江西茶树资源功能成分综合评价与种质优选

王治会，彭 华，岳翠男，李 琛，李文金，杨普香

(江西省蚕桑茶叶研究所/江西省茶叶质量与安全控制重点实验室，江西 南昌 330202)

功能育种是根据功能食品或功能饮料的开发需求，以功能成分为主要目标的育种方式，目前是国内外的研究热点[1-3]。茶叶饮品是世界上仅次于水的第二大饮料[4]，具备独特的风味特征，其功能价值备受关注[5-7]。现代医学和茶学领域研究表明，茶叶内含大量具有医疗与保健价值的功能成分，这些成分主要来源于茶树本身[8]。因此，以满足供给侧结构性改革为重点的功能性茶树品种选育成为新热点。研究茶树功能成分的评价指标与综合评价方法，筛选功能性强的茶树资源，对于茶树功能育种工作具有重要意义。目前，对于茶叶主要化学成分的功能研究取得较大成就，如茶多酚具有抑制肿瘤细胞生长、清除自由基和抗氧化等功能[9]，咖啡碱具有利尿、减疲劳和消水肿等功能[10]，游离氨基酸具有增强记忆力、镇静、提高免疫等功能[11]。同时，也有学者从各地茶树资源中选育出部分功能性(高茶多酚、高咖啡碱、高氨基酸)茶树[12-13]，如齐桂年等[14]从四川主栽的茶树品种中筛选出高茶多酚资源1份，林金科等[15]从福建780份茶树资源中筛选出高EGCG资源11份，方开星等[16]从广东茶树资源库中筛选出高氨基酸资源55份。但这些茶树资源筛选均是基于单一功能成分含量高的角度，并非从整体主要功能成分的多层面进行综合分析评价。目前，有关茶树资源的功能品质与主要功能指标的综合评价研究尚未见报道。

主成分分析是多指标综合评价中常用的方法[17]，目前已广泛应用于食品营养功能评价[18-20]、作物优良品种评价[21-24]、植物优良资源筛选[25-26]等方面，因此，利用主成分分析探索功能性茶树资源的评价指标，构建其评价体系，筛选功能优异的茶树资源更加科学。鉴于此，以江西省内不同区域和省外引种驯化的45份茶树资源为材料，对其茶叶中14个主要功能成分指标进行综合评价，明确不同茶树资源的功能成分差异，找到关键评价指标，并从中筛选出部分功能优异的茶树资源，为茶树功能成分评价及后续功能型茶树品种的选育奠定基础。

1 材料和方法

1.1 试验材料

以江西省内不同区域及省外引种驯化的45份茶树资源为试验材料，具体见表1，各茶树资源的树龄均在4 a以上。样品编号1—24为江西省内选育出的新品系，包括南昌8份、修水3份、浮梁4份、永修3份、庐山1份、遂川1份、婺源1份、宁都2份和抚州1份；样品编号25—45为省外引种驯化的茶树资源，包括湖南3份、福建3份、湖北1份、台湾1份、四川4份、云南1份和浙江8份。2017—2018年春季采摘其一芽二叶进行微波杀青，采用80 ℃烘干固样，进行功能成分检测分析。

1.2 功能性成分测定

总游离氨基酸含量参照GB/T 8314—2013测定。茶多酚含量参照GB/T 8313—2018测定。表儿茶素(EC)、没食子儿茶素没食子酸酯(GCG)、儿茶素没食子酸酯(CG)、没食子酸(GA)、表没食子儿茶素没食子酸酯(EGCG)、表没食子儿茶素(EGC)、表儿茶素没食子酸酯(ECG)、儿茶素(C)、咖啡碱含量测定采用高效液相色谱法，色谱柱采用Hypersil BDS C18柱(250 mm×4.6 mm，5 μm)，流动相A为3‰冰乙酸水溶液，流动相B为乙腈。流动相A的梯度变化：0～5 min为95%～92%，5～15 min为92%～88%，15～30 min为88%～80%，30～31 min为88%～0，31～35 min为0；流动相B的梯度变化0～5 min为5%～8%，5～15 min为8%～12%，15～30 min为12%～20%，30～31 min为20%～100%，31～35 min为100%；进样量10 μL；柱温35 ℃；流速1 mL/min；检测波长278 nm。各个样品功能性成分测定设置3次重复。EC、GCG、CG、GA、EGCG、EGC、ECG、C、咖啡碱9份标准品纯度均为98%，由成都普瑞法科技开发有限公司生产；乙醇、乙腈为色谱纯；其他试剂均为国产分析纯。

1.3 数据处理与分析

采用SPSS 19.0 软件对试验数据进行描述性统计、相关性分析、主成分分析。综合评价指数阈值的确定依据综合评价指数的差异，使用LSD法对阈值划分等级进行多重比较，若各等级的评价指数差异全部达到显著水平，则说明阈值划分合理；若没有显著差异，则重新划分阈值，直到找到合适的阈值为止。

2 结果与分析

2.1 茶树资源的功能成分含量描述性统计

由表2可见，供试45份茶树资源的茶多酚含量为13.51%～23.97%，均值为18.82%，从峰度和偏度上来看，分布曲线呈现出平阔负偏峰，整体波动较大，变异系数达到13.05%；总游离氨基酸含量为1.57%～3.49%，均值为2.36，分布曲线呈平阔正偏锋，变异系数达到20.57%，整体波动也较大。此结论符合江西茶树资源的特点，即茶树资源在茶多酚和总游离氨基酸含量上差异较大[27]。咖啡碱含量为1.77%～4.28%，均值为3.50%，分布曲线呈现出尖峭负偏峰，变异系数为12.55%，整体差异较大，且表现出取值较为密集地分布在众数周围，与咖啡碱含量相似的还有非酯型儿茶素、GCG、EGC、C含量，这4个功能成分含量指标的分布曲线呈现出尖峭正偏峰，变异系数均较大，取值也较为密集地分布在众数周围。GA和CG含量的分布曲线呈平阔正偏锋，EC、ECG分布曲线呈平阔正偏锋。总儿茶素含量为9.16%～20.94%，均值为15.31%，分布曲线呈平阔负偏峰，接近正态分布，EGCG、酯型儿茶素和总儿茶素含量变异系数均较大。由此可见，江西茶树资源在功能成分含量上差异较大，各功能成分含量呈现不同的分布曲线，且没有表现出明显的离群点。说明收集的茶树资源样品具有代表性，能够从中筛选出综合功能性较好的茶树种质。

表2 45份茶树资源各功能成分的描述性统计

2.2 茶树资源各功能成分的相关性分析

对45份茶树资源的功能成分含量进行相关性分析结果见表3。由表3可见，茶多酚含量与总游离氨基酸含量呈极显著负相关，与EC、ECG、EGCG、酯型儿茶素、总儿茶素含量呈极显著正相关，与非酯型儿茶素含量呈显著正相关，说明在茶树资源的功能成分含量中，茶多酚含量越高，总游离氨基酸含量越低，EC、ECG、EGCG、酯型儿茶素、总儿茶素、非酯型儿茶素含量越高。总游离氨基酸含量与GA含量呈显著正相关，与EGCG、酯型儿茶素、总儿茶素含量呈极显著负相关，与EC含量呈显著负相关。咖啡碱含量与GA含量呈显著正相关，与EC含量呈极显著正相关，与C含量呈极显著负相关。EGC含量与非酯型儿茶素含量呈极显著正相关，与总儿茶素含量呈显著正相关。C含量与EC含量呈极显著负相关，与ECG、酯型儿茶素含量呈显著正相关。EC含量与非酯型儿茶素含量、ECG含量与EGCG含量呈显著正相关。非酯型儿茶素含量与总儿茶素含量，ECG、EGCG含量分别与酯型儿茶素、总儿茶素含量，酯型儿茶素与总儿茶素含量均呈极显著正相关。在各项功能成分之中，只有GCG和CG与各项功能成分之间无显著相关性。由此可以看出，不同茶树资源的功能成分含量之间存在不同程度的相关性，14项功能成分中有12项成分之间存在不同程度的信息重叠，进行综合评价时需剔除指标间的重复，以免评价出现偏差。

2.3 茶树资源各功能成分的主成分分析

对45份茶树资源的14个功能成分含量进行主成分分析，以探寻影响茶树资源功能性最为关键的指标。以初始特征值大于1、在碎石图(图1)中较为陡峭、累积方差贡献率大于80%为原则进行主成分提取[28]，结果见表4，可以看出，前5个主成分的初始特征值大于1，累积方差贡献率为81.224%，故可采用前5个主成分代替14项功能成分对于茶树资源的功能性进行评价，其中PC1的方差贡献率最大，为32.907%，说明PC1在整体功能性评价中为主要影响因子；PC2的方差贡献率为15.530%，为次要因子；PC3、PC4、PC5的方差贡献率分别为13.289%、10.991%、8.506%。

主成分分析的载荷矩阵见表5，PC1主要综合了茶多酚、总游离氨基酸、EGCG、ECG、酯型儿茶素、总儿茶素的信息，可称为茶多酚功能性因子，在此功能因子中茶多酚、EGCG、ECG、酯型儿茶素、总儿茶素为正贡献，总游离氨基酸为负贡献，可能的原因是总游离氨基酸对于茶多酚和儿茶素的功能存在负面影响；PC2主要综合了咖啡碱、C、EC的信息，可称为咖啡碱功能因子；PC3主要综合了EGC、非酯型儿茶素的信息，可称为非酯型儿茶素功能因子；PC4主要综合了GA、CG的信息，可称为没食子酸功能因子，在此功能因子中总游离氨基酸具有正贡献，可能的原因是总游离氨基酸对于酸类和酯类的功能作用具有正面影响；PC5主要综合了GCG的信息，可称为GCG功能因子。

结合相关分析和主成分分析的结果来看，在PC1的主要贡献成分中，茶多酚、EGCG、ECG、酯型儿茶素、总儿茶素含量之间存在显著或极显著正相关，所以可以把重合指标进行简化，使用总儿茶素、总游离氨基酸含量来代替此功能因子；PC2的主要贡献成分中咖啡碱含量与EC含量存在极显著正相关，所以可以使用咖啡碱、C含量来代替此项功能因子；PC3中EGC含量与非酯型儿茶素含量存在极显著正相关，所以使用非酯型儿茶素含量来代替；PC4中两者相关性不明显。因此，将茶树资源功能性评价指标简化为总儿茶素、总游离氨基酸、咖啡碱、C、非酯型儿茶素、GA、CG、GCG含量，即此8项指标基本可以反映茶树资源的功能性品质。

2.4 功能型茶树资源的综合评价

通过表4各主成分的初始特征值与表5各主成分指标的载荷值构建出5个主成分的线性方程模型，分别为模型1—5，即使用各主成分中功能成分的载荷向量除以对应主成分初始特征值的算术平方根，从而得出来各个主成分中功能成分的特征值[18,28]。构建出的5个主成分线性方程模型见表6，据此5个主成分的线性方程模型可以计算出茶树资源中功能成分在各主成分中的评价指数。再以表4中5个主成分所对应的初始特征值除以5个主成分初始特征值之和作为权重，分别乘以各主成分中茶树资源的功能成分评价指数，最终建立出来茶树资源的综合评价指数模型，结果见表6，据此模型可以对于茶树资源的功能性进行综合评价。

图1 主成分分析特征值碎石图Fig.1 Gravel map of eigenvalues in principal component analysis

表4 主成分的特征值与方差贡献率Tab.4 Characteristic value and variance contribution rate of principal components

表5 主成分分析载荷矩阵Tab.5 Load matrix of principal component analysis

表6 综合评价模型构建Tab.6 Construction of comprehensive evaluation model

使用构建的综合评价指数模型(表6)对45份茶树资源的功能性进行综合评价，按照综合评价指数大小对综合评价结果进行降序排列，结果见图2，综合评价指数越大，说明茶树资源的功能性越好。结合图2各资源综合评价指数差异分布确定等级划分的阈值，将各份茶树资源的功能性品质优劣划分为4个等级，综合评价指数>7.0，为功能性最好的资源，依次为编号7、22、21、27、19等5份资源；综合评价指数6.0～7.0为功能性较好的茶树资源，依次为编号23、31、10、1、20、13、30、18、6、28、24、8、41、5、9、42、29、4、26、32、17、12等22份资源；综合评价指数5.0～6.0为功能性一般的茶树资源，依次为编号33、3、14、16、25、37、38、15、45、34、36、40、11、2等14份资源；综合评价指数<5.0为功能性较差的茶树资源，依次为35、44、39、43等4份资源。

用LSD法对上述所划分的类群进行多重比较结果表明，所划分的4个等级茶树资源的综合评价指数在0.05水平差异显著，说明该等级划分结果合理。

图2 45份茶树资源的综合评价指数

3 结论与讨论

本研究测定了江西省内45份茶树资源的14个主要功能成分指标，各个指标的变异系数为12.55%～74.05%，均值33.25%，比四川[29]、广西[30]、陕西[31]的偏高，说明供试45份茶树资源的功能成分差异较大，但各个资源没有离群点，均在可接受范围之内。由此说明，从江西省内选育出具备优良功能性茶树品种的潜力较大。罗理勇等[32]研究重庆主栽茶树品种生化成分时发现，茶多酚与氨基酸含量呈显著负相关，EGCG、ECG、酯型儿茶素、总儿茶素含量之间呈显著正相关。赵洋等[33]研究22个茶树品种春梢生化成分时发现，茶多酚含量与氨基酸含量呈负相关。王小萍等[34]研究不同茶树资源春梢生化成分时发现，EGCG、酯型儿茶素、总儿茶素含量之间存在显著正相关。同样，本研究在对茶树资源14个主要功能成分指标进行相关分析时也发现，部分功能成分指标之间显著相关，存在较大的信息重叠，故使用相关分析与主成分分析从14个主要功能成分指标中筛选出了总儿茶素、总游离氨基酸、咖啡碱、C、非酯型儿茶、GA、CG、GCG等8个关键评价指标。此种简化评价指标的方法在核桃果实评价[35]、猕猴桃品质指标评价[36]、枣类优良单株筛选[37]中被准确应用，能够较为有效和科学地降低评价指标的重复性。

主成分分析通过降维把茶树资源的功能简化为5个代表性的功能因子，分别为茶多酚功能因子、咖啡碱功能因子、非酯型儿茶素功能因子、没食子酸功能因子和GCG功能因子，以上结果基本符合茶叶功能品质的要求[8,38-40]。依据构建出来的5个模型可以按照不同主因子的功能分类进行针对性的选种，从而筛选出具有单独功能的茶树资源。关于综合评价指数等级阈值的划分，前人更多是按照指数差异进行直接划分，这样进行等级划分过于主观，缺乏阈值检验性，本研究采用LSD法进行多重比较检验，直到划分的等级阈值达到显著差异水平，划分方法更加合理。依据综合评价结果来看，功能性最好的茶树资源有浮梁槠叶、岩背垴2号、江茶15号、黄金茶、浮梁广明2号共5份，此5份资源中有4份为江西本地资源，是从浮梁和宁都选育出的新品系，在抗性、适应性与适制性方面表现较好，有望成为功能性新品种；另1份(黄金茶)为省外引种驯化的资源，可作为遗传亲本材料或直接使用。

对茶树资源功能成分进行综合评价是茶树功能品种选育的基础[41]，另外，功能茶树品种的抗性、适应性、适制性等也应作为评价的主要因素。本研究使用的茶叶功能成分指标仅有14项，目前研究出的茶叶功能成分已近500余项，下一步研究将集中在扩大功能成分的评价指标，对所筛选的功能性强的茶树资源进行创新利用与功能品种选育。