses， 2012， 37（2）： 103-121.

[11] Anandakumar P， Kamaraj S， Jagan S， et al. Capsaicin inhibits benzo（a）pyrene-induced lung carcinogenesis in an in vivo mouse model[J]. Inflamm Res， 2012， 61： 1 169-1 175.

[12] Lee S H， Krisanapun C， Baek S J. NSAID-activated gene-1 as a molecular target for capsaicin-induced apoptosis through a novel molecular mechanism involving GSK3beta， C/EBPbeta and ATF3[J]. Carcinogenesis， 2010， 31： 719-728.

[13] Mori A， Lehmann S， OKelly J， et al. Capsaicin， a component of red peppers， inhibits the growth of androgen-independent， p53 mutant prostate cancer cells[J]. Cancer Res， 2006， 66： 3 222-3 229.

[14] 李洪福， 李海龙， 王 勇， 等. 海南黄灯笼辣椒不同提取物化学成分GC-MS分析[J]. 中国实验方剂学杂志， 2013， 19（8）： 129-133.

[15] 王建华， 刘志昕， 王运勤， 等. 海南黄灯笼辣椒顶死病病原病毒的分离鉴定[J]. 热带作物学报， 2005， 26（3）： 96-102.

[16] 陈世儒. 蔬菜育种学[M]. 北京： 农业出版社， 1980.

[17] 朱岩芳， 祝水金， 李永平， 等. ISSR分子标记技术在植物种质资源研究中的应用[J]. 种子， 2010， 29（2）： 55-59.

[18] Frankel O H， Brown A H D. Current plant genetic resources-a critical appraisal. Genetics： New Frontiers Vol. IV[M]. Oxford and IBH Publishing， 1984.

[19] Zhang X R， Zhao Y Z， Cheng Y， et al. Establishment of sesame germplasm core collection in China[J]. Genetic Resources and Crop Evolution， 2000， 47（3）： 273-279.

[20] Liu J， Wang Z R， Li C， et al. Evaluating genetic diversity and constructing core collections of Chinese Lentinula edodes cultivars using ISSR and SRAP markers[J]. J Basic Microbiol， 2015， doi： 10.1002/jobm.201400774.

[21] Oliveira E J， Ferreira C F， Santos V S， et al Development of a cassava core collection based on single nucleotide polymorphism markers[J]. Genet Mol Res， 2014， 13（3）： 6 472-6 485.

[22] Munoz-Amatriaín M， Cuesta-Marcos A， Endelman J B， et al. The USDA barley core collection： genetic diversity， population structure， and potential for genome-wide association studies[J]. PLoS One， 2014， 9（4）： e94688.

[23] Leroy T， De Bellis F， Legnate H， et al. Developing core collections to optimize the management and the exploitation of diversity of the coffee Coffea canephora[J]. Genetica， 2014， 142（3）： 185-199.

[24] Krichen L， Audergon J M， Trifi-Farah N. Relative efficiency of morphological characters and molecular markers in the establishment of an apricot core collection[J]. Hereditas， 2012， 149（5）： 163-172.

[25] 朱 军. 作物杂种后代基因型值和杂种优势的预测方法[J]. 生物数学学报， 1993， 8（1）： 32-44.

[26] Mahalanobis P C. On the generalized distance in statistics[J]. Proc Natl Inst Sci India， 1936， 2（1）： 49-55.

[27] 裴鑫德. 多元统计分析及其应用[M]. 北京： 北京农业大学出版社， 1991.

[28] 胡 晋， 徐海明， 朱 军. 基因型值多次聚类法构建作物种质资源核心库[J]. 生物数学学报， 2000， 15（1）： 103-109.

[29] 胡 晋， 徐 海， 明朱军. 保留特殊种质材料的核心库构建方法[J]. 生物数学学报， 2001， 16（3）： 348-352.

[30] 徐海明， 胡 晋， 朱 军. 构建作物种质资源核心库的一种有效抽样方法[J]. 作物学报， 2000， 26（2）： 157-162.

[31] Peeters J P， Martinelli J A. Hierarchical cluster analysis as a tool to manage variation in germplasm collections[J]. Theor Appl Genet， 1989， 78（1）： 42-48.