基于聚类和主成分分析的马铃薯产量和加工性状遗传多样性的研究

作者：Ebrahim Seid,Wassu Mohammed,Tessfaye Abebe

国籍：埃塞俄比亚

出处：Journal of Horticulture

摘要：马铃薯是一种多用途的粮食作物，在许多国家也是人类廉价饮食的来源。它可以用作新鲜产品和商业加工食品，如炸薯条和薯条。在埃塞俄比亚进行的与加工质量有关的研究工作在其所考虑的质量参数范围内受到限制。因此，本实验于2017年的雨季主要在霍莱塔进行，目的是了解遗传多样性和马铃薯基因型的特征，并通过聚类和主成分分析筛选出遗传多样性的亲本，以开发高产优质的马铃薯。采用三个重复的完全随机区组设计，对24个马铃薯基因型的23个定量和6个定性特征进行了评估。前八个主要成分占观察到的24个马铃薯基因型变异的90.26%。其中，第一、第二和第三主成分分别占变异的28.69%、18.74%和13.00%。24种马铃薯基因型之间的遗传距离为3.40-11.80，根据定量和定性特征将基因型分为了8组。第二组占25%，第一、三、四组分别包含16.67%、12.5%、20.83%的基因型，而六、七、八组均由一个基因型组成。总之，在第二组和第八组中的基因型值得进一步评估，以获得块茎总产量、块茎比重、干物质含量、总淀粉含量，可接受块茎物理品质和油炸品质等优良性状的基因型。

关键词: 遗传多样性; 聚类; 主成分分析; 块茎质量

简介

马铃薯是一种多用途的粮食作物，在许多国家是廉价的粮食来源。就消费而言，它是世界上第三重要的粮食作物，仅次于水稻和小麦。马铃薯茄科植物(茄科植物)的遗传多样性可以归为野生和栽培马铃薯。栽培马铃薯番茄为四倍体(2n=4x=48)，而本地品种繁多，有二倍体(2n=2x=24)、三倍体(2n=3x=36)、四倍体(2n=4x=48)、五倍体(2n=5x= 60)和六倍体(2n=6x =72)。对于一个成功的育种计划，遗传多样性和变异性的存在起着至关重要的作用[1]。优良种质的遗传多样性信息对于鉴定有价值的性状和评估种质间的遗传差异是至关重要的。为了利用越界隔离，必须选择遗传多样性的亲本。父母之间巨大的遗传距离是确保后代获得有用杂种优势的先决条件。植物遗传资源的多样性为植物育种者提供了开发具有理想特征的新的改良品种的机会，包括农民首选的特征(高产潜力、大种子等)和繁殖者首选的性状(抗病虫害和光敏性等)。遗传多样性有助于饲养者开发特定性状的品种，如质量提高和对生物和非生物胁迫的耐受性[2]。

聚类分析和主成分分析(PCA)是最常见的遗传多样性评估方法，同时保证了它们之间的基本差异。聚类分析是一个分类方法，用于将一组案例排列成集群。在一个聚类中设置案例的目的也越来越相似，有助于研究者给出关于数据的汇总信息[3]。聚类分析常用于社会、医学和农业科学。此外，聚类分析被用于揭示相似性和多样性。在埃塞俄比亚，不同的研究中心和机构已经发布了一些改良的马铃薯品种。然而，发布的品种并没有满足消费者的工艺制作要求。因此，本研究旨在了解马铃薯块茎品质遗传多样性的性质和大小，以及马铃薯基因型对块茎品质的贡献。通过使用聚类和主成分分析筛选出遗传多样的亲本，以开发高产优质马铃薯[4]。

材料和方法

研究区域的描述

本研究是在埃塞俄比亚的霍莱塔农业研究中心(HARC)进行。霍莱塔农业研究中心位于北纬09000度，东经38030分，海拔2400米。年降雨量为1041.4毫米，平均相对湿度为58.70%，平均最高和最低温度分别为21.70℃ 和6.70℃。主要雨季为6月至9月，占降雨量的70%，其余30%为2月至4月。中心的土壤是红色硝醇，其特征是平均有机质含量为1.8%，氮含量为0.17%，pH为5.24，磷含量为4.55ppm[5]。

实验材料和设计

该实验共使用了24种马铃薯基因型。其中包括从国际马铃薯中心(CIP)引进的种质中提取的21种基因型和3种释放的变种（表1）。这24种基因型是在2017年主要种植季节在霍莱塔农业研究中心实验站种植的。实验以三个重复的完全随机区组设计(RCBD)进行，每个地块为3.6m(长)times;4.5m(宽)(16.2平方米总地块大小)，由六排组成，每排包含12株植物，因此每块地有72株植物。行和植物之间的间距分别为0.75m和0.30m。地块和相邻复制之间的间距分别为1m和1.5m。2017年6月26日，在降雨开始后的主要生长季节，当土壤足够潮湿以支持苗圃时，种植完成，并于2017年11月10日进行了收获[6]。

表1: 用于本研究的马铃薯基因型列表。

数据采集

现象学和生长参数：记录现象学和生长参数的数据；开花 天数至50%、成熟天数、植物高度(cm)、平均茎数和叶面积指数（cm-3）。

产量和产量成分：记录产量参数的数据：拍摄干质量重量(g)、块茎干质量重量(g)、总生物质重量(g)、平均每山块茎数、平均块茎重量（g/块茎）、块茎尺寸分布：小（lt;35mm ） 、中型（35-50mm）和大（gt;50mm）的块茎（%）、总块茎产量（tha-1）、可销售的块茎产量（tha- 1）和不可销售的块茎产量（tha-1）[7]。

块茎的物理和内部质量特征

几何平均直径(Dg)(mm)：使用数字卡尺测量每个地块中随机选取的10个块茎的长度、宽度和厚度，精度为0.01mm。使用以下方程式计算几何平均直径(Dg)：

Dg=(LWT)0.333，其中：L为长度；W为宽度，T为块茎的厚度。

长宽比：记录为块茎长度与宽度的比，然后用比表示。

块茎的球形度(Phi;)(%): 块茎球形度由以下公式决定，如 Phi; = (Dg/ L) times; 100[8]。其中，Phi;是块茎的球体，Dg是几何平均直径，L是长度。

表面积(S)(mm2): 块茎表面积根据以下公式确定: S = pi;Dg2，其中，S是表面积，Dg是几何平均直径。

块茎形状: 描述了八种块茎形状，从1到8转换为数值分数，其中1=压缩，2=圆形，3=卵形，4=倒卵形，5=椭圆形，6=长方形，7=长方形，8=细长。

眼睛深度: 描述了五种类型的块茎眼睛深度，从1到5转换为数值分数，其中1=突出，2=浅，3=中，4=深，和5=非常深。

块茎肤色: 这是根据1-9比例的色卡进行视觉评估的，其中1=白霜，2=黄色，3=橙色，4=棕色，5=粉色，6=红色，7=红紫色，8=紫色，9=黑色。块茎肤色，即白色或红色和其他颜色，在收获后立即通过视觉观察进行观察。

块茎肉色: 使用1-8的色卡进行视觉评估，其中1=白色，2=奶油色，3 =黄色(亮)，4=黄色，5=黄色 (强)，6=红色，7=紫色，8=紫色。

薯片和炸薯条颜色: 样品制备均匀大小(100-150g)的块茎去皮并收集在自来水中。用土豆片切片并收集在自来水中。将切片涂抹在纸巾上，以去除游离的水。在油炸之前，将煎炸油加热约10至15分钟，直到达到176℃的要求温度，并使用温度计进行测量。将总重量为700g的切片在176-180℃的液体葵花籽油中使用电子深油炸锅油炸，直到起泡停止(3-4分钟)。使用标准色卡进行测量，色卡的范围从1级到5级(1=最轻的颜色(白色到奶油色)，2=浅褐色，3=深褐色，4=棕色和5=深棕色、薯条和炸薯条1级和2级之间的颜色是商业上可接受的[9]。

块茎的比重 (Sg) (gcm-3): 使用空气重量/水重量法测定。从每个地块随机抽取5公斤的各种形状和大小的块茎。选定的块茎用水清洗。首先在空气中称重，然后在水中重新称重，比重根据以下公式确定:

干物质含量 (%): 总干物质含量(DMC)根据。将每种处理的五个块茎 (总共约500g) 切成1-2cm的小方块。将它们充分混合，并取两个200g的子样品。每个子样品的准确重量记录为新鲜重量。随后，将每个子样品放置在设置在80℃的烤箱中48小时，并干燥直至恒定重量。立即称量每个子样品并记录为干重。然后用以下公式计算每个子样品的干物质含量。

*100

总淀粉含量 (g/100g): 这是根据干物质估算的。淀粉含量(%)=17.55 0.891*(块茎干重%-24.182)。在如上所述测定干物质的地方，从随机选择的五个用于块茎的植物的块茎中测量干质量估算，切片并在80℃的烘箱中放置48小时，并且室温冷却后加权。

数据分析

遗传距离和聚类

使用欧氏距离 (ED) 估算了24个马铃薯基因型的遗传距离和聚类遗传距离根据标准化后的定量和定性性状计算 (减去平均值并除以标准偏差)，确定如下:

EDjk=

其中，EDjk=基因型j和k之间的距离; xij和xik=基因型j和k的第i个特征的表型性状值;和n=用于计算距离的表型性状的数量。基于具有算术平均值的未加权对组方法 (UPGMA)，使用与表

剩余内容已隐藏，支付完成后下载完整资料

c

ISSN: 2376-0354

Journal of Horticulture

Research Article

Genetic Diversity based on Cluster and Principal Component Analyses in Potato (Solanum Tuberosum L.) for Yield and Processing Attributes

Ebrahim Seid1*, Wassu Mohammed2, Tessfaye Abebe1

1 Department of Agriculture, Ethiopia Institute of Agricultural Research, Addis Ababa, Ethiopia; 2 Department of Agriculture, Haramaya University, Dawa, Ethiopia

ABSTRACT

Potato (Solanum tuberosum L.) is a versatile food crop and a source of cheap human diet in many countries. It can be used as fresh products and commercially processed foods such as French fries and chips. Research efforts carried out in Ethiopia related to processing quality were limited in their scope of quality parameters considered. Therefore, this experiment was conducted during the main rainy season of 2017 at Holetta with the objectives of the nature and magnitude to know genetic diversity and the characters contributing in potato genotypes and also to screen out genetically diverse parents for developing high yielding and quality potato by using cluster and principal component analysis. A total of 24 potato genotypes were evaluated for 23 quantitative and six qualitative traits in randomized complete block design with three replications. The first eight principal components accounted 90.26% for the observed variations among 24 potato genotypes. Of these, the first, the second and the third principal components constituted 28.69%, 18.74% and 13.00% of the variation, respectively. The genetic distances among the 24 potato genotypes ranged from 3.40 to 11.80 and the genotypes were grouped into eight clusters based on quantitative and qualitative traits. Cluster II consisted of 25%, Cluster IV, I, III contained 20.83%, 16.67% and 12.5% of genotypes, respectively, while Cluster VI, VII and VIII each consisted of one genotype. In conclusion, genotypes grouped under Cluster II and VIII worth further evaluation to obtain genotypes with highest total tuber yield, specific gravity of tuber, dry matter content, total starch content, acceptable tuber physical and frying quality with other desirable traits. Keywords: Genetic diversity; Clustering; Principal component analysis; Tuber quality

INTRODUCTION

The potato plant is a versatile food crop and a cheap source of food in many countries. It is the third most important food crop in terms of consumption in the world after rice and wheat. The genetic diversity of potatoes Solanum Section Petota (Solanaceae) may be grouped in wild and cultivated potatoes. The cultivated potatoes Solanum tuberosum are tetraploid (2n=4x= 48), while the native are highly diverse, diploids (2n=2x=24), triploids (2n=3x=36), tetraploids (2n=4x=48), pentaploids (2n=5x=60) and hexaploids (2n=6x=72). For a successful breeding program, the presence of genetic diversity and variability play a vital role [1]. Information on genetic diversityin elite germplasm is essential for identifying promising lines for trait of interest and estimating genetic distinctness among

parents. Selection of genetically diverse parents is mandatory for exploitation of trangressive segregation. Vast genetic distance among parents is prerequisite for securing useful heterosis in progeny. Diversity in plant genetic resources provides opportunity for plant breeders to develop new and improved cultivars with desirable characteristics, which include both farmer-preferred traits (high yield potential, large seed, etc.) and breeder-preferred traits (pest and disease resistance and photosensitivity, etc.). Genetic diversity facilitates breeders to develop varieties for specific traits like quality improvement and tolerance to biotic and abiotic stresses [2].

Cluster analysis and principal component analysis (PCA) are most frequent genetic diversity assessing methods while securing relative basic differences between them. Cluster analysis is a

Correspondence to: Seid E, Department of Agriculture, Ethiopia Institute of Agricultural Research, Addis Ababa, Ethiopia. Email: ibrahussen32@gmail.com

Received: March 02, 2021; Accepted: March 16, 2021; Published: March 23, 2021

Citation: Seid E, Mohammed W, Abebe T (2021) Genetic Diversity based on Cluster and Principal Component Analyses in Potato (Solanum Tuberosum L.) for Yield and Processing Attributes. J Hortic.8:537.

Copyright: copy; 2021 Seid E, et al. This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

classification method, which is used to arrange a set of cases into 4 CIP-392797.27 16 CIP-398180.289 clusters. The aim of set cases within a cluster is more similar to each other and helps to researchers to give summary 5 CIP-395112.19 17 CIP-.398190.89 information on data [3]. Cluster analysis is commonly used in social, medical and agricultural sciences. In addition, cluster

analysis is being used to exposing of similarity and diversity. In Ethiopia, a number of improved potato varieties have be

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595498]，资料为PDF文档或Word文档，PDF文档可免费转换为Word