三種屬(Seriola)魚類表型特征比較分析*

王開杰 徐永江 崔愛君 姜 燕 王 濱 柳學周

王開杰 徐永江①崔愛君 姜 燕 王 濱 柳學周

(中國水產科學研究院黃海水產研究所 青島海洋科學與技術試點國家實驗室深藍漁業工程聯合實驗室 山東青島 266071)

傳統分類方法通過形態特征的可數及可量性狀比較, 分析方法單一, 有局限性, 且測量的形態位點較少。多變量形態度量學方法則是基于框架位點引入多元統計的一種分析方法, 可對魚類體形外貌的連續性數量特征差異進行分析(楊天燕等, 2018), 在描述親緣關系較近的魚類形態變異及識別物種方面十分有效。侯吉倫等(2016)通過多元統計方法分析了中國沿海6個地理群體的花鱸()形態特征; 陳杰等(2014)用3種多元統計方法分析了我國鳊魴屬(and)魚類群體的形態差異。

1 材料與方法

1.1 實驗材料

1.2 表型性狀度量

對其8個可數性狀進行度量和計數, 包括胸鰭鰭條數、臀鰭鰭條數、尾鰭鰭條數、背鰭鰭條數、腹鰭鰭條數、第一鰓弓數、鰓耙數和脊椎骨數。

1.3 統計分析

γ=P+ΣγP;d=P2;d= 2r×P×P, (1)

式中,γ為相關系數;P為通徑系數;d為單個自變量對體重的決定系數;d為兩個自變量共同對體重的決定系數。

1.3.2 主成分分析 使用SPSS 23.0軟件進行主成分分析(馬愛軍等, 2008), 輸出其特征根向量、方差貢獻率和累計方差貢獻率, 然后再用Origin.2021軟件輸出主成分的散點圖。

1.3.3 判別分析 使用SPSS 23.0軟件首先對13個表型性狀比值的均值進行均等性檢驗, 采用Wilks’Lambda逐步判別法篩選變量, 隨后篩選貢獻大的變量進行判別函數構建。并參照李思發等(2005)的方法計算各判別函數的判別正確率。

2 結果

2.1 3種魚的外部特征描述及形態度量框架圖的構建

圖1 3種魚表型形態鑒別示意圖

注: 圖中相同字母(A、B、C、D)表示形態差異辨識位點。A. 上頜骨后部拐角; B. 眼后到鰓蓋的距離; C. 胸鰭與黃帶位置關系; D. 尾叉開角程度

表1 3種魚外部形態差異辨識位點

2.2 3種魚表型性狀對體重影響的通徑分析

表2 3種屬魚類可數性狀統計

注: 表中鰭數的描述是魚類特定的鰭式表達模式, 如: I, VI, I –31～35表示有兩個背鰭, 第一背鰭有5根硬棘刺, 第二背鰭有1根硬棘刺和31～35根軟條。表格中上標不同小寫字母表示差異顯著(<0.05)

表3 3種魚形態度量性狀比

注: 表格每行中不同小寫字母表示差異顯著(<0.05)

圖2 黃條形態度量結構框架圖

注: 可量性狀: AB: 全長(TL); AL: 叉長(FL); AK: 體長(SL); DH: 體高(BH); AG: 頭長(HL); FG: 眼后頭長(POL); EF: 眼徑(ED); IJ: 尾柄長(PL); RQ: 尾柄高(PD)。12個位點: C: 吻端起點; N: 過眼睛中點垂直線與背部邊緣交叉點; M: 過眼睛中點垂直線與腹部邊緣交叉點; D: 第1背鰭起點; W: 胸鰭起點; V: 腹鰭起點; U: 第2背鰭起點; X: 臀鰭起點; S: 第2背鰭終點; T: 臀鰭終點; O: 尾鰭背部起點; P: 尾鰭腹部起點。下同

圖3 高體形態度量結構框架圖

圖4 五條形態度量結構框架圖

表4 3種魚表型性狀統計

表5 黃條各表型性狀間相關性分析

注: *表示差異顯著(<0.05), **表示差異極顯著(<0.01)。下同

表6 高體各表型性狀間相關性分析

續表

表7 五條各表型性狀間相關性分析

表8 黃條表型性狀對體重影響的通徑分析

注: 表格中“—”表示無。下同

=–8 732.725+121.8371+227.8472+208.4607

+379.0318(2=0.966), (5)

=–2 354.733+36.2481+50.7182+151.0783

+94.4264+91.6805(2=0.852), (6)

表9 高體表型性狀對體重影響的通徑分析

表10 五條表型性狀對體重影響的通徑分析

=–14 159.820+500.6252+569.8744

+77.2366(2=0.895), (7)

式(5)、(6)、(7)中,為體質量(BW),1～8分別為體長(SL)、體高(BH)、眼間距(ID)、下頜長(LJL)、眼后頭長(POL)、全長(TL)、尾柄長(PL)、尾柄高(PD)。

2.3 3種魚表型性狀的多元統計分析

=4 073.0301+126.2782+922.1013+30.3594

+4.3095+457.8686+89.5557–5628.780, (8)

表11 3種魚表型性狀指標的特征值與方差貢獻率

表12 主成分載荷矩陣

圖5 3種魚主成分1、2和3的得分圖

=3894.7411+103.8472+865.6203+17.9104

+3.3365+443.6526+81.3787–4928.930, (9)

=3 865.7191+107.1742+814.7123+40.8774

+7.8255+410.9106+86.2667–4 967.871, (10)

式中,1～7分別對應TL/SL、SL/BH、SL/HL、HL/ED、SL/PD、HL/ID、SL/UJL。

3 討論

3.1 3種魚的形態度量特征比較分析

表13 基于7個貢獻顯著的比率變量判別函數對3個魚群體判別分析結果

圖6 基于13個表型性狀比值的3種魚群體的聚類熱圖

3.2 通徑分析

3.3 多元統計分析比較

4 結論

馬愛軍, 王新安, 雷霽霖, 2008. 大菱鲆()四個不同地理群體數量形態特征比較[J]. 海洋與湖沼, 39(1): 24-29.

王新安, 馬愛軍, 許可, 等, 2008a. 大菱鲆幼魚表型形態性狀與體重之間的關系[J]. 動物學報, 54(3): 540-545.

王新安, 馬愛軍, 陳超, 等, 2008b. 七帶石斑魚()兩個野生群體形態差異分析[J].海洋與湖沼, 39(6): 655-660.

喬德亮, 李思發, 2010. 細鱗斜頜鲴三個群體形態差異[J]. 生態學雜志, 29(12): 2425-2430.

劉小林, 常亞青, 相建海, 等, 2002. 櫛孔扇貝殼尺寸性狀對活體重的影響效果分析[J]. 海洋與湖沼, 33(6): 673-678.

孫希福, 2009. 基于形態學和分子生物學資料探討中國沿海10種蝦虎魚類的系統發育關系[D]. 青島: 中國海洋大學: 38-41.

李思發, 王成輝, 程起群, 2005. 紅鯉四品系的形態差異和種系關系[J]. 水產學報, 29(5): 606-611.

李思發, 李晨虹, 李家樂, 1998. 尼羅羅非魚品系間形態差異分析[J].動物學報, 44(4): 450-457.

楊天燕, 孟瑋, 郭焱, 等, 2018. 塔里木裂腹魚和厚唇裂腹魚多變量形態學分析[J]. 浙江海洋大學學報(自然科學版), 37(3): 221-227.

張明輝, 陳剛, 謝俊剛, 2011. 以色列紅羅非形態性狀對體重影響的通徑分析[J]. 安徽農學通報, 17(16): 47-49, 51.

陳杰, 李福貴, 黃創新, 等, 2014. 不同鳊魴屬魚類群體的形態差異分析[J].上海海洋大學學報, 23(3): 388-394.

孟乾, 張志勇, 賈超峰, 等, 2020. 4月齡斑石鯛生長性狀的相關分析與通徑分析[J]. 水產科技情報, 47(3): 135-139.

練青平, 宓國強, 胡廷尖, 等, 2011. 唇魚骨、花魚骨及其雜交F1的形態差異分析[J]. 大連海洋大學學報, 26(6): 493-499.

侯吉倫, 趙雅賢, 任建功, 等, 2016. 中國沿海6個花鱸群體的形態差異分析[J].海洋漁業, 38(5): 459-467.

梁宏偉, 李忠, 羅相忠, 等, 2015. 長豐鰱與長江鰱形態差異與判別分析[J].水生生物學報, 39(5): 1059-1064.

謝鵬, 2019. 中國鱥屬魚類形態學比較和溫度適應的研究[D]. 武漢: 華中農業大學: 45-49.

CADRIN S X, 2000. Advances in morphometric identification of fishery stocks [J]. Reviews in Fish Biology and Fisheries, 10(1): 91-112.

MATSUMOTO Y, THAO L X, MORIOKA K,, 2017. Effects of graded levels of taurine supplement to the no-fishmeal diet on the growth and physiology in juvenile yellowtail[J]. Aquaculture Science, 65(3): 239-246.

NWANI C D, BECKER S, BRAID H E,, 2011. DNA barcoding discriminates freshwater fishes from southeastern Nigeria and provides river system-level phylogeographic resolution within some species [J]. Mitochondrial DNA: The Journal of DNA Mapping, Sequencing, and Analysis, 22(S1): 43-51.

RIGOS G, KATHARIOS P, KOGIANNOU D,, 2021. Infectious diseases and treatment solutions of farmed greater amberjackwith particular emphasis in Mediterranean region [J]. Reviews in Aquaculture, 13(1): 301-323.

SISTROM M, EDWARDS D L, DONNELLAN S,, 2012. Morphological differentiation correlates with ecological but not with genetic divergence in agecko [J]. Journal of Evolutionary Biology, 25(4): 647-660.

TAKEYAMA H, CHOW S, TSUZUKI H,, 2001. Mitochondrial DNA sequence variation within and between tunaspecies and its application to species identification [J]. Journal of Fish Biology, 58(6): 1646-1657.

VOSS R S, MARCUS L F, PATRICIA ESCALANTE P, 1990. Morphological evolution in muroid rodents I. Conservative patterns of craniometric covariance and their ontogenetic basis in the Neotropical genus[J]. Evolution, 44(6): 1568-1587.

YOKOYAMA S, ASADA Y, ISHIKAWA M,, 2020. Growth and physiological responses of juvenile amberjack () fed pellet diets bound by different binders [J]. Journal of the World Aquaculture Society, 51(6): 1326-1340.

COMPARATIVE ANALYSIS OF MORPHOLOGICAL CHARACTERISTICS OF THREESPECIES

WANG Kai-Jie, XU Yong-Jiang, CUI Ai-Jun, JIANG Yan, WANG Bin, LIU Xue-Zhou

(Yellow Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Joint Laboratory for Deep Blue Fishery Engineering of Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266071, China)

To reveal the interspecific differences of phenotypic characteristics among threespecies, the morphology of farmed,, andin China was analyzed. The countable and morphometrical characteristics were measured and compared, and the relationship and difference were determined using multivariate statistical methods including one-way ANOVA, path analysis, principal component analysis, discriminant analysis and cluster analysis. A total of 190 experimental fish were used. Results of one-way ANOVA show that there were significant differences among all the morphometric indexes (<0.05) except for fork length/soma length (FL/SL), soma length/caudal peduncle length (SL/PL) and head length/eye diameter (HL/ID), and mandibular length/maxillary length (LJL/UJL). In addition, four phenotypic traits (SL, body height (BH), caudal peduncle length (PL), and caudal peduncle height (PD)) are the main traits affecting body weight inas path analysis shown. Five phenotypic traits, soma length (SL, BH, eye diameter (ID), mandibular length (LJL) and head length behind the eyes (POL) inwere the main traits affecting their body weight. Three phenotypic traits (BH, LJL, and total length (TL)) were the main traits affecting the body weight of. Four principal components were constructed by principal component analysis, of which the first principal component contributed 34.974%, followed by the other three principal components (23.897%, 11.587%, 9.489%, respectively), and their cumulative variance contribution rate was 79.947%. The discriminant accuracy rate of1and2offishes was 100%, and the comprehensive discriminant rate was 100.00% as revealed by discriminant analysis.andwere clustered into a branch, and then were clustered into a large branch with. The present results provide intuitive morphometric basis for the species identity, germplasm norm establishment, and genetic breeding offishes.Key wordsspecies; phenotypic characteristics; path analysis; multivariate morphometrics; multivariate statistical analysis

Q789; Q954; S965

10.11693/hyhz20220400110

*國家重點研發計劃項目, 2022YFD2401100號, 2019YFD0900901號; 中國水產科學研究院基本科研業務費, 2020TD47號; 國家海洋水產種質資源庫項目, 2021-2025; 財政部和農業農村部: 國家現代農業產業技術體系資助, CARS-47號。王開杰, 碩士, E-mail: jasions@qq.com

徐永江, 研究員, E-mail: xuyj@ysfri.ac.cn

2022-04-27,

2022-07-09