菜用大豆种质资源的农艺性状多样性评价及核心种质与食味品质评价体系的构建

卜远鹏,刘 娜,张古文,冯志娟,王 斌,龚亚明,许林英

(1.浙江省农业科学院 蔬菜研究所,浙江 杭州 310021; 2.慈溪市农业技术推广中心,浙江 慈溪 315300)

种质资源是种业科技创新的重要基因库,种质资源的鉴定和评价是充分利用优异基因加速品种改良的第一步。我国是大豆的起源地,种质资源极为丰富。为提高种质资源的利用效率,目前已经开展了大量的大豆种质资源鉴定、评价及核心种质构建研究[1]。菜用大豆是大豆的一种特用类型,也常被称为“鲜食大豆”或“毛豆”,在荚粒饱满但尚未老熟、颜色翠绿时采收作为蔬菜食用[2],与普通大豆相比其主要特点是荚大粒大、色泽鲜绿、风味鲜软甜糯[3]。理想的菜用大豆品种应具有适宜的生育期、合理的株型、良好的外观品质与内在品质等[4]。然而目前针对菜用大豆种质资源的收集整理及多样性评价研究较少,导致种质资源利用不足,育成品种遗传基础狭窄,严重限制了菜用大豆种质创新的进程[5]。

菜用大豆的品质对其市场接受度和价格起着决定性作用。其中,食味品质是菜用大豆作为休闲食品消费时最重要的性状,优良的食味品质不仅可以在感官上给消费者带来愉悦的体验,而且也直接影响人体对菜用大豆的消化和吸收。由于食味品质的诸性状检测比较困难,国内外学者对其遗传规律的研究报道很少[6]。研究表明,淀粉含量、可溶性糖含量、游离氨基酸含量、蛋白质含量、脂肪含量、含水率和质地与菜用大豆的食味品质密切相关[7-8],中华人民共和国农业行业标准NY/T 3705—2020《鲜食大豆品种品质》[9]将以上理化指标作为品质衡量依据。但是若通过对大规模群体所有食味品质相关组分进行测定来评价菜用大豆的食味品质,则费时费力,价格昂贵,经济可行性不高。如何使用有代表性的种质资源以少数关键成分测定结果映射整体感官喜好,从而建立一种低成本、综合性的食味品质客观评价方法,受到越来越多的农产品品质研究者的关注[10-11]。

本文以在全国范围内收集的379份适宜在浙江省春季播种的菜用大豆种质资源为材料,对25个农艺性状进行了2年的表型调查,基于表型数据对农艺性状的多样性进行了分析和评价,并构建了包含113份材料的核心种质;利用核心种质,对影响菜用大豆食味品质的7个关键理化指标进行了测定,并对6个感官维度进行人工评价,构建了菜用大豆品质的多元线性回归模型。本研究在对种质资源结果以期为提高菜用大豆种质资源的评价与利用效率,加快高产、优质菜用大豆品种的选育提供参考。

1 材料与方法

1.1 试验材料

本文选取可在浙江省春播的种质资源379份,其中包括从全国各育种单位收集到的菜用大豆品种(系)214份、地方种质资源76份和普通大豆89份。

1.2 试验方法

2021和2022年春季在浙江省农业科学院杨渡科研基地播种,穴距25 cm,行距60 cm,每穴留苗2株,每份材料播种6穴,随机区组设置2次重复。统一肥水管理和病虫害防治。

1.3 表型采集

参照《大豆种质资源描述规范和数据标准》[12],对包括株型、产量、荚型、生育期、叶形等方面的25个农艺性状进行表型采集(表1),其中荚型和产量相关性状的采集于鼓粒期(R6)进行,荚型和出仁率测量统一使用标准三粒荚,多粒荚比例指一株中三粒荚及以上荚数占总荚数的比例。采集的25个农艺性状用于种质资源多样性分析和核心种质的构建。

表1 原始种质25个农艺性状的表型变异

使用构建的113份核心种质,参照NY/T 3705—2020《鲜食大豆品种品质》[9],对影响菜用大豆食味品质的7个关键理化指标(总淀粉含量、可溶性糖含量、蛋白质含量、脂肪含量、总游离氨基酸含量、含水率和质地)进行测定,并对6个感官纬度(甜味、糯性、硬度、鲜味、风味和整体喜好)进行人工评价。

1.4 数据处理

对质量性状,依《大豆种质资源描述规范和数据标准》进行赋值;对数量性状,进行10级分类计算遗传多样性指数(H′, Shannon-Weaver diversity index)[13]。遗传多样性指数的计算方法为：首先计算原始种质各数量性状表型的均值(μ)和标准差(σ);其次将各数量性状分成10等级,每等级间隔0.5σ,其中第1等级表型值x1<(μ-2σ),第10等级表型值x10>(μ+2σ),并计算第i等级种质资源的相对频率pi;最后根据公式计算多样性指数：H′=-∑～pilnpi。

采用Excel 2019软件计算数据平均值、标准差及变异系数;使用R软件通过加权K-means方法进行聚类分析[14],通过Pearson方法进行相关性分析,并对分析结果进行可视化;使用SPSS 26.0软件进行多元线性回归分析;利用QGA Station 2.0软件进行核心种质的构建[15]。

2 结果与分析

2.1 菜用大豆农艺性状多样性分析

由表1可知,下胚轴颜色、花色和茸毛色3个质量性状多样性指数较小,分别为0.52、0.51和0.29,其余22个数量性状多样性指数的变化范围在1.40(豆荚弯曲夹角)～2.06(多粒荚比例),其中多粒荚比例、百粒鲜重、单株荚重、荚宽、荚长宽比和荚平面面积6个性状的多样性指数≥2.0。变异系数的变化范围在4.16%(豆荚弯曲夹角)～53.21%(单株荚数),表明不同种质资源之间的单株荚数差异较大,豆荚弯曲夹角差异较小。豆荚弯曲夹角的多样性指数和变异系数均最小,表明在后续种质资源的管理过程中应注意增加不同豆荚弯曲夹角材料的收集和保存。

为探究原始种质之间的相似性,我们首先使用25个农艺性状对379份种质资源进行主成分分析,第1和第2主成分的贡献率分别为27.5%和20.9%,并将各农艺性状对群体分布的贡献度进行可视化(图1)。随后通过聚类分析,将种质资源群体分为了3个类群,其中类群1(绿色,293份)主要特点是生育期短、株型矮小、荚色较绿;类群2(黄色,33份)主要特点是荚较小、生育期长、株型高大;类群3(红色,53份)主要特点是荚型、叶形较大。

A,聚类散点图;B,各农艺性状的贡献度。A, Clustering scatter plot; B, Contribution of each agronomic trait.图1 原始种质的聚类分析Fig.1 Cluster analysis of original germplasm

2.2 核心种质的构建与评价

从聚类分析结果可以看出,原始种质群体中含有大量的相似度高的品种,不利于我们对种质资源的高效利用。因此,进一步利用这些数据进行了种质资源核心种质的构建。核心种质的构建一般要求均值差异百分率<20%,均值差异越小,极差符合率越大就越能够代表原种质群体的遗传多样性;变异系数变化率和方差变化越大,说明核心种质中包含的相似种质越少[15]。我们将抽样比例定为30%,构建的核心种质群体包含113份资源;为确保所有性状的极端材料入选核心种质,采取的取样方法为优先取样法;遗传距离为马氏距离。我们首先比较了8个常用的聚类方法,结果如表2所示：可变法、离差平方和法、最长距离法、中间距离法和类平均法构建的核心种质与原始种质的均值差异百分率<20%,可以较好地保持原始种质的代表性;其中,通过最长距离法构建的核心种质方差差异百分率最高高(76%),变异系数变化率排名第三。因此,本研究采用最长距离法进行核心种质的构建。

表2 三个不同取样方法构建的核心种质参数比较

从表3可以看出,和原始种质比,本研究所构建的核心种质仅有主茎节数和株高2个性状的均值发生了显著性增加,所有性状的极差与原始种质保持一致,表明核心种质保持了原始种质中绝大多数性状的代表性;有20个性状的方差发生了显著或者极显著的增加,21个性状的变异系数均有不同程度的增加,表明核心种质的构建使农艺性状的离散度增加,种质之间的相似度降低。图2直观显示了本研究所构建的核心种质涵盖了原始种质的所有的变异范围,且核心种质之间的距离拉大,相似度降低。

图2 核心种质与原始种质的主成分空间分布散点图Fig.2 Scatter map of spatial distribution of principal components of core germplasm and original germplasm

表3 核心种质与原始种质各性状的特征值比较

2.3 菜用大豆食味品质评价体系的构建

影响菜用大豆的7个关键理化指标及6个感官评价维度在113份核心种质中的表型分布如图3所示,除鲜味(X4)和风味(X5)之外其余表型近似呈正态分布。相关性分析表明(图3),感官评价中甜味(X1)、糯性(X2)、质地(X3)、鲜味(X4)、风味(X5)均与整体喜好(Y)极显著正相关。通过多元回归分析可以构建整体喜好的预测模型：Y=31.33+0.57X1+0.58X2+0.65X3,回归模型具有显著的统计学意义(F=40.79,P<0.001),3个维度(X1—甜味、X2—糯性、X3—硬度)可解释整体喜好(Y)的变化率(R2)的68.2%。

感官评价的整体喜好(Y)与可溶性总糖含量(X7)和游离氨基酸含量(X10)极显著(P<0.001)或显著(P<0.01)正相关,而与脂肪含量(X9)显著负相关;与其他4个理化指标的相关性均不显著。其中可溶性总糖含量(X7)还与菜用大豆甜味(X1)、糯性(X2)和质地(X3)呈显著或极显著正相关性,总游离氨基酸含量(X10)与甜味(X1)和鲜味(X4)极显著正相关,脂肪含量(X9)与甜味(X1)显著负相关。说明可溶性总糖含量(X7)和总游离氨基酸含量(X10)是菜用大豆食味品质的正向关键影响因素,而脂肪含量(X9)是负向关键影响因素。通过多元回归分析,构建总体喜好与7个理化指标之间的回归模型,通过显著性检验,仅有可溶性糖含量(X7)、脂肪含量(X9)和总游离氨基酸含量(X10)3个变量在模型中具有统计学意义,3个理化指标(X7—可溶性总糖含量、X9—脂肪含量、X10—总游离氨基酸含量)对整体喜好(Y)的多元线性回归模型为：Y=72.82+0.12X7-0.80X9+1.54X10。

3 讨论

表型数据可以直观有效地表现出种质资源的特征,而且保存种质资源的基本出发点是对其各表型性状进行利用,因此,农艺性状的鉴定和描述是研究农作物种质资源的基本方法和途径[16]。遗传多样性指数越大,生物多样性程度越高,种群所包含的遗传变异就越丰富。依据前人将多样性指数达到1.0以上的性状定义为多样性丰富的划分标准[16],本文研究的25个农艺性状中,除了3个质量性状之外,其余22个数量性状的多样性均达到丰富的水平。本研究对菜用大豆种质资源农艺性状的多样性进行了系统的分析和评价,为种质资源的有效利用,拓宽菜用大豆的遗传背景提供材料基础。

通过聚类分析,我们发现本研究中所涉及的原始种质资源中含有相似度较高的材料。核心种质的构建能够减少种质资源的冗余,以较少的种质材料代表原始种质群体所包含的全部或者大部分遗传变异,提高种质资源的评价和利用效率[17]。不同的聚类方法在不同背景的种质资源

群体中的核心种质构建效果不尽相同[15]。本文比较了8种不同的核心种质构建聚类策略,其中采用最长距离法获得的包含113份材料的核心种质的代表性较好,资源之间的相似度较低。

目前对于食味品质的评价方法包括基于人工品尝的感官评价和借助仪器测量的客观评价。本文使用有代表性的113份核心种质,测定了7个影响菜用大豆食味品质的理化指标,通过人工品尝对6个感官维度进行感官评价。从相关性分析结果可以看出,可溶性糖和游离氨基酸对感官评价表现显著正相关,脂肪含量与整体喜好显著负相关。进一步通过多元线性回归分析,构建了基于3个核心理化指标对整体喜好的回归模型,甜味、糯性和硬度3个维度可解释整体喜好(Y)的变化率(R2)的68.2%。本研究表明,菜用大豆品质评价可通过少数关键成分和感官评价维度映射整体感官喜好,为进一步建立低成本、综合性的食味品质评价方法提供参考。