张根芳,张文府,罗 雨,方爱萍,叶容晖,程霄玲,任 岗,杨受保
(1.金华职业技术学院,浙江金华 321007;2.金华市九色珍珠研究所,浙江金华 321017;3.金华市威旺养殖新技术有限公司,浙江金华 321017;4.金华市水产技术推广站,浙江金华 321017;5.绍兴文理学院,浙江绍兴 312000)
三角帆蚌(Hyriopsiscumingii)作为我国生产淡水珍珠的当家品种[1]。其所产珍珠质地细腻光滑、颜色丰富多样[2,3],已经在我国被大面积养殖。养殖生产的大规模开展,也带动了苗种繁育、良种选育等技术的研究。已有的研究表明三角帆蚌的产珠性能与其表型性状间存在显著的相关性[4,5],针对相关性状的选择育种就显得尤为必要。生物体的各表型性状受基因、环境及二者互作的影响,彼此之间存在着或多或少的相关关系,造成大量信息重叠。如何找出一个或几个代表性强的表型性状代替原来众多的变量,又尽可能地体现原变量的信息,提高育种效率,是开展育种工作重点要考虑的问题。
主成分分析是利用“降维”的思想,在损失很少信息的前提下,将原来众多具有一定相关性的指标,转化为几个无相关性综合指标代替原有指标的多元统计方法[6,7]。主成分分析已经在水产动物的形态差异[8]、生长体征[9]、繁殖力[10]、环境生态[11,12]等各研究领域得到广泛应用。目前,该方法已经在部分水产动物不同生长阶段性状分析研究中得到应用。在鱼类中,李培伦等[13]、黄建盛等[14]、窦亚琪等[15]、唐瞻杨等[16]分别采用主成分分析方法对马苏大麻哈鱼、褐点石斑鱼、翘嘴鳜、尼罗罗非鱼不同月龄表型性状进行了分析,结果显示不同月龄主成分皆有所不同。虾类中,何铜等[17]运用主成分分析对不同生长阶段的凡纳滨对虾各指标进行分析,结果表明凡纳滨对虾的体重、体长、体宽和体高等方面在不同生长阶段的生长速度有差异。蟹类中,王燕飞等[18]对不同月龄三疣梭子蟹的形态性状进行了主成分分析,结果表明各月龄三疣梭子蟹的主成分有所不同。但在贝类中,运用主成分分析对不同生长阶段表型性状分析的研究尚未见报道。
判别分析是在分类确定的条件下,根据某一研究对象的各种特征值判别其类型归属的统计分析方法。该方法在许多水产生物形态差异分析中有较多的应用,如不同地理种群合浦珠母贝的形态差异分析[19],紫踵劈蚌与三角帆蚌和褶纹冠蚌的形态比较[20],毛蚶不同群体形态差异分析[21],金钱鱼雌雄个体的形态差异分析[22],凡纳滨对虾种群形态差异分析[23]等。
本研究采用主成分分析和判别分析方法研究不同月龄三角帆蚌形态和体重性状的增长规律,旨在为三角帆蚌的良种选育以及生长发育研究提供参考,更好地推进淡水珍珠良种化进程与绿色生态养殖。
用于试验的三角帆蚌幼蚌来源于金华市威旺养殖新技术有限公司,为同一批次繁殖的幼蚌,达到出池规格后养殖在其试验基地的6#养殖塘(29°02′22.7″N,119°21′51.1″E)。养殖密度为100只/网箱(40 cm×40 cm×12 cm),吊养深度为30~40 cm。试验从幼蚌2月龄时开始,到13月龄时结束,具体时间从2015年7月10日,到2016年6月10结束,跟踪测量一个周年,期间按常规模式进行养殖管理,定期进行施肥。3—5月为春季,6—8月为夏季,9—11月为秋季,12—2月为冬季。
2015年7月10日进行第一次测量,以后每个月的10日前后进行一次测量(2016年2月份数据缺失)。每次测量时先随机抽取2个网箱,再从中随机抽取60余只幼蚌,将其贝壳表面的泥污清洗干净后用于测量。用游标卡尺(精度为 ±0.02 mm)测量幼蚌的壳长、壳高、壳宽和全高,用电子天平(精度为 ±0.1 g)称量其体重。
1.3.1 Pearson相关分析
运用SPSS 21.0统计分析软件对所测各数据进行Pearson相关分析,得出不同月龄三角帆蚌各形态性状与体重之间的Pearson相关系数。
1.3.2 主成分分析
主成分分析采用软件SPSS 21.0的因子分析功能进行处理,具体的分析方法详见参考文献[24]。得到壳长、壳高、壳宽、全高及体重5个性状主成分的特征值、累积贡献率及载荷,特征向量由各变量主成分载荷值除以各自主成分特征值的算术平方根求得,即
选取主成分时为了尽可能多的保留信息,又能够减少变量、简化问题,一般选取m个较大特征值λ,使累计贡献率大于85%作为入选的主成分,即
在以上两公式中,u为特征向量,a为载荷值,λ为特征值,i表示第i个主成分,j表示第j个变量,m表示提取主成分个数,p表示变量总数。
1.3.3 聚类分析
在进行聚类分析时,先用Excel分别求出各月龄样本每个性状的平均值,再用SPSS 21.0统计软件对平均值进行聚类分析。所采用的聚类方法为欧式距离的最短距离系统聚类法。
1.3.4 判别分析
采用逐步判别法进行判别分析,逐步判别时参照Brzeski等[25]的方法对所有参数进行校正,对所有样本进行逐个判别。判别准确率的计算公式为:
判别准确率P1=判别正确的某月龄蚌数/实测某月龄蚌数×100%
判别准确率P2=判别正确的某月龄蚌数/判别某月龄蚌数×100%
其中,Ai为第i个月龄判别正确的蚌数,Bi为第i个月龄实际判别的蚌数,k为月龄数。
不同月龄三角帆蚌各性状两两之间的Pearson相关系数见表1。由表1可知,不同月龄三角帆蚌各形态性状之间的Pearson相关系数均达到了极显著水平(P<0.01)。各月龄形态性状中壳长、壳高、全高的相关性较强,其中3月龄的壳长与壳高、壳高与全高的相关系数最大,均到达0.956;而壳宽与其他性状的相关性较弱,其中8月龄壳宽与壳高的相关系数最小,为0.400。各形态性状与体重之间的相关系数均达到了极显著水平(P<0.01),除了3月龄与5月龄,其它各月龄都是壳长与体重的相关性最强,说明壳长与体重的相关性较强。
表1 不同月龄三角帆蚌各形态性状及体重的相关系数Tab.1 Correlation coefficients of traits of the H.cumingii in different months age
续表1
注:对角线右上角(字体加粗)为偶数月龄的相关系数,左下角为奇数月龄的相关系数。
表2 不同月龄三角帆蚌各性状主成分的特征向量、特征值及贡献率Tab.2 The eigenvectors,eigenvalues and contribution rates of principal components of traits of the H.cumingii in different months age
表2给出了不同月龄提取的主成分的特征向量、特征值以及贡献率。在提取主成分时,通常以所取的m个主成分的累积贡献率达到85%以上为宜,8月龄需要提取3个主成分,累积贡献率达到93.362%,其他月龄提取2个主成分,累积贡献率就达到85%以上。为了便于比较,各月龄统一提取3个主成分。
由于2月龄性状中没有测量体重,第一主成分中特征向量绝对值最大的为壳长,可称为长度因子,第二主成分中壳宽的特征向量最大,可称为宽度因子,第三主成分中特征向量最大的为全高,称为高度因子。除2月龄外,其它各月龄的第一主成分皆为体重因子,第二主成分为宽度因子,第三主成分除8月与13月龄为长度因子外,其它月龄皆为高度因子。
图1 不同月龄三角帆蚌的聚类分析图Fig.1 The cluster analysis diagram of the H.cumingiiin different months age
图1为对所有样本的形态性状及体重进行聚类分析,得到不同月龄三角帆蚌的聚类图。由图中可见,2~13月龄幼蚌共聚为两大类,2~5月龄幼蚌聚为一大类,6、7、8、10、11、12与13月龄幼蚌聚为一大类。故2~13月龄三角帆蚌幼蚌的一年期生长可分为夏秋生长与冬春生长两个阶段,两个时期的幼蚌在形态和体重特征以及生长速度上存在较为明显的差异。夏秋生长期,幼蚌各性状生长较快;而冬春生长期幼蚌各性状生长较慢。
通过逐步判别分析,用4个形态性状及1个重量性状的特征值建立了各个月龄三角帆蚌的判别函数,其系数及常数项见表3。各月龄的判别公式可根据表3中的数据写成:
Y2月龄=12.667X1+11.972X2+17.866X3+3.598X4-1.245X5-19.283
Y3月龄=28.053X1+25.152X2+59.741X3+11.617X4-3.096X5-101.455
Y4月龄=43.522X1+35.972X2+117.334X3+18.979X4-4.975X5-260.297
其它月龄以此类推,不一一列举。
将每个观测个体的形态及体重性状值分别代入每个月龄的判别公式,计算各自的函数值,并将观测个体分类到函数值最大的那个判别函数所对应的月龄,据此对所有观测样本进行预测分类,结果见表4。总的判别准确率为61.16%,2月龄的判别准确率P1最高为100%,10月龄的判别准确率P1最低为24.19%,3月龄的判别准确率P2最高为100%,10月龄的判别准确率P2最低为28.30%。
表3 不同月龄三角帆蚌各性状判别函数式各项系数及常数项Tab.3 The coefficients and constant items of discriminant function of the H.cumingii in different months age
表4 判别函数对观测样本的预测分类及判别准确率Tab.4 Predicted classification of discriminant function for observed specimens and their percentages of accuracy
相关分析表明,不同月龄三角帆蚌各表型性状间均存在较强的相关性,相关性均达到了极显著水平(P<0.01)。相关性强对选择育种具有有利的一面,可以通过对少量性状的选择就能够达到总体性状的提高,对于难于测量的性状也可以通过相关性强的易测性状进行间接选择,但是相关性强也造成了大量信息的重叠。为了消除重叠信息,本研究采用主成分分析的方法将壳长、壳高、壳宽、全高和体重性状转化为3个主要因子,这3个因子包含了所用测量性状85%以上的信息,在消除重叠信息的同时又很好地保留了原始信息。分析结果显示3~13月龄三角帆蚌各性状第一主成分皆为体重因子,2月龄时因为没有测量体重性状,第一主成分为长度因子,因为壳长与体重的相关性最强,可以推测如果2月龄体重数据无缺失,第一主成分应该也为体重因子。第二主成分在所观测各月龄皆为宽度因子。在第三主成分中除8月龄与13月龄为长度因子外,其余各月龄皆为高度因子。说明三角帆蚌幼蚌重量的增长优先于形态性状的增长,在选择育种时应以体重为主选性状,辅之以壳宽、壳高等形态性状。
对不同月龄三角帆蚌的聚类分析结果显示,1周年生长期内幼蚌共聚为两大类,2—5月龄幼蚌聚为一类,6、7、8、10、11、12与13月龄幼蚌聚为一类 (图1)。对应月份为7—10月份幼蚌聚为第一类,11月份一次年6月份幼蚌聚为第二类。同一分类内部各性状差异较小或生长速度差异较小,不同分类间各性状或生长速度差异较大。通过聚类分析可以推测三角帆蚌幼蚌在10—11月份幼蚌生长速度有一次大的改变。该研究结果对三角帆蚌生长规律的研究具有一定的参考价值,同时对分段式选择的时间掌握具有一定的指导意义。
通常情况下试验误差的大小与数据收集的准确性是影响判别分析结果准确性的主要因素[16]。本试验在三角帆蚌养殖过程中,始终保持养殖密度与管理的一致性,有效降低了系统误差。运用逐步判别分析检验各性状判别能力的显著性,表明选入各性状的判别能力均具有显著性(P<0.05)。判断分析结果显示,不同月龄三角帆蚌判别准确率有所不同,2 ~ 4月龄判别准确率较高,在98%以上,2月龄时最高为100%,5 ~ 10月龄判别准确率逐月下降,到10月龄最低为24.19%,11 ~ 13月龄判别准确率又有所上升。2 ~ 13月龄总的判别准确率为61.16%,总体判别准确率较低。判别率低可能与三角帆蚌生长相对缓慢有关,特别是冬春季节几乎停止生长,造成相邻月份幼蚌各性状差异化不明显;同时也可能受到个体差异化生长的影响,随着月龄增加,判别率逐渐降低。判别分析结果,在判断三角帆蚌幼蚌月龄,特别是推断错过最佳生长季节个体的真实月龄上具有一定的应用价值。