基于灰色理論與分析方法對木薯種質的評價研究

摘 要：該文基于灰色關聯理論和方法，對19個木薯種質材料的6個性狀指標進行了綜合評價研究。結果表明：（1）建立了灰色關聯分析和Topsis綜合評價方法，獲得結果基本是一致的，并與種質資源田間綜合表現相符，適用于木薯種質資源的綜合評價；（2）灰色關聯度對種質資源的評價中，因其灰色關聯度（ri）差異系數為0.161 8，差異較小，不能很好地評價出種質資源的優劣，而Topsis法評價結果中Ci值差異的差異系數為0.907 5，差異很大，能更好地評價品種的優劣；（3）通過評價比較，篩選獲得了8份具有育種潛力的木薯種質材料。研究結果為木薯種質資源評價、應用提供了科學依據。

關鍵詞：灰色關聯；Topsis法；分析；評價；木薯種質

中圖分類號 S533 文獻標識碼 A 文章編號 1007-7731（2015）22-18-05

Abstract：The comprehensive evaluation steuied based on grey correlation theory，which with 6 agronomic-traits in 19 clones cassava germplasm.The results showed that：（1）it was eatablished evaluarion methods for cassava germplasm with grey relational and Topsis，the results are similar of different methods，and were consistent with phenotype traits in the field.（2）Comparison with the coefficirents betweent grey corrlaation （ri=0.161 8）and Topsis’s （Ci=0.907 5），the latter is superior to the fomer for evaluation in cassava germplasms.（3）8 materials were evaluated and selected for cassava breeding.It provided scientific basis for the evaluation and uitilization in cassava germplasm.

Key words：Grey relation；Topsis；Analysis；Evaluation；Cassava germplasm

作物種質評價和利用是育種工作中重要的環節，相關研究報道，應用通徑分析[1]、逐步回歸分析[2]、關聯度分析[3]等多種方法為育種材料性狀參數評價和早期選擇提供了依據。灰色關聯分析方法是對品種多個性狀進行多維度的綜合評價，既可以側重了品種的重要性狀指標，又可以覆蓋多個性狀指標考察，從而比較全面地反映品種的特性，使得評價結果更加客觀和可靠[4-5]。相關研究報道，將灰色關聯度分析方法應用于甘薯[6-8]、油菜[9]、番茄[10]、大麥[11]、煙草[12]、白芨[13]等種質資源篩選和育種評價以及野生牧犖營養價值[14]評價中，結果表明，灰色關聯度分析法可以明確資源篩選中的側重點和資源對育種工作的價值大小，能揭示各指標間的關系。

木薯（Manihot esculenta Crantz）是全球三大重要薯類作物之一，是全球糧食安全的重要保障，特別是在熱帶發展中國家和地區，也是我國傳統的糧食儲備作物。木薯不但是淀粉和變性淀粉加工的主要原材料，近年來在生物能源的開發和利用中也占有非常重要的地位[15-17]。由于木薯種質資源具有數量大、變異多、生長周期長等特征，使得其種質評價和育種利用工作面臨著很大的困難，這就迫使研究工作向多元化發展，以獲得更優化的評價體系。隨著利用分子標記技術對木薯種質資源進行EST-SSR、SNP和microsatellite-AFLP開發和利用，以及高通量測序技術發展，能很好地揭示大量的木薯種質遺傳背景，提高了木薯傳統育種速度和篩選效率[18-23]。灰色分析系統相關方法建立和數據的發掘及應用，也必能為木薯選育提供了客觀、全面、快速鑒定的依據，減少種育種的工作量。

1 材料與方法

1.1 實驗材料 研究選用了GR911、GR024-3、HB60、OM36-63-1、GR891、SM1155-24、SC124、GR024-7、UB1-2、RY5、SC205、UB4772、C5、C6、C14、C15、C16、C18和C20，共19個木薯材料，由廣西亞熱帶作物研究所、廣西木薯研究所和中科院（上海）植物生理生化研究所木薯生物技術中心提供。

1.2 實驗方法 試驗設計按隨機區組排列，在廣西亞熱帶作物研究所、廣西木薯研究所木薯科研基地實施。每個材料隨機抽取5株進行產量（t/hm2）和鮮薯干物質含量（水比重法，%）指標測量；參考相關研究[24-25]，進行干片淀粉含量（%）、直連淀粉含量（%）、可溶性糖含量（%）和氨基酸含量（pg/μL）指標的測試。

按照灰色系統理論[26-28]，將19個木薯材料的6個性狀指標因子認為是一個灰色系統進行灰色關聯分析，因為這些形狀指標都是木薯育種的衡量指標，各指標的最高值數列為參考數列（母序列x0），各材料性狀指標設為分析序列（子序列x1、x2、x3、x4、x5、x6），并進行無量綱化處。基于Topsis法理論對原始數據進行處理，并形成歸一化數據矩陣（y1、y2、y3、y4、y5、y6），找出最優方案（Z+）和最劣方案（Z-），分別計算對象與兩者之間的距離（Ci），獲得各評價對象與最優方案的相對相近程度作為評價優劣的依據。

1.3 統計分析 本研究所有數據均采用Excsl表格、SPSS19.0、DPS軟件等進行統計分析。

2 結果與分析

2.1 木薯主要農藝性狀的分析 通過對19個木薯種質的6個相關農藝性狀指標進行相關分析，結果表明（表1）：鮮薯產量在11.00～68.50t/hm2，鮮薯干物質含量在20.70%～31.40%，干片淀粉含量在47.87%～66.31%，直連淀粉含量在20.77%～26.40%，可溶性糖含量在0.02%～0.10%，氨基酸含量在159.64～408.15pg/μL。各指標的變異系數分別為：148.29%、41.57%、33.10%、23.17%、144.76%和88.20%，指標參數的差異性較大，具有代表性，適合進行統計分析。

2.2 木薯主要農藝形狀指標灰色關聯分析 根據灰色關聯分析方法，為了使不同性狀指標間數據保持一致性，需要對各性狀進行無量綱化處理。本研究采用的方法是初值化，即分別求出各個子序列值和母序列值（x0：68.500 0、31.400 0、66.305 8、26.398 8、0.103 693 4、408.151 9）的比值新數據序列，即為無量綱化序列值決策矩陣（表2）。然后代入公式計算獲得關聯系數（ri），則值越大越好，影響因子就越靠近研究對象，相對于參考指標就越有利。可以看出，以6個性狀指標參數對19份木薯種質資源的優劣順序為：C5>GR024-7>SM1155-24>C6>C14>GR891>SC205>GR024-3>SC124>C16>HB60>C18>GR911>C20>C15>UB4772>OM36-63-1>UB1-2>RY5。木薯主要栽培品種GR891、SC205、SC124和GR911關聯度綜合得分排名分別為第6、第7、第9和第13；而C5、GR024-7、SM1155-24、C6和C14關聯度綜合得分排名分別為第1～5位，明顯優于主要栽培品種。

2.3 木薯主要農藝形狀指標Topsis法分析 根據灰色關聯分析方法，為了使不同性狀指標間數據保持一致性，需要對各性狀進行無量綱化處理。本研究采用的方法是歸一化值，可以得到其“最優”方案參數（Z+：0.355 2、0.264 8、0.271 9、0.236 7、0.153 6、0.325 0）”方案參數和“最劣”方案參數（Z-：0.057 6 、0.159 3、0.183 5、0.167 3、0.001 5、0.125 4）”。結合歸一化值決策矩陣求出D+和D-，并進一步計算出Ci值。按照Ci值的大小進行排序，得出Topsis綜合評價的結果（表3），以6個性狀指標參數對19份木薯種質資源的優劣順序為：C5>C14>SM1155-24>C16>C6>GR024-7>HB60>GR911>GR024-3>GR891>C18>SC124>SC205>UB1-2>C20>C15>OM36-63-1>RY5>UB4772。木薯主要栽培品種GR911、GR891、SC124和SC205關聯度綜合得分排名分別為第8、第10、第12和第13位；而C5、C14、SM1155-24、C16和C6關聯度綜合得分排名分別為第1～5位，明顯優于主要栽培品種。

2.4 2種方法對木薯種質資源的綜合分析 灰色關聯分析法（GRA）和Topsis法（Topsis）對木薯種質綜合評價比較結果（圖1），排名數值（Rank value）越小，排名越靠前，綜合評價得分越高，2個綜合評價方法獲得的結果基本一致。但是ri值差異的差異系數為0.161 8，Ci值差異的差異系數為0.907 5，2種方法之間在評價水平上的差異比較大。相對于育成及主要栽培品種（GR891、SC205、SC124和GR911）的各性狀指標平均值（ck）（表4），C5的鮮薯干物質含量、干片淀粉含量、氨基酸含量均高于ck，而鮮薯產量、直連淀粉含量、可溶性糖含量則均低于ck；SM1155-24D的鮮薯產量、鮮薯干物質含量、干片淀粉含量均高于ck，而直連淀粉含量、可溶性糖含量、氨基酸含量則均低于ck；綜合排名分別為第1位和第2位。因此，可以說明木薯種質資源評價不應該是單一性狀因子的簡單比較，而是由多個性狀指標因子共同影響下而得出的結論，這樣才能更全面地獲得種質信息量。通過研究，可以認為木薯種質C5、GR024-7、SM1155-24、C6、C14、GR024-3、C16和C18的綜合得分值比較高，具有很好的育種潛力。

3 結論與討論

（1）通過對19份木薯種質的6個相關性狀指標進行種質評價，獲得了8個具有育種潛力的材料，尤其是C5和SM1155-24。

（2）由本次研究可知，灰色關聯度分析方法計算相對簡單，但在灰色關聯度需要x0（母序列）作為參照-如何根據目標性狀來確定參考值，這是種質資源的評價中的關鍵；灰色關聯度在種質資源評價過程中，因其灰色關聯度值的差異小，比較模糊地地評價木薯質資源的優劣。而Topsis評價法無需設置參考序列值，不僅能對木薯種質資源進行綜合性狀的排序，而且還能將種質資源間的差異明顯地反映出來，針對木薯種質材料比較豐富的情況下，更有助于種質資源的鑒定和取舍。灰色關聯度分析方法和Topsis分析方法，這2種方法均能對種質資源進行客觀的綜合評價，結果基本一致，與田間綜合表現相符合，適合應用與木薯種質資源的綜合評價。

（3）木薯種質資源材料比較豐富，僅僅憑靠人為標準和經驗來做出判斷難免會存在偏差；選擇最適應本地區栽培的木薯品種的組合性狀時，不僅要考慮其產量、淀粉含量性狀，還要考慮到種植、管理、收獲的加工等相關性狀指標，這就需要育種工作者們系統收集了相關性狀指標的高通量研究數據，從而組成一個完整種質信息系統，然后運用灰色理論和方法進行更加深入的研究。

致謝：感謝中國科學院（上海）植物生理生態研究所薯類生物技術中心對本研究提供的大力幫助。

參考文獻

[1]林祖軍，楊中萃，王榮.夏甘薯品種主要經濟性狀的通徑分析與高淀粉品種選育[J].山東農業科學，1989（5）：16-18.

[2]汪寶卿，王慶美，張海燕，等.北方區試中甘薯農藝性狀與產量的多元回歸和通徑分析[J].中國農學通報，2011，27（5）：120-125.

[3]蘇春華，李育明，何素蘭，等.高淀粉甘薯輪回選擇群體主要農藝性狀遺傳改良效果研究[J].雜糧作物，2007，27（4）：282-285.

[4]張凱，羅小敏，王季春，等.甘薯淀粉產量及相關性狀的遺傳多樣性和關聯度分析[J].中國生態農業學報，2013，21（3）：365-374.

[5]辛舉文，辛國勝.灰色系統理論在高淀粉甘薯育種上的應用[J].安徽農業科學，2006，34（7）：1283-1284.

[6]李強，馬代夫，李洪民，等.灰色關聯分析在甘薯品種綜合評價上的應用[J].雜糧作物，2001，21（1）：15-18.

[7]楊秀蓮，鄭曉昆，楊燕，等.基于灰色關聯分析的甘薯品種評價[J].長江蔬菜，2012（10）：8-11.

[8]鄢錚，王正榮.灰色關聯分析在淀粉型甘薯新品種評價上的應用[J].作物雜志，2014，1：30-32.

[9]肖平，龔秋林，高海軍.灰色關聯分析在冬油菜種質資源創新評價中的應用[J].江西農業學報，2006，18（4）：35-37.

[10]姜永平，劉水東，薛晨霞，等.DTOPSIS法和灰色關聯度法在番茄品種綜合評價中的應用比較[J].中國農學通報，2010：259-263.

[11]陳劍鋒，張秋英.灰色關聯度分析和DTOPSIS法對大麥新品系評價效果比較[J].福建稻麥科技，2012，30（4）.

[12]盧秀萍.灰色關聯度分析和DTOPSIS法對烤煙新品種評價效果比較[J].西南農業學報，2006，29（6）：1014-1018.

[13]蘇澤春，陳翠，徐中志，等.2種綜合評價法在白芨種質資源綜合評估中的應用[J].江西農業學報2015，27（5）：10-15.

[14]田兵，冉雪琴，薛紅，等.貴州42種野生牧犖營養價值灰色關聯度分析[J].草業學報，2014，23（1）：92-103.

[15]FAO.FAOSTAT[EB/OL].2013.http：//www.fao.org

[16]Tian Y，Lin X，Jin S.Present situation and future potentialof cassava inChina[C].Cassava’s potential in Asia in the21st century： Present situation and future research anddevelopment needs[J].Proc.6th Regional Workshop，2000.

[17]張鵬，楊俊，周文智，等.能源木薯高淀粉抗逆分子育種研究進展與展望[J].生命科學，2014，26（5）：465-473.

[18]Sraphet S，Boonchanawiwat A，Thanyasiriwat T，et al.SSR and EST-SSR-based genetic linkage map of cassava（Manihot esculenta Crantz）[J].Theor Appl Genet，2011，122（6）：1161-1170.

[19]Whankaew S，Poopear S，Kanjanawattanawong S，et al.Agenome scan for quantitative trait loci affectingcyanogenic potential of cassava root in an outbredpopulation[J].BMC Genomics，2011，12：266.

[20]Rabbi IY，Kulembeka HP，Masumba E，et al.An ESTderivedSNP and SSR genetic linkage map of cassava（Manihot esculenta Crantz）[J].Theor Appl Genet，2012，125（2）：329-342.

[21]Whankaew S，Sraphet S，T h a i k e r t R ，e t a l. Characterization of microsatellite markers in cassavabased on microsatellite-AFLP technique.Genet Mol Res，2012，11（2）： 1319-1326.

[22]Zou M，Xia Z，Ling P，et al.Mining EST-derived SSRmarkers to assess genetic diversity in Cassava（Manihotesculenta Crantz）[J].Plant Mol Biol Rep，29：961-971.

[23]孫湘來，陳新，文明富，等.基于EST-SSR的木薯分子標記遺傳連鎖圖譜的構建[J].中國農學通報，2011，27（9）：231-236.

[24]Wenzhi Zhou，Jun Yang，Yan Hong，et al.Impact of amylase content on starch physicochemical properties in transgenic sweet potato.Carbohydrate polymers （article in press，2014），（ http：//dx.doi.org/10.1016/j.carbpol.2014011.003）.

[25]Natalia K.Genkina，Sergey S. Kozlov，Vladimir V. Martirosyan and Valentina I.kiseleva.，thermal behavior of maize starches with different amylase/amylopectin ratio studied by DSC analysis.Starch/St?rke，2014，66：700-706.

[26]鄧聚龍.灰色預測與決策[M].武漢：華中理工大學出版社，1986.

[27]鄧聚龍.農業系統灰色理論與方法[M].濟南：山東科技出版社，1988.

[28]唐啟義，馮明光.實用統計分析及其DPS數據處理系統[M].北京：科學出版社，2002. （責編：張宏民）