Identification of TP-M13-SSR molecular markers and genetic relationship analysis of seven new ornamental peach germplasms
-
摘要:目的 以7份选育出的观赏桃新种质和15份市面上常见桃品种的叶片为试验材料，通过简单重复序列（SSR）分子标记对其遗传多样性及亲缘关系进行分析鉴定，旨在探讨新种质与市面上常见桃品种的种间遗传距离与亲缘关系，为观赏桃起源演化、开发利用和亲本选配提供参考。方法 利用36对引物进行TP-M13-SSR PCR扩增以及荧光毛细管电泳检测，并对扩增产物的扩增效率及引物多态性进行分析。对7份观赏桃新种质‘T20’、‘T22’、‘T28’、‘T10’、‘T13’、‘T9-1’、‘早花’与15份已有常见桃品种的亲缘关系进行鉴定，利用6个SSR位点构建22份观赏桃种质资源的指纹图谱，进行Neighbor-Joining聚类并结合表型性状开展综合分析。结果 36对引物中筛选得到25对高多态性引物，共检测到183个多态性等位基因和98.396个有效等位基因，观察杂合度平均值为0.341，预期杂合度平均值为0.739，Shannon’s信息指数平均值为1.546，引物多态性信息指数平均值为0.683，介于0.510 ~ 0.841之间。新种质‘T20’和‘T10’与已有‘台阶’品种相似系数最大，分别为0.95和0.92，‘T20’和‘台阶’的枝型、花瓣颜色及花瓣类型等表型性状都相同；新种质‘T13’与已有‘五宝桃’品种相似系数最大，为0.86；新种质‘T22’与已有各品种相似系数很小，其表型性状与其余21份种质相比有较大不同；新种质‘T9-1’和‘早花’与已有‘朱粉垂枝’品种相似系数最大，为0.94。结论 本研究通过构建SSR指纹图谱，更加直观和快捷的对观赏桃种质资源进行鉴定，为后期观赏桃种质资源的创新、种质资源库的建立及种质资源的保护与利用提供技术与理论支撑。Abstract:Objective Genetic diversity and genetic relationship of the leaves from 15 commercially available common types and 7 new ornamental peach germplasms were studied and identified by simple sequence repeat (SSR). The purpose of this study was to explore the genetic distance between the new germplasm and commercially available common varieties, and to provide reference for the origin, evolution, development and utilization of ornamental peach and parental selection.Method TP-M13-SSR PCR amplification and fluorescent capillary electrophoresis detection were carried out using 36 pairs of primers, and the amplification efficiency and polymorphism were analyzed. Genetic relationship of new ornamental peach germplasm ‘T13’, ‘T9-1’, ‘T10’, ‘T20’, ‘T22’ and ‘Zaohua’ was identified, and fingerprints of 22 ornamental peach germplasm resources were constructed using 6 SSR loci, and Neighbor-Joining clustering and comprehensive analysis combined with phenotypic traits was performed.Result 36 pairs of highly polymorphic primers were screened from 29 pairs of primers. A total of 183 polymorphic alleles and 98.396 effective alleles were detected. Average of observed heterozygosity was 0.341, and average of expected heterozygosity was 0.739. Average of Shannon’s information index was 1.546, and average of polymorphism information content of primer was 0.683, ranging from 0.510 to 0.841. The new germplasm ‘T20’ and ‘T10’ had the largest similarity coefficients with the existing variety ‘Taijie’, which were 0.95 and 0.92, respectively. ‘T20’ and ‘Taijie’ had the same phenotypic traits, including branch shape, petal color and petal type. The new germplasm ‘T13’ and the existing variety ‘Wubao tao’ had the highest similarity coefficient, which was 0.86. Similarity coefficient between the new germplasm ‘T22’ and other existing varieties was very small, and its phenotypic characters were quite different from the other 21 germplasms. Similarity coefficient of the new germplasm ‘T9-1’ and ‘Zaohua’ with the existing variety ‘Zhufen chuizhi’ was the largest, which was 0.94.Conclusion In this study, through the construction of SSR fingerprint map, the ornamental peach germplasm resources can be identified more intuitively and quickly, providing technical and theoretical support for the later innovation of ornamental peach germplasm resources, the establishment of germplasm resource banks, and the protection and utilization of germplasm resources.
-
Keywords:
- ornamental peach /
- SSR /
- genetic relationship analysis /
- new germplasm identification
-
有数据显示，全球陆地土壤碳含量为1 750 Pg，植被碳含量为550 Pg，总量约为大气碳含量的3倍[1]，即无论土壤作为“碳源”还是“碳汇”都将对气候变化产生巨大影响，故在全球气候变化和生态扰动背景下，陆地生态系统有机碳（SOC）分布与动态变化受到广大学者的广泛重视。尤其表层土壤，是SOC的集中分布层，其SOC含量更显著的受到微地形[2]、植被类型[3-4]、枯落物数量[5-6]、人为扰动[7]等因素的影响，使其在空间分布上具有更强的异质性，而成为研究者关注的一个焦点。
在不同空间尺度上，SOC分布的异质性为SOC储量的科学估算及关键影响因素的研究提出了挑战，故随着地统计分析工具的出现，广大学者采用地统计学的方法针对不同生态类型、空间尺度等条件下SOC的分布特征及空间变异性进行了研究，并表明地统计学是研究SOC空间分布的一种有效工具[8]。如Gao等[9]基于地统计方法研究得出中国北方丘陵地区SOC的空间异质性受随机性和结构性因素的共同控制。Göl等[10]研究发现球状模型可以很好地模拟黑海不同土地利用方式SOC的空间分布。SOC的空间分布还具有尺度效应[11]，然而在区域、县域等大、中尺度下的空间分布与预测往往简化了某些生态过程，可能增加碳研究的不确定性[12]，相比之下，小尺度下的空间预测反映的信息量更加丰富[13]，因此揭示小尺度SOC的空间分布格局及其影响因素对于精确估算SOC含量是必要的。
青藏高原属于典型的生态脆弱区和气候变化的敏感区，在全国乃至全球都具有重要的生态地位。近年来，随着交通不断便利，不少学者开展了青藏高原土壤碳循环研究，如王建林等[14]关于草地土壤化学计量特征的大尺度空间分布研究，从宏观上了揭示青藏高原的土壤养分状况。叶成龙等[15]人基于野外定点试验和室内试验的研究表明，氮输入将增加预测青藏高原高寒草甸地区土壤碳排放的不确定性。其他研究如吕韶利[16]、刘合满[17]等，研究结果为高寒地区土壤碳循环研究奠定了丰富的理论和技术参考。青藏高原地形、植被、气候等具有显著的差异，导致SOC含量具有高度的空间异质性，然而目前针对SOC的空间分布与模拟研究仍少见报道，尤其是在小尺度空间范围，这将阻碍我们对于青藏高原这一特殊生态系统土壤碳动态变化的认识。为科学阐明高寒地区典型植被类型表层SOC及SOCD的空间分布特征与影响因素，本研究以西藏东南部色季拉山西坡广泛分布的草甸和杜鹃灌丛土壤为研究对象，采用地统计分析方法，旨在阐明小尺度下不同植被类型SOC及SOCD的空间变异及格局，以期为高寒环境下土壤有机碳循环研究及土壤碳储量的准确估算提供理论支撑。
1. 研究区概况与研究方法
1.1 研究区概况
本研究以色季拉山西坡相邻分布的灌丛、草甸为研究样地，其海拔4 200 ~ 4 400 m，地理位置29°36′N、94°38′E。根据色季拉山道班阴坡林外（29°35′51″N，94°36′43″E，4 390 m）2005 — 2012年的观测数据，该区域年均气温约为0.64 ℃，年均相对湿度为77%，年降雨量为877 mm。土壤类型属于亚高山林灌草甸土、沼泽草甸土[18]。
本研究所选样区主要包含苔草高寒草甸（Carex alpine meadow，CAM）、林芝杜鹃灌丛（Rhododendron tanastylum shrub，RTS）、雪山杜鹃灌丛（Rhododendron aganniphum shrub，RAS）3种植被类型。苔草高寒草甸，地面以苔草为建群种，其中还分布有委陵菜（Potentilla chinensis）、老鹳草（Geranium wilfordii）、阜莱氏马先蒿（Pedicularis fletcherii）、西藏糙苏（Phlomis tibetica）、偃卧繁缕（Stellaria decumbens）、蒲公英（Taraxacu mmongolicum）等，地面凹凸不平，存在沟壑。林芝杜鹃灌丛是以林芝杜鹃（Rhododendron tanastylum）为优势种，红枝小檗（Berberis erythroclada）和雪层杜鹃（Rhododendron nivale）为亚优势种的灌草丛地，植被分布不均一。雪山杜鹃灌丛主要生长雪山杜鹃（Rhododendron aganniphum），并伴有高山柏（Sabina squamata）和急尖长苞冷杉（Abies georgei var. smithii）零星分布，地面有较厚的枯落物层（最厚可达10 cm）。样地概况如表1所示。
表 1 样地基本概况Table 1. Basic condition of sample plots植被类型
Vegetation
type海拔
Altitude/m植被盖度
Vegetation
coverage/%坡度
Slope/(°)全氮
Total nitrogen
(TN)/(g·kg−1)全磷
Total phosphorus
(TP)/(g·kg−1)pH 含水率
Water
content/%土壤密度
Soil density/
(g·cm−3)黏粒
Clay/%粉粒
Silt/%砂粒
Sand/%CAM 4242 95 16 6.54 1.12 5.59 55.37 0.81 3.82 62.76 33.42 RTS 4264 75 14 3.29 0.39 5.47 72.01 0.82 3.55 61.45 35.00 RAS 4387 > 95 25 5.48 0.37 4.30 72.62 0.46 3.19 62.07 34.75 注：CAM为苔草高寒草甸；RTS为林芝杜鹃灌丛；RAS为雪山杜鹃灌丛。黏粒粒径< 0.002 mm，粉粒粒径在0.002~0.05 mm之间，砂粒粒径在0.05~2 mm之间。下同。Notes: CAM is Carex alpine meadow; RTS is Rhododendron tanastylum shrub; RAS is Rhododendron aganniphum shrub. Clay particle size is less than 0.002 mm; silt particle size is between 0.002−0.05 mm; sand particle size is between 0.05−2 mm. The same below. 1.2 样品采集与处理
于2018年10月，在野外考察的基础上，选择坡度较缓，植被类型连续的区域作为研究区（图1），采用10 m × 10 m网格法采样。即在3种植被类型区采用测量绳分别划定一个50 m × 50 m的样地，然后按照10 m × 10 m网格设置采样点，共计36个采样点。分别采集0 ~ 10 cm层次土壤和原状土壤样品，共获得土壤样品和环刀土样各108个，详细记录每一采样点的地形（海拔、坡度、坡位、凸起、沟壑）、植被覆盖等信息。采集的样品去杂置于风干盘自然风干后，经研磨使其分别通过2.00、0.25 mm土壤筛，用以测定土壤碳、氮等理化性质。SOC采用重铬酸钾容量−外加热法测定，全氮（TN）采用半微量凯氏法测定，全磷（TP）采用钼锑抗比色法测定，土壤密度、机械组成分别采用环刀法和激光粒度分布仪（Bettersize2000，丹东百特仪器有限公司）测定，以上实验过程参照文献[19-20]进行。
1.3 土壤有机碳密度计算
SOCD的计算采用如下公式：
SOCD=CDE(1−G)/100 式中：
C 为有机碳含量（g/kg），D 为土壤密度（g/cm3），E 为土层厚度（cm），G 为直径 > 2 mm石砾百分含量（%），这里忽略G 后计算SOCD[21]。1.4 数据处理与分析
在SPSS 22.0中计算SOC及SOCD的最大值、最小值、平均值、标准差、变异系数（Coefficient of variation, CV），其中CV值在0 ~ 10%、10% ~ 100%和 > 100%之间时，分别属于弱、中等和强变异。对不同植被类型SOC、SOCD的差异显著性检验采用LSD法（P < 0.01）。在GS+ 9.0中建立半方差函数模型，模型拟合可以得到块金值（C0）、基台值（C0 + C）、变程（A0）3个评价空间变异程度的参数，其中块金值与基台值的比值（C0/（C0 + C））即结构比，反映了随机性因素引起的空间变异占系统总变异的比值，比值在 < 25%、25% ~ 75%、> 75%范围，分别表示强、中、弱的空间自相关性，随机性因素引起的空间变异逐渐增大[22]，变程反映了区域化变量存在空间自相关性的距离上限。基于半方差函数模型，在ArcGIS10.2中完成克里格插值。冗余分析采用Canoco 5.0进行，并采用Forward selection和Monte Carlo permutation test进行环境因子重要性排序和显著性检验。
2. 结果与分析
2.1 SOC及SOCD的分布特征
不同植被类型的SOC、SOCD差异显著（P < 0.01）（表2），SOC含量表现为RAS（146.45 g/kg） > CAM（95.60 g/kg） > RTS（60.43 g/kg），RAS分别较CAM和RTS的SOC含量高53.19%、142.35%，SOCD表现为CAM（7.34 kg/m2） > RAS（6.32 kg/m2） > RTS（4.80 kg/m2），CAM分别较RAS和RTS高22.31%、61.04%。该研究区SOC和SOCD均具有中等程度的空间变异。
表 2 SOC及SOCD的描述性统计特征Table 2. Descriptive statistics of SOC and SOCD指标
Item植被类型
Vegetation type样本量
Sample size平均值
Mean最大值
Max.最小值
Min.变异系数
CV/%P 分布类型
Distribution typeSOC/（g·kg−1） CAM 33 95.60 ± 44.31b 219.85 49.63 46.35 0.169 N RTS 36 60.43 ± 25.73a 148.31 24.01 42.58 0.359 N RAS 36 146.45 ± 49.67c 252.15 69.10 33.92 0.500 N SOCD/（kg·m−2） CAM 36 7.73 ± 2.39c 12.77 4.50 30.92 0.538 L RTS 36 4.80 ± 2.01a 8.92 1.90 41.88 0.943 N RAS 36 6.32 ± 1.98b 11.22 1.53 31.33 0.747 N 注：不同小写字母表示植被类型之间SOC或SOCD差异显著（P < 0.01）。N为正态分布；L为对数正态分布。Notes: different lowercase letters indicate significant differences in SOC or SOCD between vegetation types （P < 0.01）. N means normal distribution; L means lognormal distribution. 在K-S检验结果如表2所示，CAM的SOC在剔除3个异常值后符合正态分布，SOCD则符合对数正态分布，RTS及RAS的SOC和SOCD均符合正态分布。
2.2 SOC及SOCD的空间自相关性
本研究以最大间距的1/2（35.56 m）为样本变化范围，以最小间距（10 m）为步长，并以平均预测误差（ME）最接近于0，决定系数（R2）和均方根标准预测误差（RMSSE）最接近于1交叉验证模型精度，最优模型如图2所示。
在不考虑各向异性的前提下，除RAS外，CAM和RTS的SOC、SOCD均得到了较好的拟合（表3）。CAM、RTS的SOC最优拟合为球状模型（spherical model），R2分别达0.998、0.432，ME依次为3.268、0.506，RMSSE为0.920、1.057；RAS的SOC最佳拟合模型为线性模型（linear model），R2为0.091，拟合效果较差。3种植被类型SOCD的拟合效果均较好，CAM、RTS及RAS分别符合指数模型（exponential model）、球状模型和线性模型，R2达0.965、0.864和0.996，ME在−0.145 ~ 0.021之间，RMSSE在1.017 ~ 1.059之间。
表 3 不同植被类型SOC及SOCD半方差函数模型及交叉验证Table 3. Semivariogram and cross-validation of SOC and SOCD under different vegetation types指标
Item植被类型
Vegetation
type理论模型
Theoretical model块金值
Nugget
(C0)基台值
Sill
(C0 + C)结构比
Structure ratio
(C0/(C0 + C))/%变程
Range (A0)/
m决定系数
Determination
coefficient (R2)预测误差 Prediction error ME RMSSE SOC CAM 球状模型 Spherical model 25.00 1716.00 1.46 30.29 0.998 −3.268 0.920 RTS 球状模型 Spherical model 58.00 721.30 8.04 17.68 0.432 0.506 1.057 RAS 线性模型 Linear model 2338.32 2338.32 100.00 32.69 0.091 −1.009 1.068 SOCD CAM 指数模型 Exponential model 0.01 4.67 2.14 20.31 0.965 −0.145 1.042 RTS 球状模型 Spherical model 0.58 4.64 12.51 17.44 0.864 0.021 1.059 RAS 线性模型 Linear model 4.00 4.00 100.00 32.69 0.996 −0.065 1.017 从结构比来看，除RAS外，其他植被类型的SOC及SOCD均具有强烈的空间自相关性。CAM与RTS的SOC结构比分别为1.46%、8.04%，SOCD结构比分别为2.14%、12.51%，即CAM < RTS < 25%，结构性因素引起的空间变异大于75%，具有较强的空间依赖性。RAS的SOC及SOCD块金值等于基台值，结构比达100%，属于纯块金方差，空间自相关性较弱，随机性因素控制为主。
从变程来看，SOC、SOCD的空间变异尺度存在差异，反映出不同程度的空间连续性。3种植被类型SOC的变程表现为RAS（32.69 m） > CAM（30.29 m） > RTS（17.68 m），SOCD为RAS（32.69 m） > CAM（20.31 m） > RTS（17.44 m），即SOC、SOCD的空间连续性从RAS、CAM到RTS逐渐变差。除RNS外，CAM和RTS的空间变程均表现为SOC > SOCD，即SOC可能较SOCD具有更大的空间自相关距离，在考察SOC含量时的采样可以适当加大采样间距。
2.3 SOC及SOCD的空间分布
本研究RAS的SOC及SOCD空间上主要受随机因素控制，故不适合做空间插值[23]。CAM及RTS的SOC及SOCD的空间分布如图3所示。总体而言，SOC及SOCD呈斑状或条带状分布，并且同一植被类型的SOC与SOCD空间分布相似。其中CAM的SOC、SOCD高值区集中分布在样地南部和东部边缘，分别在90.29 ~ 219.85 g/kg、8.05 ~ 14.05 kg/m2之间，并且由北部、西部边缘向中部延伸分别形成两个低值分布带，值在49.63 ~ 90.29 g/kg、8.05 ~ 14.50 kg/m2之间。RTS的SOC、SOCD具有相似的高低值分布区，高值区SOC、SOCD分别为56.63 ~ 148.31 g/kg、5.31 ~ 13.09 kg/m2范围，低值区分别在24.01 ~ 56.63 g/kg和2.67 ~ 5.31 kg/m2范围，但与CAM相比，RTS的SOC及SOCD均未表现出明显的边缘效应，而呈高低值交错分布的特征，空间连续性较差。
![]()
图 3 SOC及SOCD的水平分布格局Figure 3. Horizontal distribution patterns of SOC and SOCD under different vegetation types2.4 SOC和SOCD与土壤因子的相关性分析
如图4所示，RDA排序图的典型轴1和轴2解释了SOC、SOCD与土壤性质总体变异的58.2%。土壤含水率、TN在SOC箭头连线上的投影长度最长，表明其与SOC呈较强的正相关性，土壤密度、pH在SOC箭头反向延长线上的投影较长，表明二者与SOC呈较强的负相关性，而土壤机械组成、坡度、TP与SOC的相关性不大。SOCD与SOC呈正相关性，但与土壤各性质的相关性不如SOC显著，主要与TP、TN的关系较为密切。
![]()
图 4 SOC及SOCD与土壤因子相关性的冗余分析排序图SOC. 土壤有机碳；SOCD. 土壤有机碳密度；TN. 全氮；TP. 全磷；Water content. 含水率；Soil density. 土壤密度；Slope. 坡度；Clay. 黏粒；Silt.粉粒；Sand. 砂粒。SOC, soil organic carbon.; SOCD, soil organic carbon density; TN, total nitrogen; TP, total phosphorus.Figure 4. Redundancy analysis on the correlation between SOC and SOCD with soil properties由表4可知，各土壤因子对SOC、SOCD的影响存在一定差异。各土壤因子对SOC、SOCD影响的重要性排序从大到小依次为含水率 > 土壤密度 > pH > TN > 黏粒 > 砂粒 > 粉粒 > 坡度 > TP，除TP对SOC、SOCD的影响未达显著水平外（P > 0.05），其他土壤因子对SOC、SOCD的影响均达极显著水平（P < 0.01），其中含水率、土壤密度和pH因子对SOC、SOCD空间变异的贡献率较高，分别为69.60%、65.70%、53.50%，其次是TN和黏粒，贡献为44.20%和30.10%。表明土壤含水率、土壤密度、pH是影响研究区SOC、SOCD空间分布的关键因素。
表 4 土壤因子解释量及显著性检验Table 4. Explanation rate and significance test of soil factors土壤因子
Soil
factor重要性排序
Importance
ranking因子解释量
Factor explanation
rate/%F P 含水率 Water content 1 69.60 98.40 0.002 土壤密度 Soil density 2 65.70 88.30 0.002 pH 3 53.50 62.10 0.002 全氮 TN 4 44.20 46.60 0.002 黏粒 Clay 5 30.10 27.80 0.002 砂粒 Silt 6 17.50 14.60 0.002 粉粒 Sand 7 15.80 13.00 0.002 坡度 Slope 8 12.50 10.00 0.004 全磷 TP 9 0.20 0.10 0.740 3. 讨 论
3.1 植被类型对SOC和SOCD的影响
本研究中植被类型显著影响了表层0 ~ 10 cm土壤有机碳含量（P < 0.01），与前人研究结果一致[24-25]。表层SOC含量为RAS > CAM > RTS，与植被覆盖度规律一致（表1），即RAS（> 95%） > CAM（95%） > RTS（75%）。这是因为自然生态系统植被枯落物是表层土壤有机碳的重要来源，并与植被覆盖度显著正相关。研究区SOC含量处于较高水平，均值达100.97 g/kg，显著高于全国0 ~ 10 cm土壤水平（24.56 g/kg）[26]。与相似生态类型区比较，CAM的SOC（95.60 g/kg）亦高于青海省河南县杂类草型草甸（74.99 g/kg）[27]和江西省武功山草甸（63.52 g/kg）[28]，两种灌丛SOC的平均含量（103.44 g/kg）亦显著高于燕山北部绣线菊（Spiraea salicifolia）灌丛（37.65 g/kg）和榛子（Corylus heterophylla）灌丛（64.74 g/kg）[29]。这可能与低温抑制酶活性、减缓土壤有机质的矿化分解有关[30]，该区域年均气温仅0.64 ℃，且降水丰富，年降雨达877 mm，有利于表层有机质的积累。SOCD与SOC的表现基本一致，CAM（7.73 kg/m2）、RTS（4.8 kg/m2）和RAS（6.32 kg/m2）的SOCD显著高于全国10 cm土壤厚度的SOCD（1.21 kg/m2）[31]，表明色季拉山高海拔区土壤有机碳储量较丰富，可能成为未来大气CO2浓度升高的潜在碳源。
3.2 SOC及SOCD的空间异质性
本研究小空间尺度上，植被类型影响了表层土壤有机碳的空间分布与变异特征。SOC和SOCD的空间变异半方差函数分析结果表明，拟合度以CAM最佳，其次为RTS，而RAS则较差。这可能是由于小空间尺度上RAS地表地形及植被、枯落物等基本立地条件较为破碎有关，故可能需要增加采样点或缩小采样间距[32]。结构比反映了引起变量空间异质性的主要影响因素，本研究中CAM、RTS的SOC、SOCD结构比均小于13%，由结构性因素引起的空间异质性占总空间异质性的87.49% ~ 98.54%，表明小尺度空间范围，在气候、土壤类型一致的前提下，地面枯落物量、微地形、土壤理化性质等结构性因素是表层SOC、SOCD空间变异的主要原因。而RAS的SOC、SOCD表现为以人为干扰等随机因素控制为主，考虑是采样间距大于其空间变异尺度引起的[33]。
变程反映的是变量的空间自相关范围，在变程内的变量才具有空间自相关性[23]。本研究中CAM和RTS的SOC、SOCD变程均大于取样距离（10 m），表明本研究在该小尺度下设置的采样间距是合理的，可以反映SOC、SOCD的空间异质性。对于RAS而言，10 m可能超出了其SOC、SOCD空间自相关的最大距离，而未表现出空间结构性，反映了SOC、SOCD的尺度效应。本研究中，SOC由空间自相关部分引起的变异占总变异的91.96% ~ 98.54%，表现在30.29 m以下的范围，与辽东山区次生林[34]土壤有机质由空间自相关引起的变异占总变异的65.40%，发生在46.77 m尺度以内相比，本研究SOC在较小尺度内存在较强的空间自相关性，表明色季拉山微生境比较复杂，SOC的空间破碎化严重。
3.3 SOC及SOCD水平分布格局的影响因素分析
SOC空间分布受多种因素的综合影响，其中土壤含水率、微地形是影响该研究区SOC空间分布格局的重要环境变量。CAM样地东、南边缘是SOC、SOCD高值的集中分布区，该边缘与嵩草沼泽化草甸接壤，土壤含水率较高（多数采样点超过100%），在低温通气不良的条件下，微生物活动受限，植物残体和根系不易分解，使土壤有机物质大量积累，符合冗余分析中SOC与土壤含水率极显著正相关的规律。在CAM的中部到北部边缘，存在一条东西方向的沟壑，在地面径流的作用下，导致土壤中可溶性有机碳向地势较低的东部边缘迁移，可能是CAM北部低值分布带形成的主要原因，与石峰[35]关于土壤无机氮的研究结果一致，表明在小尺度空间范围，微地形可能成为土壤养分空间分布的主要驱动因子[36-37]。在本研究中，坡度与SOC、SOCD的相关性较低（P > 0.05），这与Ritchie等[38]的研究结果相异，可能是水、热等条件的差异弱化了小尺度下坡度对SOC、SOCD的影响[39]。
研究区RTS样地为裸地、草本和灌丛镶嵌性分布，可能是其SOC、SOCD空间连续性较CAM差，破碎化程度高的原因。有研究表明土壤有机碳含量与灌丛凋落物生物量呈正相关性[40]，在本研究中，灌丛斑块地上凋落物数量明显高于灌丛间裸地、草地斑块，导致交错分布的不同斑块下表层SOC存在差异，从而表现出空间异质性，与何俊龄[41]的研究结果一致，其研究亦表明金露梅（Potentilla fruticosa）灌丛表层土壤养分含量显著高于灌丛间草地。本研究未对RAS的SOC、SOCD进行空间插值，但其纯块金效应的出现表明其SOC、SOCD的空间连续性可能较差，事实上RAS微地形较复杂，平均坡度达25°，且地面枯落物分布不均匀，厚度0 ~ 10 cm不等，因此有待更小尺度的研究。
土壤密度、pH、TN、机械组成亦是影响SOC及SOCD空间分布格局的重要因素。冗余分析结果表明，土壤密度、pH是影响研究区SOC、SOCD空间变异的关键因子，与SOC、SOCD呈极显著负相关，这一结果与卓志清等[42]、贡璐等[43]人的研究结果一致，SOC含量提高时有利于改善土壤结构，使土壤疏松多孔，降低土壤紧实度。同时在一定范围内，随着土壤酸性增强，微生物活动受限，从而导致碳的积累。土壤中TN大部分来源于土壤有机质，因此与SOC极显著正相关。本研究SOC、SOCD与土壤黏粒、粉粒呈负相关，与砂粒正相关，这是因为黏粒、粉粒含量的降低，有利于提高土壤透气性，从而加快微生物分解释放养分元素，与马文瑛等[44]、Igor等[45]的研究结果相似。
4. 结 论
（1）SOC、SOCD显著受植被类型的影响，本研究区SOC表现为RAS > CAM > RTS，SOCD为CAM > RAS > RTS。
（2）研究区CAM、RTS的SOC和SOCD主要受结构性因素的影响，具有较强的空间自相关性，二者空间自相关的最大距离在17.44 ~ 30.29 m之间，表明本研究采取的地统计采样间隔是合理的。RAS的SOC、SOCD具有纯块金效应，即随采样间隔变化，其方差均为一常量，说明本研究采取的10 m间隔采样超出了RAS 的SOC、SOCD的空间变异尺度。
（3）在水平方向，CAM的SOC、SOCD主要受含水率、微地形影响，而在样地的东部、南部边缘存在高值区，在北部存在东西向的低值分布带。RTS的SOC、SOCD呈高低值交错分布，破碎化程度高，可能与地面覆被物的镶嵌性分布有关。
（4）冗余分析表明，土壤含水率、土壤密度、pH、TN是影响表层SOC、SOCD空间变异的关键要素。
-
![]()
图 1 引物BPPCT017在新种质资源‘T13’、‘T9-1’、‘T10’、‘T20’、‘T22’及‘早花’中的扩增产物毛细管电泳检测结果
Figure 1. Results of capillary electrophoresis detection of amplified products of primer BPPCT017 in new germplasm resources ‘T13’, ‘T9-1’, ‘T10’, ‘T20’, ‘T22’ and ‘Zaohua’
![]()
图 2 22份观赏桃种质资源的Neighbor-Joining聚类分析图
Figure 2. Neighbor-Joining cluster analysis diagram of 22 ornamental peaches
表 1 供试的观赏桃种质
Table 1 Ornamental peach germplasm for test
编号
No.种质
Germplasm枝型或树形
Branch type or tree type花瓣颜色
Petal color花瓣类型
Petal type花型
Flower pattern1 ‘T20’ 直枝型
Orthocladous group粉色淡粉色混合
Mix pink and light pink重瓣
Double petal牡丹型
Peony flower shape2 ‘T22’ 直枝型
Orthocladous group白粉色
White pink重瓣
Double petal菊花型
Chrysanthemum shape3 ‘T28’ 直枝型
Orthocladous group红色白色混合
Mix red and white重瓣
Double petal海棠花型
Crabapple flower shape4 ‘T10’ 直枝型
Orthocladous group粉色
Pink单瓣
Single-lobe海棠花型
Crabapple flower shape5 ‘T13’ 直枝型
Orthocladous group粉色
Pink单瓣
Single-lobe海棠花型
Crabapple flower shape6 ‘T9-1’ 直枝型
Orthocladous group玫红色
Rose red重瓣
Double petal牡丹型
Peony flower shape7 ‘早花’
‘Zaohua’直枝型
Orthocladous group淡玫红色
Pale rose red单瓣
Single-lobe海棠花型
Crabapple flower shape8 ‘二色’
‘Erse’直枝型
Orthocladous group粉红色或深红色
Pink or dark red重瓣
Double petal蔷薇型
Rose flower shape9 ‘寒红’
‘Hanhong’直枝型
Orthocladous group红色
Red重瓣
Double petal梅花型
Plum blossom shape10 ‘京舞子’
‘Kyou-maiko’直枝型
Orthocladous group红色
Red重瓣
Double petal菊花型
Chrysanthemum shape11 ‘撒金’
‘Sajin’直枝型
Orthocladous group粉色或红色
Pink or red重瓣
Double petal蔷薇型
Rose flower shape12 ‘菊花桃’
‘Kikoumomo’直枝型
Orthocladous group粉色
Pink重瓣
Double petal菊花型
Chrysanthemum shape13 ‘科林斯粉’
‘Corinthian pink’帚型
Pillar group粉红色
Shocking pink重瓣
Double petal月季型
China rose flower shape14 ‘绿萼子’
‘Lü e’垂枝型
Weeping group白色
White重瓣
Double petal梅花型
Plum blossom shape15 ‘品霞’
‘Pinxia’直枝型
Orthocladous group淡粉色
Light pink重瓣
Double petal梅花型
Plum blossom shape16 ‘陕甘山桃’
‘Shangan mountain peach’直枝型
Orthocladous group粉红色
Shocking pink单瓣
Single-lobe海棠花型
Crabapple flower shape17 ‘寿红’
‘Shouhong’寿星型
Dwarf group红色
Red重瓣
Double petal梅花型
Plum blossom shape18 ‘台阶’
‘Taijie’直枝型
Orthocladous group粉色淡粉色混合
Mix pink and light pink重瓣
Double petal蔷薇型
Rose flower shape19 ‘五宝垂’
‘Wubao chui’垂枝型
Weeping group粉色
Pink重瓣
Double petal牡丹型
Peony flower shape20 ‘五宝桃’
‘Wubao tao’直枝型
Orthocladous group红色或粉色
Red or pink重瓣
Double petal牡丹型
Peony flower shape21 ‘云龙’
‘Unriumomo’直枝型
Orthocladous group淡粉色
Light pink单瓣
Single-lobe海棠花型
Crabapple flower shape22 ‘朱粉垂枝’
‘Zhufen chuizhi’垂枝型
Weeping group粉红色
Shocking pink重瓣
Double petal梅花型
Plum blossom shape注：1 ~ 7号材料为选育出的新种质，8 ~ 22号材料为市面上常见观赏桃品种。Notes: materials No.1 to No.7 are selected as new germplasm, and materials No.8 to No.22 are common ornamental peach varieties in the market. 
下载: 导出CSV
表 2 36对SSR引物信息
Table 2 Information of 36 pairs of SSR primers
引物编号
Primer No.连锁群
Linkage group引物序列（5′—3′）
Primer sequence (5′−3′)扩增长度
Amplification length/bp核心序列重复单元
Core sequence repeat motif参考文献
ReferenceBPPCT020 1 F: CGTGGATGGTCAAGATGC 196 ~ 208 (AG)14 GG(AG)7 AT(AG)8 [7] R: ATTGACGTGGACTTACAGGTG BPPCT022 1 F: TTGCGTCTCGCAGGTTATA 132 (AG)22 [7] R: CTACCCCTGCCACAAGCT BPPCT028 1 F: TCAAGTTAGCTGAGGATCGC 151 ~ 191 (TC)15 [7] R: GAGCTTGCCTATGAGAAGACC BPPCT042 1 F: AACCCTACTGGTTCCTCAGC 243 (CT)25 [7] R: GACCAGTCCTTTAGTTGGAGC CPPCT026 1 F: AGACGCAGCACCCAAACTAC 150 ~ 220 (CT)22 [22] R: CATTACATCACCGCCAACAA SSR152 1 F: GTTCTCGACTCCCATATCCAA 250 (TC)31 [23] R: CTCCAAAGTACAGAGCCTATCG SSR169 1 F: TTCTTATTCTGGAAATGCATCG 235 (TC)11 [23] R: ACATTTGCCCAAAATATGGTG UDP96-018 1 F: TTCTAATCTGGGCTATGGCG 253 (AC)21 [24] R: GAAGTTCACATTTACGACAGGG BPPCT001 2 F: AATTCCCAAAGGATGTGTATGAG 128 ~ 170 (GA)27 [7] R: CAGGTGAATGAGCCAAAGC BPPCT034 2 F: CTACCTGAAATAAGCAGAGCCAT 216 ~ 258 (GA)19 [7] R: CAATGGAGAATGGGGTGC SSR96 2 F: AACCTCAATCATTCTTTACACAAGC 146 (AG)33 [23] R: CTGCTTAAGGAGGAACCTCAAAT SSR107 2 F: TGCAGACTAGGGTTTTACAGACAA 155 (GA)8 [23] R: GATCTCCAAGTCATCTCCATCTG SSR179 2 F: ATCACGTCGGAAAGTTCCTAGA 222 (AG)8 [23] R: CGCCCTCCTCCCTCAGTA BPPCT007 3 F: TCATTGCTCGTCATCAGC 111 ~ 151 (AG)22 (CG)2 (AG)4 [7] R: CAGATTTCTGAAGTTAGCGGTA BPPCT033 3 F: GTAGCCGGAGCCGTGTAT 180 (AG)32 [7] R: CTAGAACCCTATAAACACATGGC CPPCT002 3 F: GGAGCTGCAATATTGCTG 100 (GA)10 [22] R: GTTAGGGAAGCATCTCAC SSR184 3 F: TGAATGTTCTTCCTGCTCCTG 290 (GA)33 [23] R: ATGAACATGAACCAGTCAAGGA BPPCT015 4 F: ATGGAAGGGAAGAGAAATCG 150 (AG)13 [7] R: GTCATCTCAGTCAACTTTTCCG BPPCT023 4 F: TGCAGCTCATTACCTTTTGC 183 ~ 237 (CT)21 [7] R: AGATGTGCTCGTAGTTCGGAC CPPCT005 4 F: CATGAACTCTACTCTCCA 120 ~ 185 (CT)25 [22] R: TGGTATGGACTCACCAAC SSR73 4 F: TTGCTGCTGAAAAATAATGAACA 160 (CAA)6 [23] R: GGGTGGCCTGTTGAGAATATAA BPPCT014 5 F: TTGTCTGCCTCTCATCTTAACC 190 ~ 226 (AG)23 [7] R: CATCGCAGAGAACTGAGAGC BPPCT017 5 F: TTAAGAGTTTGTGATGGGAACC 139 ~ 182 (GA)28 [7] R: AAGCATAATTTAGCATAACCAAGC BPPCT026 5 F: ATACCTTTGCCACTTGCG 134 (AG)8 GG(AG)6 [7] R: TGAGTTGGA AGAAAACGTAACA BPPCT037 5 F: CATGGAAGAGGATCAAGTGC 155 (GA)25 [7] R: CTTGAAGGTAGTGCCAAAGC BPPCT038 5 F: TATATTGTTGGCTTCTTGCATG 135 (GA)25 [7] R: TGAAAGTGAAACAATGGAAGC BPPCT008 6 F: ATGGTGTGTATGGACATGATGA 93 ~ 161 (GA)36 [7] R: CCTCAACCTAAGACACCTTCACT BPPCT025 6 F: TCC TGC GTA GAA GAA GGT AGC 147 ~ 199 (GA)29 [7] R: CGA CAT AAA GTC CAA ATG GC CPPCT015 6 F: TGGAGTGCCAATACTATTTA 200 (CT)31 [22] R: CATATGCATGGTTATGGT SSR181 6 F: AGAATGCAGGCCTTCCTTCT 224 (CT)36 [23] R: GCACCTTGCTTATCATCCGA SSR125 6 F: TAGCGCCATTGTTCACACAC 156 (GA)39 [23] R: GCTGGGAGAGAAAGATGACTGT CPPCT022 7 F: CAATTAGCTAGAGAGAATTATTG 240 (CT)28 CAA (CT)20 [22] R: GACAAGAAGCAAGTAGTTTG CPPCT033 7 F: TCAGCAAACTAGAAACAAACC 151 (CT)16 [22] R: TTGCAATCTGGTTGATGTT BPPCT041 8 F: CAATAAGGCATTTGGAGGC 220 (AG)21 [7] R: CAGCCGAACCAAGGAGAC CPPCT006 8 F: AATTAACTCCAACAGCTCCA 188 ~ 219 (CT)16 [22] R: ATGGTTGCTTAATTCAATGG SSR93 8 F: AACTGCCTTAGCTTAGACTGGCT 160 (AG)10 [23] R: AAGACGAGAAACCACCTTGAATC
下载: 导出CSV
表 3 29对SSR引物扩增效率及多态性分析
Table 3 Amplification efficiency and polymorphism analysis of 29 pairs of SSR primers
引物编号
Primer No.多态性等位基因观测数
Number of polymorphic allele observation
(Na)有效等位基因数
Effective number of alleles (Ne)Shannon’s信息指数
Shannon’s information index (I)观察杂合度
Observed heterozygosity (Ho)预期杂合度
Expected heterozygosity (He)多态性信息指数
Polymorphism information
index (PIC)BPPCT017 11 6.964 2.120 0.318 0.876 0.841 CPPCT015 11 6.676 2.126 0.227 0.870 0.835 BPPCT001 9 5.661 1.938 0.409 0.843 0.803 SSR96 11 5.261 1.994 0.500 0.829 0.792 BPPCT022 10 5.042 1.884 0.227 0.820 0.778 SSR152 10 4.676 1.859 0.546 0.804 0.764 BPPCT034 8 4.820 1.762 0.381 0.812 0.764 SSR125 10 4.302 1.811 0.333 0.786 0.743 SSR169 9 4.420 1.732 0.400 0.794 0.742 SSR107 7 4.127 1.628 0.333 0.779 0.725 CPPCT026 7 4.067 1.588 0.455 0.772 0.717 BPPCT026 5 3.660 1.432 0.191 0.745 0.683 BPPCT037 6 3.646 1.451 0.250 0.757 0.679 BPPCT025 9 3.350 1.602 0.409 0.718 0.676 CPPCT006 6 3.505 1.374 0.263 0.734 0.660 BPPCT028 6 3.421 1.403 0.227 0.724 0.659 CPPCT002 5 3.238 1.289 0.618 0.707 0.634 BPPCT023 4 3.133 1.213 0.227 0.697 0.618 SSR179 5 2.892 1.291 0.476 0.670 0.612 BPPCT007 7 2.985 1.348 0.250 0.682 0.609 SSR181 4 2.788 1.140 0.100 0.658 0.571 BPPCT042 4 2.749 1.146 0.450 0.653 0.570 BPPCT020 5 2.499 1.149 0.476 0.614 0.550 UDP96-018 6 2.361 1.183 0.318 0.590 0.540 SSR93 8 2.156 1.195 0.136 0.549 0.510 BPPCT015 3 2.399 0.951 0.053 0.599 0.496 SSR73 3 2.072 0.794 0.118 0.533 0.411 CPPCT005 4 1.296 0.507 0.188 0.236 0.220 BPPCT014 4 1.278 0.478 0.191 0.223 0.208 平均值
Average6.793 3.636 0.675 1.427 0.313 0.692
下载: 导出CSV
表 4 22份观赏桃新种质在6个SSR位点的指纹图谱
Table 4 Fingerprinting of 22 ornamental peach germplasm at 6 SSR loci
bp 种质
GermplasmBPPCT017 BPPCT025 BPPCT034 CPPCT015 SSR125 SSR152 ‘T20’ 191/191 193/193 245/245 213/213 163/165 256/258 ‘T22’ 191/193 193/193 245/245 213/213 163/165 256/258 ‘T28’ 171/171 193/211 243/245 215/215 167/169 270/270 ‘T10’ 179/189 193/211 231/243 211/215 147/147 268/270 ‘T13’ 169/169 207/207 245/245 223/223 147/157 246/268 ‘T9-1’ 179/179 211/211 231/243 211/215 181/181 268/268 ‘早花’
‘Zaohua’179/187 193/193 231/243 215/215 167/169 256/258 ‘二色’
‘Erse’193/193 193/193 245/245 213/213 163/165 266/272 ‘寒红’
‘Hanhong’193/199 193/199 247/247 221/221 167/169 270/270 ‘京舞子’
‘Kyou-maiko’187/187 191/191 247/247 257/257 169/169 274/274 ‘撒金’
‘Sajin’171/171 209/209 241/243 213/213 169/169 256/256 ‘菊花桃’
‘Kikoumomo’189/189 191/191 247/253 257/257 169/169 270/274 ‘科林斯粉’
‘Corinthian pink’181/189 193/193 247/247 215/215 167/167 270/270 ‘绿萼子’
‘Lü e’187/187 193/207 247/247 247/261 167/167 246/270 ‘品霞’
‘Pinxia’173/189 193/193 245/253 257/257 169/169 270/270 ‘陕甘山桃’
‘Shangan mountain peach’161/173 171/197 223/223 223/223 133/149 232/242 ‘寿红’
‘Shouhong’171/171 193/193 243/243 255/255 169/169 270/270 ‘台阶’
‘Taijie’193/193 193/193 245/245 213/213 165/165 256/258 ‘五宝垂’
‘Wubao chui’187/187 193/207 247/247 247/263 169/169 246/270 ‘五宝桃’
‘Wubao tao’171/171 207/209 241/243 213/213 169/169 256/256 ‘云龙’
‘Unriumomo’171/171 205/207 231/231 249/249 177/177 270/270 ‘朱粉垂枝’
‘Zhufen chuizhi’187/187 193/207 227/247 247/261 167/167 246/270
下载: 导出CSV
-
[1] 陈尚平, 苏家乐, 何丽斯. 我国观赏桃的栽培起源和发展[J]. 江苏农业科学, 2014, 42(3): 128−130. Chen S P, Su J L, He L S. The cultivation origin and development of ornamental peach in China[J]. Jiangsu Agricultural Sciences, 2014, 42(3): 128−130.
[2] Morgante M, Olivieri A. PCR-amplified microsatellites as markers in plant genetics[J]. The Plant Journal, 1993, 3(1): 175−182. doi: 10.1111/j.1365-313X.1993.tb00020.x
[3] Wu Q, Liang X, Dai X, et al. Molecular discrimination and ploidy level determination for elite willow cultivars[J]. Tree Genetics & Genomes, 2018, 14(5): 65.
[4] 宋跃朋, 江锡兵, 张曼, 等. 杨树Genomic-SSR与EST-SSR分子标记遗传差异性分析[J]. 北京林业大学学报, 2010, 32(5): 1−7. Song Y P, Jiang X B, Zhang M, et al. Genetic differences revealed by genomic-SSR and EST-SSR in poplar[J]. Journal of Beijing Forestry University, 2010, 32(5): 1−7.
[5] 杨雄, 杨宁, 袁启华, 等. 白皮松EST-SSR 分子标记的开发及应用[J]. 北京林业大学学报, 2021, 43(7): 1−11. Yang X, Yang N, Yuan Q H, et al. Development and application of EST-SSR molecular markers in Pinus bungeana[J]. Journal of Beijing Forestry University, 2021, 43(7): 1−11.
[6] Gabriela R, Marco A M, Carlos M, et al. Identification of a minimal microsatellite marker panel for the fingerprinting of peach and nectarine cultivars[J]. Electronic Journal of Biotechnology, 2008, 11(5): 1−12.
[7] Dirlewanger E, Cosson P, Tavaud M, et al. Development of microsatellite markers in peach [Prunus persica (L.) Batsch] and their use in genetic diversity analysis in peach and sweet cherry (Prunus avium L.)[J]. Theoretical and Applied Genetics, 2002, 105(1): 127−138. doi: 10.1007/s00122-002-0867-7
[8] Mehrana K D, Tayebeh B, Karim S. Novel in silico EST-SSR markers and bioinformatic approaches to detect genetic variation among peach (Prunus persica L.) germplasm[J]. Journal of Forestry Research, 2020, 31(4): 1359−1370. doi: 10.1007/s11676-019-00922-z
[9] 王淋, 敖敦, 包文泉, 等. 基于SSR分子标记的桃品种鉴别及指纹图谱构建[J]. 中南林业科技大学学报, 2021, 41(6): 131−138. Wang L, Ao D, Bao W Q, et al. Research on the identification of main peach varieties and construction of fingerprint based on SSR markers[J]. Journal of Central South University of Forestry & Technology, 2021, 41(6): 131−138.
[10] Xu Y, Ma R, Xie H C. Development of SSR markers for the phylogenetic analysis of almond trees from China and the Mediterranean region[J]. Genome, 2004, 47(6): 1091−1104. doi: 10.1139/g04-058
[11] Ouni R, Zborowska A, Sehic J, et al. Genetic diversity and structure of Tunisian local pear germplasm as revealed by SSR markers[J]. Horticultural Plant Journal, 2020, 6(2): 61−70. doi: 10.1016/j.hpj.2020.03.003
[12] 陈霁, 马瑞娟, 沈志军, 等. 基于SSR标记的观赏桃亲缘关系分析[J]. 果树学报, 2011, 28(4): 580−585. Chen J, Ma R J, Shen Z J, et al. SSR analysis on the genetic relationship of ornamental peach germplasm resources[J]. Journal of Fruit Science, 2011, 28(4): 580−585.
[13] 陈丽, 薛良交, 李淑娴. 跳枝碧桃花色性状的全基因组关联分析[J]. 园艺学报, 2021, 48(3): 553−565. Chen L, Xue L J, Li S X. Genome-wide association study of flower color trait in Prunus persica f. versicolor[J]. Acta Horticulturae Sinica, 2021, 48(3): 553−565.
[14] Momi T, Yuzuru M. Fine mapping of a locus presumably involved in hybrid inviability (HIs-1) between flowering cherry cultivar Cerasus × yedoensis ‘Somei-yoshino’ and its wild relative C. spachiana[J]. Breeding Science, 2019, 69(4): 658−664. doi: 10.1270/jsbbs.19078
[15] Luo F, Sandefur P, Evans K, et al. A DNA test for routinely predicting mildew resistance in descendants of crabapple ‘White Angel’[J]. Molecular Breeding, 2019, 39(3): 33. doi: 10.1007/s11032-019-0933-3
[16] Schuelke M. An economic method for the fluorescent labeling of PCR fragments[J]. Nature Biotechnology, 2000, 18(2): 233−234. doi: 10.1038/72708
[17] Zhu Y, Hu J, Han R, et al. Fingerprinting and identification of closely related wheat (Triticum aestivum L.) cultivars using ISSR and fluorescence-labeled TP-M13-SSR markers[J]. Australian Journal of Crop Science, 2011, 5(7): 846−850.
[18] 张志军, 黄克兴, 岳杰, 等. TP-M13-SSR技术在麦芽品种鉴定中的应用[J]. 食品科学, 2018, 39(24): 183−188. Zhang Z J, Huang K X, Yue J, et al. DNA fingerprinting of malt varieties using tailed primer M13 microsatellite (TP-M13-SSR) markers[J]. Food Science, 2018, 39(24): 183−188.
[19] Yang Z M, Shi Y, Shuai J Q, et al. Fingerprint construction and genetic diversity analysis of tree peony collected from Hunan province based on SSR markers[J]. Horticultural Science and Technology, 2021, 39(5): 684−695.
[20] 高源, 刘凤之, 王昆, 等. 基于TP-M13-SSR指纹图谱的中国原产苹果属植物分子身份证的建立[J]. 植物遗传资源学报, 2015, 16(6): 1290−1297. Gao Y, Liu F Z, Wang K, et al. TP-M13-SSR technique and its applications in analysis of genetic diversity for apple germplasm resources[J]. Journal of Plant Genetic Resources, 2015, 16(6): 1290−1297.
[21] 刘超凡, 张国君, 徐刚标. 杨树种质SSR指纹数据库构建[J]. 中南林业科技大学学报, 2021, 41(2): 97−104. Liu C F, Zhang G J, Xu G B. Construction of SSR fingerprint database of Populus germplasm[J]. Journal of Central South University of Forestry & Technology, 2021, 41(2): 97−104.
[22] Aranzana M J, Garcia-M J, Carbó J, et al. Development and variability analysis of microsatellite markers in peach[J]. Plant Breeding, 2002, 121(1): 87−92. doi: 10.1046/j.1439-0523.2002.00656.x
[23] 关利平, 王玲玲, 曹珂, 等. 桃品种鉴定的SSR核心引物筛选及其应用[J]. 中国果树, 2021(6): 33−38. Guan L P, Wang L L, Cao K, et al. Screening and application of SSR core primers in peach variety identification[J]. China Fruits, 2021(6): 33−38.
[24] Cipriani G, Lot G, Huang W G, et al. AC/GT and AG/CT microsatellite repeats in peach [Prunus persica (L) Batsch]: isolation, characterisation and cross-species amplification in Prunus[J]. Theoretical & Applied Genetics, 1999, 99(1−2): 65−72.
[25] Hulce D, Li X, Snyder-Leiby T, et al. Genemarker genotyping software: tools to increase the statistical power of DNA fragment analysis[J]. Journal of Biomolecular Techniques, 2011, 22(Suppl.): S35−S36.
[26] 樊文强, 盖红梅, 孙鑫, 等. SSR数据格式转换软件DataFormater[J]. 分子植物育种, 2016, 14(1): 265−270. Fan W Q, Ge H M, Sun X, et al. DataFormater, a software for SSR data formatting to develop population genetics analysis[J]. Molecular Plant Breeding, 2016, 14(1): 265−270.
[27] Botstein D. A theory of modular evolution for bacteriophages[J]. Annals of the New York Academy of Sciences, 2010, 354(1): 484−491.
[28] Kato S, Matsumoto A, Yoshimura K, et al. Clone identification in Japanese flowering cherry (Prunus subgenus Cerasus) cultivars using nuclear SSR markers[J]. Breeding Science, 2012, 62(3): 248−255. doi: 10.1270/jsbbs.62.248
[29] Li T H, Li Y X, Li Z C, et al. Simple Sequence repeat analysis of genetic diversity in primary core collection of peach (Prunus persica)[J]. Journal of Integrative Plant Biology, 2008, 50(1): 102−110. doi: 10.1111/j.1744-7909.2007.00598.x
[30] 王清明, 程怡, 马建伟, 等. 基于引物“随机组合”构建观赏桃SSR指纹图谱[J]. 广西植物, 2016, 36(3): 289−296. doi: 10.11931/guihaia.gxzw201408028 Wang Q M, Cheng Y, Ma J W, et al. Construction of SSR fingerprint for ornamental peach based on primers “random combination”[J]. Guihaia, 2016, 36(3): 289−296. doi: 10.11931/guihaia.gxzw201408028
[31] 魏姗姗, 刘兴菊, 杨敏生, 等. 基于成熟期的桃品种遗传多样性SSR分析[J]. 北方园艺, 2014, 6(12): 88−93. Wei S S, Liu X J, Yang M S, et al. Genetic diversity of SSR analysis of Prunus persica cultivars based on maturity[J]. Northern Horticulture, 2014, 6(12): 88−93.
[32] 王力荣. 中国桃品种改良历史回顾与展望[J]. 果树学报, 2021, 38(12): 2178−2195. Wang L R. History and prospect of peach breeding in China[J]. Journal of Fruit Science, 2021, 38(12): 2178−2195.
[33] Zhang Y J, Wang J, Yang L L, et al. Development of SSR and SNP markers for identifying opium poppy[J]. International Journal of Legal Medicine, 2022, 136(5): 1261−1271. doi: 10.1007/s00414-022-02810-4
[34] Nihad S A I, Hasan M K, Kabir A, et al. Linkage of SSR markers with rice blast resistance and development of partial resistant advanced lines of rice (Oryza sativa) through marker-assisted selection[J]. Physiology and Molecular Biology of Plants, 2022, 25(1): 153−169.
[35] 赵盼, 栗丹阳, 马锦林, 等. 油料树种千年桐的SSR标记开发、遗传多样性与群体结构分析[J]. 北京林业大学学报, 2021, 43(11): 50−61. Zhao P, Li D Y, Ma J L, et al. SSR marker development, genetic diversity and population structure analysis in oil tree species Vernicia montana[J]. Journal of Beijing Forestry University, 2021, 43(11): 50−61.
[36] 毛秀红, 朱士利, 李善文, 等. 基于荧光SSR标记的毛白杨核心种质构建[J]. 北京林业大学学报, 2020, 42(7): 40−47. Mao X H, Zhu S L, Li S W, et al. Core germplasm construction of Populus tomentosa based on the fluorescent SSR markers[J]. Journal of Beijing Forestry University, 2020, 42(7): 40−47.
[37] Liu Z S, Zhang J, Wang Y, et al. Development and cross-species transferability of novel genomic-SSR markers and their utility in hybrid identification and trait association analysis in Chinese cherry[J]. Horticulturae, 2022, 8(3): 222. doi: 10.3390/horticulturae8030222
[38] 葛洪. 西京杂记(长安史迹丛刊)[M]. 西安: 三秦出版社, 2006. Ge H. Xijing miscellany (Chang’an historical relics series)[M]. Xi’an: Sanqin Publishing House, 2006.
[39] 胡东燕. 分子标记技术在桃花品种系统分类中的应用研究[D]. 北京: 北京林业大学, 2004. Hu D Y. Studies on ornamental peach systematics using molecular markers[D]. Beijing: Beijing Forestry University, 2004.
[40] 李雪莲, 王尚德, 刘佳棽, 等. 部分两用桃品种(系)指纹图谱的建立[J]. 西北植物学报, 2010, 30(3): 505−511. Li X L, Wang S D, Liu J Q, et al. Construction of fingerprinting map of some dual-purpose peach varieties by AFLP markers[J]. Acta Botanica Boreali-Occidentalia Sinica, 2010, 30(3): 505−511.
[41] 肖琳. 湖南观赏桃遗传多样性研究[D]. 长沙: 中南林业科技大学, 2017. Xiao L. Research on genetic diversity of ornamental peaches in Hunan Province[D]. Changsha: Central South University of Forestry & Technology, 2017.
[42] 王彩虹, 田义轲, 赵静. 来自苹果的SSRs在蔷薇科植物资源上的通用性分析[J]. 园艺学报, 2005, 32(3): 500−502. Wang C H, Tian Y K, Zhao J. General application analysis of SSRs derived from apple (Malus pumila) on other species in Rosaceae[J]. Acta Horticulturae Sinica, 2005, 32(3): 500−502.
[43] 中华人民共和国农业农村部. 桃品种鉴定SSR分子标记法: NY/T 3642—2020 [S]. 北京: 中国标准出版社, 2020. Ministry of Agriculture and Rural Affairs of the People’s Republic of China. Identification of peach (Amygdalus persica) cultivars—SSR marker method: NY/T 3642−2020[S]. Beijing: Standards Press of China, 2020.
-
期刊类型引用(1)
1. 杨冲，张子木，朱麒轩，杜瑶，李黎，罗斌. 基于中密度纤维板磨削的定组态砂带寿命研究. 林业机械与木工设备. 2023(03): 62-66+75 . 
百度学术
其他类型引用(4)
计量
- 文章访问数: 567
- HTML全文浏览量: 158
- PDF下载量: 66
- 被引次数: 5
