一种基于表型权重距离的龙眼品种间差异的评价方法与流程

本发明属于植物品种测试筛选的技术领域，具体涉及一种基于表型权重距离的龙眼品种间差异的评价方法。

背景技术：

龙眼是我国热带区域重要的经济果树之一，据国家荔枝龙眼产业技术体系统计，2018年，中国大陆龙眼栽培面积约413.97万亩，产量约157.21万吨，约占世界总产量的50％左右。然而，长期以来，我国龙眼品种市场的监管处于空缺状态，修饰性、模仿性和低水平重复品种多，“一品多名”、“多品一名”以及假冒侵权等现象时有发生，因此加强龙眼植物新品种保护，维护公平竞争的市场环境，是解决上述难题激励龙眼育种创新的关键一招。

植物品种特异性、一致性和稳定性(dus)测试是品种权申请、授权、维护以及品种真实性鉴定等的核心技术支撑。植物品种特异性、一致性和稳定性测试指南是dus测试的基本技术规范。dus测试指南中给出了一套用于测试的表型性状，每个表型性状有不同表达状态，每个状态都对应一个代码。测试人员依据dus测试指南中的表型性状完成植物品种身份描述和品种dus三性判定。

特异性测试中，近似品种筛选是一项重要的工作，整个测试过程中近似品种的筛选一般至少进行两次，一是第一生长周期种植前的初步筛选，二是第一生长周期结束后，根据第一周期的测试结果，对下一生长周期需要种植品种的选择。而近似品种的漏选或错选可能会影响最后待测品种的特异性判定；选出近似品种的多少也会决定测试工作量的大小。目前主要采用性状代码直接比较的方法筛选近似品种，但存在一些问题：

1、由于植物的表型性状极易受到外界环境条件变化的影响，同一品种同一性状的表达状态在不同地点或不同年份可能会存在较大变化，导致观测的结果不同。因此依据品种已有的性状观测结果的差异很难准确的反映不同品种之间的真实差异。

2、一些性状的表达状态易受主观判定的影响，比如龙眼的“果肉香味”这个性状，测试指南中列出了5种缩略表达状态“无或极弱、弱、中、强、极强”，该性状主要通过测试人员的嗅觉判断，主观性较大，导致给予的性状代码有一定的误差。目前主要依据品种间性状代码的差异进行近似品种的筛选，如果品种间性状代码的差异判断不准确，可能会导致筛选出的近似品种也不准确，出现漏选或错选的情况，甚至造成待测品种特异性的错判。

因此，根据每一个性状受环境和主观观测影响的程度，研制一套更为真实反应龙眼品种间差异的方法，减少外界环境和人为主观因素的影响，同时如能将这套方法应用到近似品种的筛选工作中，可提高近似品种筛选的准确性和效率，对龙眼品种dus测试、品种权授权和维护均具有重要意义。

技术实现要素：

针对以上问题，本发明的目的在于提供一种基于表型权重距离的龙眼品种间差异的评价方法，通过该方法能更加准确的反应出不同龙眼品种间的真实表型性状差异，通过计算出品种间的表型距离值，利用表型距离法筛选出近似品种。

本发明的技术内容如下：

一种基于表型权重距离的龙眼品种间差异的评价方法，包括如下步骤：

1)将36个龙眼的性状进行分析归类，总体分为三大类：质量性状、数量性状和假质量性状；

2)分别确定三个类别中每个性状的不同表达状态间的差异，对每一个差异赋予权重；

3)计算品种间表型距离，计算公式如下：

其中，i，j：代表第i个品种和第j个品种；

k：测试指南中第k个性状，取值为自然数1，2，3……

wk(i，j)：i、j两个品种在第k个性状上差异的的权重数值。

4)将上述步骤3)所述得到的数值进行聚类分析：利用聚类分析法对权重赋值的方法计算出来的品种进行品种类别归类，对品种间表型距离的可靠性进行验证；

5)分别用性状代码法和表型距离法筛选a品种的近似品种，对比筛选效果，所示表型距离法为根据聚类分析得到的结果，设定一个判断两个品种差异显著的临界值sdist，当两个品种间距离d大于sdist，即判断两个品种有明显差异。

原理：目前评估品种间差异的方法主要利用性状代码进行对比，进而筛选出近似品种，即将那些数据库中和待测品种差异大的品种排除掉，留下的无法排除的品种作为近似品种进行种植试验。本发明提出的对性状差异进行权重赋值，即以性状的稳定性和性状表达状态可区分的难易程度为度量标准，根据upov技术文件tgp/8-3中提出的原则，考虑到质量性状、假质量性状和数量性状的基本特征(比如是否容易受环境影响、表达状态是否易受人为主观影响等)，结合品种性状测试的实践经验，对不同性状的不同表达状态之间的差异赋予一定的权重，权重赋值和性状代码的大小无关，然后将两个品种的测试性状差异权重数值累加所得数值即为两个品种间的表型权重距离，利用表型距离筛选近似品种。

本发明的有益效果如下：

本发明基于表型权重距离的龙眼品种间差异的评价方法，可以提高龙眼dus测试过程中不同品种间差异判断的准确度，减小环境因素和人为主观造成的品种间性状差异判断的误差，使特异性测试中近似品种的筛选更加准确，效率更高，在保证准确的前提下筛选出的近似品种更少，可以减少近似品种的种植数量，省时省力，降低测试成本，利用该方法计算出的表型距离还可以应用于品种身份真实性鉴定工作，可以更加准确快速地筛选与待测品种身份相同或疑似的品种，为品种权行政保护和司法保护提供技术支撑。

附图说明

图1为29个品种及a品种的表型距离数据图；

图2为29个品种表型距离聚类图；

图3为29个品种性状代码聚类图；

图4为29个品种及a品种的性状代码数值图。

具体实施方式

以下通过具体的实施案例以及附图说明对本发明作进一步详细的描述，应理解这些实施案例仅用于说明本发明而不用于限制本发明的保护范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定。

若无特殊说明，本发明的所有原料和试剂均为常规市场的原料、试剂。

以下是对农业行业标准ny/t2431-2013《植物新品种特异性、一致性和稳定性测试指南龙眼》中的36个龙眼测试性状差异的权重赋值。

实施例1

质量性状的权重赋值：

性状名称：12小叶叶面褶皱；17小叶叶缘缺刻

性状特点：此类性状表达状态采用1和9的代码标注，由于1和9代码的质量性状具有较好的稳定性和品种间的可区别性，因此可以赋予较高的权重；

赋值方法：1和9代码间的差异赋予权重6；

表1质量性状权重状赋值表

实施例2

数量性状的权重赋值：

数量性状一般容易受环境影响，不同表达状态间的界限也不是那么明显，两个表达状态间可能还会存在中间过渡状态，所以此类型性状的表达状态并不太容易准确辨别，权重赋值时，一般都会赋予较小的数值。

1.表达状态代码为1～2型的数量性状

性状名称：34果肉质地；

赋值方法：1和2代码间的差异赋予权重2；

表2代码1～2类型数量性状权重赋值表

2.表达状态代码为1～3型的数量性状

性状名称：6小叶对数、7小叶着生方式、39果肉离核难易程度；

赋值方法：仅在1和3代码之间的差异权重赋值为2；

表3代码1～3类型数量性状权重赋值表

3.表达状态代码为3～7型的数量性状

此类性状虽受到环境的一些影响，但相对比较容易观测，受人为主观性影响也较小，可以对代码相差较小的差异赋予权重。

性状名称：4主干表皮裂纹、13小叶厚度、18叶面颜色、30果实大小、31果肉厚度、32果皮厚度、37可溶性固形物含量、38果实可食率、42种脐相对于种子大小；

赋值方法：≥2个代码差异时权重赋值为2；

表4“主干表皮裂纹”性状权重赋值表

4.表达状态代码为1～9型的数量性状

此类性状表达状态范围是1～9，这些性状的表达状态要么容易受环境影响要么不容易辨别，所以应在具有较大差异时才赋予一定的权重。

性状名称：8复叶主轴长度、16小叶叶缘波状程度、33果肉香味、40种核大小；

赋值方法：≥4个代码的差异时权重赋值为2；

表5代码1-9类型数量性状权重赋值表

5.其他类型的数量性状

此类性状受主观观测的影响较大，需要较大的差异才赋予权重。

性状名称：1树姿、2树势、19叶面光泽度、29果皮光滑度、35果肉表面流汁程度、36汁液量；

赋值方法：≥3个代码的差异权重赋值为2；

表6“树姿”性状权重赋值表

表7“树势、叶面光泽度”等其他数量性状权重赋值表

实施例3

假质量性状的权重赋值

假质量性状整体来看具有质量性状的特征，具有不连续性，但在某一个维度上又是连续变化的。对于品种间假质量性状差异程度的评价很难通过代码差别的方式进行，往往根据性状表达状态特征结合实践经验来判断。

1.表达状态代码为1～2型的假质量性状

性状名称：10小叶形状、15小叶叶基形状、28果皮龟裂纹；

赋值方法：1个代码的差异时权重赋值为3；

表8代码1～2类型假质量性状权重赋值表

2.“形状类”假质量性状

性状名称：25果实形状、26果肩形状、41种核形状；

赋值方法：不同代码差异的权重赋值如下表：

表9“果实形状”权重赋值表

表10“果肩形状”权重赋值表

表11“种核形状”赋值表

3.“颜色类”假质量性状

性状名称：3主干表面颜色、27果皮颜色；

赋值方法：不同代码差异的权重赋值如下表所示；

表12“主干表面颜色”权重赋值表

表13“果皮颜色”权重赋值表

4.其他类假质量性状

性状名称：14小叶叶尖形状、11小叶叶面形态；

赋值方法：不同代码差异的权重赋值如下表所示；

表14“小叶叶尖形状”权重赋值表

表15“小叶叶面形态”赋值表

实施例4

通过聚类分析验证这种通过表型权重赋值的方法计算出来的表型距离的可靠性，对29个龙眼品种的36个表型性状进行了调查，并利用上述方法进行了权重赋值，计算出每个品种间的表型距离(如图1)，所述计算方法采用如下公式：

其中，i，j：代表第i个品种和第j个品种；

k：测试指南中第k个性状，取值为自然数1，2，3……

wk(i，j)：i、j两个品种在第k个性状上差异的权重数值。

得到的29个品种及a品种的表型距离数据如图1所示，将得到的数据进行聚类分析，同时，利用性状的性状代码也进行了聚类分析，图2和图3分别为表型权重距离法和性状代码法的聚类结果，根据聚类结果可得：

1)表型权重距离聚类分析，大概可以分为三大类：

一是：良庆2号、中山脆肉、松风本、古山、闽焦64-2、油潭本、早白焦、焦眼、青山晚优、东壁；

二是“石硖”和“中秋一号”杂交个体：sz19-1、sz19-2、sz19-4、sz19-7、sz19-11、sz19-13；

三是“大乌圆”和“蜀冠”(ds)、“凤梨多”和“大乌圆”(fd)以及“大乌圆”和“一个未知品种x”(dx)的杂交子代个体：ds236、dx38、ds247、df425、fd73、dx64、dx74、dx51、dx77、fd105-6、fd105-9、fd265、ds288；

上述第二类的和第三类中的品种中，亲缘关系近的优先聚在一起；第一类中，中山脆肉和古山都是原产于广东的品种，优先聚在一起；闽焦64-2、油潭本和松风本的原产地都是福建，它们聚在一起；焦眼、早白焦、青山晚优和东壁聚在一起，它们原产地也都是福建。

通过两个聚类对比，性状代码聚类效果稍差，如杂交种ds236和其他常规种聚集在了一类中，早白焦核良庆2号也和杂交种聚在了一个小类群中等，均找不出合适的聚类依据。dx51、dx64、dx74以及dx77单独聚为一类，并没有和亲缘关系比较近的fd和ds系列的杂交种聚为一类。通过聚类分析，说明了通过权重赋值计算表型距离的方法的可靠性，在综合判断品种间差异方面比性状代码更准确。

实施例5

利用两种方法模拟进行近似品种筛选：

方法一：计算出29个龙眼品种的表型性状的距离(距离表见图1)，现根据聚类结果，设定一个判断两个品种差异显著的临界值sdist，只要两个品种间距离d大于sdist，就可以判定这两个品种有明显差异。根据上面的聚类结果和两个品种间的距离值，暂定sdist＝24，拿一个品种来验证下，该品种是a(大乌圆和曙冠的一个杂交个体)，它与其他品种的表型距离(图1)，根据表型距离值小于24来筛选近似品种，这样我们能选出“早白焦、df425、fd73、dx38、dx51、dx64、dx74、dx77、ds236、ds247、ds288”等11个品种为a的近似品种，均为亲缘关系比较近的、且比较合理的近似品种。

方法二：利用性状代码进行筛选近似品种，由表15和表16所示，表15为各个品种数量性状的的代码及其与a品种存在差异的性状的数量，表16为各个品种假质量性状和质量性状的的代码及其与a品种存在差异的性状的数量；

表15和表16所体现的数据总表如图4所示，图4中第一列的黑底为筛选出来的近似品种，形状中的黑底部分为差异大的性状代码。

表15品种的数量性状的代码数

表中数量性状的a～o表示为：a可食率、b果皮厚度、c果实大小、d果肉厚度、e果皮龟裂纹、f果皮光滑度、g果肉香味、h果肉质地、i可溶性固型含量、j种核大小、k树姿、l表皮裂纹、m小叶着生方式、n叶面光泽度、o小叶叶缘波程度。

表16品种的假质量性状和质量性状的代码数

为了更加直观的反映出各品种差异，差异代码数和差异对应的性状类型已在表格的第一列中标出来，将表15和表16中第一列的差异数量相加，数值≥6的品种为与a品种差异较大的品种，包括青山晚优、闽焦64-2、古山、油潭本、东壁、良庆2号、df425、fd73、fd265、dx38、dx51、dx64、dx77、ds236、ds247、ds288、sz19-4、sz19-7、sz19-13等19个品种；

两种方法对比，表型距离法筛选出来的这些品种基本都包含在性状代码筛选出来的近似品种中，只有“早白焦”不是，而利用性状代码筛选近似品种找出来品种差异较大的品种，还要进行综合评估，确定哪些品种可以排除掉，利用该方法法不仅筛选出来的近似品种多，花费时间长，而且还将一些亲缘关系远、性状差异大的品种筛选进来，一些亲缘关系近且差异相对较小的品种则漏掉了。因此，采用方法一的表型性状距离筛选，能够比较快速且准确地得到待测品种的近似品种。