水稻蛋白质含量NIR模型适配范围的研究

中国农业科学 ›› 2006, Vol. 39 ›› Issue (12): 2435-2440 .

水稻蛋白质含量NIR模型适配范围的研究

吴金红,张洪江,梅捍卫,李　荧,杨　华,王晓珊,林榕辉,罗利军

上海市农业生物基因中心

收稿日期:2005-07-03 修回日期:1900-01-01 出版日期:2006-12-10 发布日期:2006-12-10
通讯作者: 罗利军

Study on NIR Models of Protein Content in Rice Based on Representative Samples of Varieties and RILs

上海市农业生物基因中心

Received:2005-07-03 Revised:1900-01-01 Online:2006-12-10 Published:2006-12-10

摘要/Abstract

摘要： 【目的】比较不同类型样品建立水稻蛋白质近红外模型的效果和适配范围。【方法】通过对178份来自“II-32B/岳早籼6号”的重组自交系和496份水稻品种的近红外反射光谱的比较分析，选择其中59个株系和76份品种作为建模样品，采用偏最小二乘法建立基于品种、重组自交系和混合样品的3个蛋白质含量回归模型。【结果】经模型内部交叉验证和对模型外部重组自交系和品种样品的验证结果的比较分析，发现基于分离群体的模型因蛋白质含量范围较窄，样品来源较单一，适应范围仅局限于本群体内样品蛋白质含量预测，而品种和混合模型对群体和品种样品都表现出良好的适应能力，交叉验证决定系数大于0.90，外部验证决定系数大于0.89, 本试验可为近红外建模的样本集选择提供良好的指导意义。【结论】不同类型样品对建模效果有显著影响，品种模型和混合模型的适配范围显著大于群体模型，研究结果不能支持用背景变异较小的样品建立较高精度回归模型的设想。

关键词: 水稻, 蛋白质含量, 近红外反射光谱分析（NIRS）, 群体, 品种

Abstract: After comparison of NIR spectra of 496 rice varieties and 178 RILs from the cross “II-32B/Yue-Zao-Xian No6”, 76 cultivars and 59 RILs were selected to develop three PLS regression models based on cultivar, RIL and mixture samples, respectively. By comparing the effect of validation and prediction, there was found some limitation of model based on RILs due to the narrow range of distribution of protein content. Nevertheless the models based on the representative cultivars or mixture samples had a high coefficient of determination (r2 >0.90) in validation and low absolute error (<1.1%) in prediction, which should be suitable for primary screening on protein content of rice germplasm and breeding lines.

Key words: Oryza sativa L, Protein content, Near infrared reflection spectroscopy (NIRS), Model based on varieties, Model based on RILs

吴金红,张洪江,梅捍卫,李　荧,杨　华,王晓珊,林榕辉,罗利军. 水稻蛋白质含量NIR模型适配范围的研究[J]. 中国农业科学, 2006, 39(12): 2435-2440 .

0
/ / 推荐

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: https://www.chinaagrisci.com/CN/

https://www.chinaagrisci.com/CN/Y2006/V39/I12/2435

[1]	林萍, 王开良, 姚小华, 任华东. 基于转录组SNP构建油茶主要品种资源的分子身份证[J]. 中国农业科学, 2023, 56(2): 217-235.
[2]	肖德顺, 徐春梅, 王丹英, 章秀福, 陈松, 褚光, 刘元辉. 水培条件下根际氧环境对水稻幼苗磷吸收的影响及其生理机制[J]. 中国农业科学, 2023, 56(2): 236-248.
[3]	张晓丽, 陶伟, 高国庆, 陈雷, 郭辉, 张华, 唐茂艳, 梁天锋. 直播栽培对双季早稻生育期、抗倒伏能力及产量效益的影响[J]. 中国农业科学, 2023, 56(2): 249-263.
[4]	刘针杉, 涂红霞, 周荆婷, 马艳, 柴久凤, 王旨意, 杨鹏飞, 杨小芹, Kumail Abbas, 王浩, 王燕, 王小蓉. 中国樱桃正反交F₁代果实主要性状的遗传分析[J]. 中国农业科学, 2023, 56(2): 345-356.
[5]	胡盛,李阳阳,唐章林,李加纳,曲存民,刘列钊. 干旱胁迫下甘蓝型油菜籽粒含油量和蛋白质含量变化的全基因组关联分析[J]. 中国农业科学, 2023, 56(1): 17-30.
[6]	冯向前,殷敏,王孟佳,马横宇,褚光,刘元辉,徐春梅,章秀福,张运波,王丹英,陈松. 南方稻区“早籼晚粳”栽培模式晚季灌浆期气象因子对晚粳稻品质的影响[J]. 中国农业科学, 2023, 56(1): 46-63.
[7]	桑世飞,曹梦雨,王亚男,王君怡,孙晓涵,张文玲,姬生栋. 水稻氮高效相关基因的研究进展[J]. 中国农业科学, 2022, 55(8): 1479-1491.
[8]	韩晓彤,杨保军,李苏炫,廖福兵,刘淑华,唐健,姚青. 基于图像的水稻纹枯病智能测报方法[J]. 中国农业科学, 2022, 55(8): 1557-1567.
[9]	范延艮,王域,刘富浩,赵秀秀,向勤锃,张丽霞. 茶树CsHIPP26.1互作蛋白的筛选与验证[J]. 中国农业科学, 2022, 55(8): 1630-1641.
[10]	赵凌, 张勇, 魏晓东, 梁文化, 赵春芳, 周丽慧, 姚姝, 王才林, 张亚东. 利用高密度Bin图谱定位水稻抽穗期剑叶叶绿素含量QTL[J]. 中国农业科学, 2022, 55(5): 825-836.
[11]	蒋晶晶,周天阳,韦陈华,邬佳宁,张耗,刘立军,王志琴,顾骏飞,杨建昌. 不同栽培措施对超级稻强、弱势粒品质的影响[J]. 中国农业科学, 2022, 55(5): 874-889.
[12]	郭燕, 张树航, 李颖, 张馨方, 王广鹏. 中国板栗36个叶片表型性状的多样性[J]. 中国农业科学, 2022, 55(5): 991-1009.
[13]	张亚玲, 高清, 赵羽涵, 刘瑞, 付忠举, 李雪, 孙宇佳, 靳学慧. 黑龙江省水稻种质稻瘟病抗性评价及抗瘟基因结构分析[J]. 中国农业科学, 2022, 55(4): 625-640.
[14]	彭佳堃, 戴伟东, 颜涌泉, 张悦, 陈丹, 董明花, 吕美玲, 林智. 基于代谢组学的‘永春佛手’乌龙茶化学成分解析[J]. 中国农业科学, 2022, 55(4): 769-784.
[15]	陈婷婷, 符卫蒙, 余景, 奉保华, 李光彦, 符冠富, 陶龙兴. 彩色稻叶片光合特征及其与抗氧化酶活性、花青素含量的关系[J]. 中国农业科学, 2022, 55(3): 467-478.