基于DUS测试性状的花生品种遗传多样性分析

豆丹丹　王德新　郭玉玺　郭新海　丁超明　孙建军

摘要 利用NY/T 2237—2012中31个测试性状对原阳分中心参与测试的119份花生品种（待测品种及其对应近似品种）进行遗传多样性分析；采用PopGen 32 软件对119参试品种进行遗传多样性分析。结果表明，22个性状共检测到97个等位变异，平均每个测试性状检测到4.41 个，平均有效等位变异数为2.41，Shannon’s多样性指数（H’）为0.91。相关性分析表明，主茎高度与侧枝长度为极显著正相关，相关系数为0.79。荚果长度和百仁重为显著正相关，相关系数为0.63，与出仁率呈极显著负相关，相关系数为-0.65。针对该地区测试工作建议由侧枝长代替主茎高度，百仁重代替荚果长。UPGMA聚类分析显示，在阈值为0.65时可以将119份品种分为3个族群，但是通过主成分分析可以更直观地对119份材料的遗传相似性的判断。综合分析说明，参与测试的花生品种具有较丰富的形态多样性。

关键词花生；DUS测试；性状；相关性分析；多样性分析

中图分类号S565.2文献标识码A

文章编号0517-6611（2023）08-0026-05

doi：10.3969/j.issn.0517-6611.2023.08.007开放科学（资源服务）标识码（OSID）：

Diversity of Peanut Testing Varieties Based on DUS Testing Traits

DOU Dan-dan，WANG De-xin，GUO Yu-xi et al（Henan Academy of Agricultural Sciences/ Yuanyang Station for Testing of New Varieties of Plant， Ministry of Agruculture and Rural Affairs， Zhengzhou， Henan 450002）

AbstractThe genetic diversity of 119 peanut varieties （varieties to be tested and their corresponding similar varieties） tested by Yuanyang sub-center was analyzed by using 31 test characters in NY/T 2237—2012. 119 peanut varieties were analyzed by PopGen 32. The results showed that 97 allelic variations were detected in 22 traits， and the average number of each trait was 4.41， an average effective allelic variation was 2.41 and mean Shannon’s diversity index （H′） was 0.91. Correlation analysis showed that there was a very significant positive correlation between main stem height and lateral branch length， and the correlation coefficient was 0.79. There was a significant positive correlation between pod length and 100 kernel weight with a correlation coefficient of 0.63， and a very significant negative correlation with kernel yield with a correlation coefficient of -0.65. According to the test work in this area， it was suggested that the length of lateral branches could replace the height of main stem and the weight of 100-kernel could replace the length of pod. UPGMA cluster analysis showed that 119 varieties could be divided into three populations when the threshold was 0.65， but the genetic similarity of 119 materials could be judged more intuitively by principal component analysis.Comprehensive analysis showed that the peanut varieties tested by the center had rich morphological diversity.

Key wordsPeanut;DUS testing;Traits;Correlation analysis;Diversity analysis

花生（Arachis hypogaea Linn.）屬豆科一年生草本植物，是我国重要的油料作物和经济作物之一［1］。花生的营养价值很高，富含对人体有益的油酸和亚油酸，花生壳还可用于酱油等提取黄色素、加工饲料、栽培食用菌等［2］。据统计2013—2020年中国花生播种面积总体上呈现不断上升趋势，从2013年的473.083万hm上升至2020年的439.609万hm，其中河南和山东远超其他地区［3］。市场需求的增加促进了花生品种数量的快速增加。

为了保护育种者的合法权益，促进花生新品种产业的健康发展，花生于2000年被纳入第2批植物新品种保护名录［4］。《中华人民共和国种子法》明确要求申请保护和登记的植物品种应当具备特异性（D）、一致性（U）和稳定性（S）［5］，DUS测试是植物管理和授权的科学依据［6］。在特定环境下，DUS测试性状稳定可重复的表达，且能便于区分品种是测试工作的关键。因此，DUS测试性状是开展DUS测试的基础和核心环节。

很多研究报道了基于DUS测试进行的品种遗传多样性分析，卢伯山等［7］利用DUS测试性状对玉米自交系形态多样性进行研究。陈海荣等［8］利用DUS 测试性状证明标准具有丰富的变异形态。王永行等［9］利用DUS测试性状对普通小麦的遗传多样性分析，指出小麦DUS测试时要更多地根据质量性状进行特异性判定。唐浩等［10］等利用DUS测试性状对水稻标准种进行了多样性分析。黄志诚等［11］利用DUS测试性状对上海地方粳稻品种进行遗传多样性分析。单飞彪等［12］基于DUS测试的43个性状对63份向日葵品种进行遗传多样性分析。左振兴等［13 ］利用DUS测试的19个性状对亚麻进行了多样性分析。寇淑君等［14］利用44个测试性状对38份马铃薯品种进行遗传多样性分析。而利用DUS测试性状对花生的遗传多样性分析还鲜见报道。鉴于此，笔者通过对花生DUS测试性状的相关性和遗传多样的分析，旨在进一步优化测试指南性状的选取和应用，为花生测试工作提供简洁科学的理论依据，并为花生新品种的选育提供参考。

1材料与方法

1.1试验材料供试材料为中国农业农村部提供的119份花生测试品种，其中申请委托测试的品种由育种家提供。

1.2试验设计

1.2.1种植与管理。试验材料种植于河南省农业科学院现代化试验基地，采用随机区组设计，以穴播方式种植，每个小区至少 60 株，直立品种株距 20 cm，行距40 cm，半匍匐品种株距 20 cm，行距 50 cm，匍匐品种株距 40 cm，行距 60 cm，共设 2 个重复。四周种植保护行，试验田间管理同大田管理方式。

1.2.2性状调查。按照《植物新品种特异性、一致性和稳定性测试指南——花生》（NY/T 2237—2012）［15］要求，进行性状观测（表1）。个体测量（MS）性状调查如下：每个参试材料取有代表性的单株20株进行数据的采集，群体目测性状观测结果以性状的代码表示。

1.3数据分析依据NY/T 2237—2012［15］ 对参试花生品种的测试性状进行观测记录，测量型数量性状依据当年分级标准进行分级，构成原始数据矩阵，缺失数据用“..”记录，不同代码视为该性状的等位变异，利用PopGen 32 软件，用Shannon-weaver多样性指数（H＇）对花生22个性状的多样性进行分析，H′=-ΣPln（P），式中P为某个性状第i个代码出现的概率。利用SPSS 25进行多元有序Logistic回归。通过Origin 2021进行相关、聚类和族群结构分析并作图。

2结果与分析

2.1多样性分析利用《植物新品种特异性、一致性和稳定性测试指南——花生》（NY/T 2237—2012）［15］ 中的31个基本測试性状对119个花生品种进行观测，因所有参试品种中没有匍匐类型，因此指南中适用于匍匐类型的2 个测试性状（Chr.8 和Chr.9）没有观测值，对数据的初步整理发现，Chr.2（植株：开花习性）、 Chr.3（主茎：开花习性）、 Chr.6（花：花冠颜色）、 Chr.11（主茎：花青甙显色）、 Chr.17（荚果：籽仁率）、 Chr.23（（有果嘴）果嘴：形状）、 Chr.28（籽仁：种皮颜色数量）没有有效多样性测试值，而其余22个测试性状均有有效观测值。

利用PopGen 32 软件和Shannon-weaver多样性指数（H＇）计算22个性状的等位变异数、有效等位变异数和多样性指数。由表2可知，22个性状共检测到97个等位变异，在所有参试品种中的等位变异数目变幅为3～7个，平均每个测试性状检测到4.41 个，平均有效等位变异数为2.41，变幅为1.09～5.59，H＇平均值为0.91，变幅为0.20～1.79。在22个性状中均存在多样性，但不同性状的多样性表现不同且差异较大，在119份测试品种中Chr.26（百仁重）和Chr.18（荚果数）存在7个等位变异，而Chr.7（生长习性）只出现了2个等位变异位点；Chr.26（百仁重）、Chr.25（出仁率）和Chr.13（主茎高度）多样性指数较大分别为1.79、1.66和1.59，而Chr.29（种皮颜色）最小，为0.20。在观测的22个有效测试性状中有36.36%的性状多样性信息指数大于1.00。综合分析说明，测试花生品种具有较丰富的形态多样性。

2.2相关性分析从图1 可以看出，除成熟期（Chr.16）与其他性状之间没有相关性外，大部分性状之间都存在着一定程度的相关性，其中主茎高度（Chr.13）与侧枝长度（Chr.15）呈极显著正相关，相关系数为0.79。荚果长度（Chr.20）和百仁重（Chr.26）呈极显著正相关，相关系数为0.63；荚果长度（Chr.20）和出仁率（Chr.25）呈极显著负相关，相关系数为-0.65；荚果数（Chr.18）与百仁重（Chr.26）为极显著负相关，相关系数为-0.60；小叶大小（Chr.10）与荚果长度（Chr.20）和百仁重（Chr.26）存在显著正相关，相关系数分别为0.64和0.54；叶片绿色程度（Chr.5）与荚果长度（Chr.20）显著正相关，相关系数为0.51，与出仁率负相关，相关系数为-0.34。同时，对119份参试品种的变异指数分析显示，叶：小叶形状（Chr.4）多样性指数为0.34，植株：生长习性（Chr.7）的多样性指数为0.27；成熟期（Chr.16）多样性指数为0.24；籽仁：种皮颜色（Chr.29）多样性指数为0.20，说明在参试群体中小叶形状、生长习性、成熟期和种皮颜色相对变化不大。

2.3花生百仁重影响因素的多元有序Logistic回归分析针对与产量相关性状百仁重进一步分析其受影响的因素。由相关性分析结果可知，在22个分析性状中，有14个性状与花生百仁重显著相关，通过模型拟合和平行线对其进行检验（表3），该回归模型符合多元有序Logistic回归模型。以百仁重为因变量，建立多元回归模型，对于百仁重具有显著或极显著相关性性状展开分析，由表4可知，代码为4时的Chr.18（荚果数）与百仁重显著相关（P=0.021）；代码为5时的Chr.19（休眠期）与百仁重极显著相关（P=0.006）；代码为3时的Chr.20（荚果长度）与百仁重极显著相关（P=0.003）；代码为5时的Chr.21（荚果：缢缩程度）与百仁重显著相关（P=0.037）；与Chr.24（荚果：表面质地）存在2个代码（2和3）的极显著和显著相关（P=0.010和0.020）。综合分析结果显示，这些性状在特定的代码区段内能显著影响百仁重。

2.4聚类分析以相关性分析的22个测试性状为指标，采用综合性状值差异较小的原则，利用UPGMA 法對119份花生品种进行系统聚类分析。从图2 可以看出，在阈值为6.5 时，可将119份品种分为3 个族群，其中A族群包含97份测试品种，B族群包含5份测试品种，C族群包含17份测试品种，81.5%的参试品种都属于A族群。将A族群再继续划分，可划分为5个亚群，A-1亚群包含31份测试品种，A-2亚群包含36份测试品种，A-3亚群包含3份测试品种，A-4亚群包含14份测试品种，A-5亚群包含13份测试品种。将C族群再继续划分，可划分为2个亚群，C-1亚群包含13份测试品种，C-2亚群包含4份测试品种。

2.5119份花生DUS测试品种族群结构分析进一步对119份花生DUS测试品种的22个性状进行主成分分析，由图3可知，PC1为21.3%，PC2为10.5%；3个主族群中，A族群与B和C族群遗传距离较大，之间区分度较高。B族群与C族群存在交杂现象，但是B族群中测试品种分布较为集中，C族群在与B族群交互区域内的品种分布相对分散，因此可以说明B族群与C族群之间也存在较大的遗传距离。主成分分析结果与UPGMA聚类分析结果基本一致，且二维分析更直观说明了测试品种之间的遗传相似性。

3结论与讨论

3.1花生性状的多态性分析在DUS测试中的应用随着新种子法的实施，育种人对DUS测试工作深入了解，参与测试的作物种类和数量的增加，测试工作任务艰巨，因此科学的简化测试工作相关内容意义重大。

该研究中，在参试品种的22个测试性状中共检测到97个等位变异，平均每个测试性状检测到4.41 个，平均有效等位变异数为2.41，Shannon’s多样性指数（H′）为0.91，说明参试品种具有丰富的形态多样性。其中，主茎高度、荚果数、百仁重及荚果缢缩程度等性状均存在6或7个等位变异位点，这与陈雷等［16-17］对花生主要农艺性状的变异分析结果一致，这些性状是比较理想的DUS测试性状。因此，在DUS测试中三性的判定可以更多依据这些性状的差异进行判定。

3.2花生性状的相关性分析在DUS测试中的应用由于市场需求的导向，促使育种家们以高产为目标且品种育成速度快速增加，但通常是选用高配合力的亲本而导致品种亲缘关系较近，增加了通过表型数据库筛选近似品种的难度及测试工作量，因此科学地对测试性状精简很有必要。该研究通过对花生数量性状的相关性分析，发现侧枝长度与主茎高度呈极显著正相关，相关系数为0.79，这与陈雷等［16］相关性分析结果一致。百仁重与荚果长度呈极显著正相关，相关系数为0.63，荚果长度和出仁率呈极显著负相关，相关系数为-0.65。荚果数与百仁重呈极显著负相关，相关系数为-0.60，小叶大小与荚果长度和百仁重存在显著正相关，相关系数分别为0.64和0.54。因此建议，在花生DUS测试中是否考虑用性状侧枝长度代替主茎高度，百仁重代替荚果长。

3.3花生性状主成分分析和聚类分析在DUS测试中的应用近年来，主成分分析法和聚类分析相结合的方法广泛应用于作物性状的相关研究中［18-19］。黄杨等［20］对江西地方花生种质资源的分析，扩充了育种亲本材料库。牟书靚等［21］通过对花生农艺性状的主成分和聚类分析，简化了农艺性状，为花生优良品种选育提供了理论依据。该研究通过聚类分析发现，在相似系数为0.65时，参试品种被分为3大族群，其中A族群包含97个，说明在阈值0.65时参试品种之间遗传相似性偏高。同时采用主成分分析方法，其结果与聚类结果基本一致，但是主成分分析更直观地展现出3大族群之间的遗传距离。

为了更加科学快速地进行新品种的鉴定，需要不断对测试指南进行完善补充和优化，以期为花生DUS测试工作提供更好的服务。同时分析性状形态的表达及相关因素为育种家在培育新品种时选择亲本性状提供参考。

参考文献

［1］ 郭峰，阮建，王莹莹，等．利用变异系数分析花生品质性状应对环境变化的遗传稳定性研究［J］.山东农业科学，2017，49（9）：25-31.

［2］ 卢新民.花生主要农艺性状的相关性及聚类分析［J］.农技服务，2016，33（6）：95.

［3］ 张寒.中国花生种植面积、产量、进出口量及栽培技术分析［EB/OL］.（2021-12-14）［2021-12-21］.https：//www.huaon.com/channel/trend/769830.html.

［4］ 中华人民共和国农业部.中华人民共和国农业植物新品种保护名录（第二批）［Z］.2000.

［5］ 刘振伟，余欣荣，张建龙.中华人民共和国种子法导读［M］.北京：中国法制出版社，2016.

［6］ 杨坤，吕波，张新明，等.植物新品种特异性、一致性和稳定性测试基本概念解读［J］.中国种业，2011（12）：21-24.

［7］ 卢柏山，王荣焕，王凤格，等.基于DUS测试性状的玉米自交系形态多样性分析［J］.植物遗传资源学报，2010，11（1）：103-107.

［8］ 陈海荣，杨华，王加红，等.基于DUS测试性状的玉米标准品种形态多样性分析［J］.玉米科学，2015，23（2）：46-51.

［9］ 王永行，白立华，单飞彪，等.基于DUS测试性状的普通小麦测试品种的遗传多样性分析［J］.黑龙江农业科学，2017（1）：4-8.

［10］ 唐浩，余漢勇，肖应辉，等.基于DUS测试的水稻标准品种形态性状多样性分析［J］.植物遗传资源学报，2011，12（6）：853-859.

［11］ 黄志城，张新明，唐浩，等.基于DUS测试的上海粳稻地方品种遗传多样性分析［J］.植物遗传资源学报，2015，16（3）：451-459.

［12］ 单飞彪，杜瑞霞，王永行，等.基于DUS测试性状的向日葵品种遗传多样性分析［J］.作物杂志，2020（4）：107-113.

［13］ 左振兴，纪军建，付国庆，等.基于DUS测试性状的亚麻测试品种遗传多样性分析［J］.中国农学通报，2021，37（24）：48-53.

［14］ 寇淑君，纪军建，付国庆，等.基于DUS测试性状对马铃薯测试品种的遗传多样性分析［J］.种子，2020，39（12）：50-54.

［15］ 中华人民共和国农业部.植物新品种特异性、一致性和稳定性测试指南 花生：NY/T 2237—2012［S］.北京：中国农业出版社，2013.

［16］ 陈雷，范小玉，李可，等.花生品系主要农艺性状的相关性及聚类分析［J］.花生学报，2015，44（1）：34-38.

［17］ 宋登蓉，张文英.主成分分析在作物科学研究中的应用［J］.长江大学学报（自科版），2012（5）：8-11，22.

［18］ 王允，张幸果，李贺敏，等.花生主要农艺性状和产量性状的相关性与灰色关联度分析［J］.河南农业大学学报，2014，48（6）：680-683，705.

［19］ 温琳，段学艳，杨海峰.17个油葵产量及主要农艺性状的分析［J］.安徽农业科学，2022，50（19）：38-42.

［20］ 黄杨，熊信果，邹小云，等.江西地方花生种质资源主要农艺性状分析与评价［J］.植物遗传资源学报，2021，22（6）：1550-1558.

［21］ 牟书靓，牛海龙，李伟堂，等.花生种质资源农艺性状主成分及聚类分析［J］.辽宁农业科学，2019（6）：1-5.