李长涛, 石春海, 吴建国, 徐海明, 张海珍[1]2004年在《利用基因型值构建水稻核心种质的方法研究》文中研究说明以 992份水稻品种为材料 ,通过 13个性状的测定和评价 ,进行水稻核心种质的构建方法研究。采用调整无偏预测法 (AUP)无偏预测水稻性状的基因型值 ,用基因型值计算不同遗传材料间的马氏距离 ,分别用 3种聚类方法 (最长距离法、不加权类平均以及离差平方和 )结合随机取样法、优先取样和变异度取样 3种抽样方法构建出 9个不同的水稻核心种质。水稻核心种质和原种质资源群体的方差差异百分率、均值差异百分率、极差符合率和变异系数变化率的比较结果表明 ,采用不加权类平均法进行多次聚类、结合变异度取样的方法可以较好地构建出水稻核心种质。基于基因型值构建的水稻核心种质比利用表现型值构建的核心种质更能代表原种质资源群体的遗传多样性。
李长涛[2]2003年在《利用基因型值构建水稻核心种质的方法研究》文中研究表明采用混合线性模型进行统计分析，无偏预测992份水稻种质资源13个性状的基因型值。用预测出的基因型值计算遗传材料间的马氏遗传距离，并用系统聚类法中的最长距离法、中间距离法、重心法、不加权类平均法、可变法和离差平方和法等6种聚类方法，结合随机取样法、优先取样法和变异度取样法叁种取样方法，以15％为取样比例，得到18个水稻种质资源核心种质库；同时用方差差异百分率、均值差异百分率、极差符合率和变异系数变化率四个评价指标对构建的18个核心种质进行了比较和评价，并通过对核心种质和非核心种质的酯酶同工酶分析比较，验证了核心种质的代表性。主要研究结果如下： 1．两种遗传距离构建核心种质的比较。分别采用马氏距离和欧式距离，利用不加权类平均法聚类、变异度取样法取样，以15％为抽样比例进行核心种质的构建。结果表明，用马氏距离计算遗传距离，其核心种质的方差、均值、极差比和变异系数四个评价指标均优于用欧式距离得到的核心种质。因此，通过马氏距离计算材料间的遗传距离，然后进行聚类分析，其聚类结果比采用欧式距离得到的结果更为可靠。 2．构建18个稻种资源核心种质库。对利用AUP法无偏预测的基因型值采用最长距离法、中间距离法、重心法、不加权类平均法、可变法和离差平方和法等6种聚类方法，结合随机抽样法、优先取样法和变异度取样法叁种抽样方法，构建出的18个水稻核心种质。通过分析比较，18个核心种质的均值与原群体存在着显着差异(α=0.05)的性状均＜20％；除GcoreC3S1(重心法聚类、随机取样法取样)之外，其他核心种质的各个性状的极差符合率(CR％)均不低于原群体的80％。故构建的18个核心种质中共有17个能代表原有种质资源群体的遗传多样性。 3．聚类和取样方法的比较与评价。在取样方法相同的条件下，比较不同聚类方法对核心种质构建的影响。当用随机取样法进行抽样时，用可变法聚类最佳；在采用优先取样法取样时，用离差平方和法进行聚类优于其他五种聚类方法；当采用变异度取样法进行核心样品的抽取时，用不加权类平均法进行聚类，得到的核心种质对原资源群体具有最大的代表性。18个核心种质的比较结果表明在用不加权类平均法聚类的基础上，采用变异度取样法进行取样，构建的核心种质能够较好的代表原资源群体的遗传多样性，可以作为构建水稻资源核心种质的理想方法。 4．基于表现型值和基因型值的核心种质比较。采用随即取样法、优先取样法和变异度取样法叁种取样方法，结合每种取样方法中表现最好的聚类方法，即随机取样法结合可变法、优先取样法结合离差平方和法、变异度取样法结合不加权类平均法，对992份水稻种质资源的13个性状的原始观察值，即表现型值直接进行多次聚类、取样，构建出3个基于表现型值的核心种质。与相应的基因型值构建的核心种质相比，基于表现型值的核心种质，在方差差异百分率(VD％)、极差符合率(CR％)和变异系数变化率(VR％)上均有不同程度的降低，这在采用随机取样法进行取样时尤为明显。因此，用基因型值构建的核心种质可以包含更多的遗传变异度，很好地保存原资源群体的遗传多样性。 5．核心种质和非核心种质的酯酶同工酶分析。采用垂直平板聚丙烯酰胺凝胶电泳法对水稻的137个核心种质和140个非核心种质进行酯酶同工酶分析。结果表明，核心种质比非核心种质有着更广的遗传多样性分布范围，可以较好的代表原有种质资源群体的遗传多样性。
刘宁宁[3]2007年在《植物资源核心种质构建与评价新方法的研究》文中提出核心种质是种质资源研究和应用的一个重要领域，而核心种质的构建与评价又是核心种质研究中两个最主要的内容。本文在前人研究的基础上，以棉花种质资源群体和水稻种质资源群体为材料，对核心子集的构建和评价方法做了进一步研究。主要结果如下：提出了构建核心子集的新方法，即取样参数最优化(SPO)方法。首先，采用完全随机取样的策略构建初始核心子集，然后通过对不同取样比例下构建的核心子集的各评价参数进行主成分分析，设计出反映核心子集各评价参数的取样参数(SP)。构建核心子集时，以该取样参数作为构建核心子集的取样标准，即从原始种质群体中逐个删除种质样品，使所删除的种质样品保持核心子集与原群体的取样参数最接近，直至核心子集达到规定的取样规模。以此方法构建的核心子集，取样参数所代表的评价参数也尽可能达到最优。研究中对不同取样参数的选取方法进行了比较，得到取样参数的确定依据。结果显示取样参数最优化方法构建的核心子集具有代表性，其效果整体上好于最小距离逐步取样(LDSS)法，并且在确定的取样比例下可以得到唯一的核心子集，有利于种质资源的管理和利用。发展出改进的最小距离逐步取样(ILDSS)法，对构建核心子集的最小距离逐步取样(LDSS)法进行了改进。方法为：计算原群体各个样品间的遗传距离，根据遗传距离进行聚类分析，根据聚类结果找出遗传距离最小的一个组，将组中与种质群体其它样品的最小遗传距离较小的一个样品删除，另一个样品保留进入下一轮聚类，然后重新计算保留的样品间的遗传距离，如此循环，直到得到规定规模的核心子集。ILDSS法基于聚类分析，同LDSS法一样可以排除不同聚类方法对构建结果的影响，构建的核心子集同样可以很好的保留原始群体的遗传变异和结构，代表性优于LDSS法。提出了将基因型值数据和分子标记信息数据相整合进行核心子集评价的新方法。研究中，将基因型值数据分级转化为质量型数据，用质量型性状评价参数评价分级后的基因型值以及分子标记信息数据，然后，将两类数据的评价结果相整合，提出了混合评价参数Mmix_D、Mmix_I、Mmix_(PIC)。采用方差分析的方法比较同一评价参数在核心子集各个取样比例间的差异显着性，以Tukey测验的同质群数目作为各个评价参数有效性的评价标准。结果表明，新提出的混合评价参数对水稻群体进行评价时，较单独采用基因型值数据评价参数或分子标记信息数据评价参数进行评价可以区分出更多的同质群数目，评价参数的有效性更好。该整合评价方法不仅适用于基因型值和分子标记信息数据的整合评价，同时也适用于其它连续性数据和间断性数据的整合评价。
王建成, 胡晋, 张彩芳, 徐海明, 张胜[4]2007年在《建立在基因型值和分子标记信息上的水稻核心种质评价参数》文中提出采用蒙特卡洛模拟结合混合线性模型的方法,直接从基因型值和分子标记水平上研究了水稻核心种质的11个评价参数,排除了环境因素的干扰,对各个评价参数做出了准确的评价。研究表明,极差符合率(CR)可以作为评价核心种质代表性的首选参数。平均Simpson指数(MD)、平均Shannon-Weaver多样性指数(MI)和平均多态信息含量(MPIC)是评价核心种质代表性的重要参数。变异系数变化率(VR)可以作为评价核心种质变异程度的重要参考参数。多态位点百分率(p)可以作为判断核心种质取样规模的判定参数。均值差异百分率(MD)可作为判断核心种质是否具有代表性的判定参数。本研究筛选出的核心种质评价参数,适用于不同的种质资源群体,可以用作确定核心种质取样比例的判定依据,进而解决了确定核心种质合理取样比例的问题。
王建成[5]2006年在《构建植物遗传资源核心种质新方法的研究》文中研究说明核心种质是种质资源研究的新领域。核心种质研究最主要的内容是找出有效的构建方法,使构建的核心种质能够以最小的样本数最大限度的代表原始群体的遗传多样性。然而,到目前为止,对于核心种质的构建仍未有一个公认的较好的方法。本文以包含168个基因型的棉花种质资源群体和包含90个基因型的水稻种质资源群体为材料,应用混合线性模型方法无偏预测种质材料的基因型值,采用包括蒙特卡洛模拟在内的一系列方法对核心种质的构建进行了系统研究。主要研究结果如下: 1.提出了最小距离逐步取样(LDSS)构建核心子集的方法。该方法基于聚类分析,从遗传聚类最小的组内抽取核心样品。研究表明,该方法在构建核心子集过程中所用的聚类次数远远超过作为对照的逐步聚类随机取样(SCR)法。通过聚类分析表明,LDSS方法构建的核心子集很好的保留了原始群体的遗传变异和结构。通过遗传多样性检测分析表明,采用LDSS方法构建的核心子集具有很好的代表性,并且其代表性好于SCR方法。LDSS方法构建核心子集,只要遗传距离和取样比例固定,无论何种聚类方法,其构建结果均相同。因此,使用LDSS方法构建核心子集,可以排除不同聚类方法对构建结果的影响。 2.筛选出了评价核心种质代表性的有效参数。采用蒙特卡洛模拟结合混合线性模型的方法,直接从基因型值和分子标记水平上研究核心种质的评价参数,排除了环境因素的干扰,对各个评价参数做出了准确的评价。研究表明,极差符合率(CR)可以作为评价核心种质代表性的首选参数。平均Simpson指数(M_D)、平均Shannon-weaver多样性指数(M_I)和平均多态信息含量(M_(PIC))是评价核心种质代表性的重要参数。变异系数变化率(VR)可以作为评价核心种质变异程度的重要参考参数。多态位点百分率(p)可以作为判断核心种质取样规模的判定参数。均值差异百分率(MD)可作为判断核心种质是否具有代表性的判定参数。本研究筛选出的核心种质评价参数,适用于不同的种质资源群体,可以用作确定核心种质取样比例的判定依据,进而解决了确定核心种质合理取样比例的问题。 3.筛选出了构建核心种质的有效遗传距离。采用6种常用的距离计算方法(欧氏距离、标准欧氏距离、马氏距离、曼哈顿距离、夹角余弦距离和相关系数距离)和4种常用的系统聚类方法(最短距离法、最长距离法、不加权类平均法和离差平方和法),结合蒙特卡洛模拟对各种距离在LDSS方法中构建核心种质的特点和有效性进行了综合评价。通过不同评价参数的方差分析表明,夹角余弦距离和相关系数距离在构建核心种质中的有效性不如欧氏距离、标准欧氏距离、马氏距离和曼哈顿距离;而标准欧氏距离构建的核心种质,其代表性稍好于欧氏距离、马氏距离和曼哈顿距离。蒙
张丹[6]2010年在《华南野生蓖麻遗传多样性分析与核心种质构建》文中研究指明本文以258份华南野生蓖麻材料为基础,开展了基于表型标准化数据、SRAP分子标记数据和SSR分子标记数据的遗传多样性研究,初步构建了华南野生蓖麻核心种质。主要结果如下:一、利用13个性状的标准化数据、29对SRAP引物数据和30对SSR引物数据分别对194份、258份、258份华南野生蓖麻材料进行了遗传多样性分析。1、叁种聚类结果的平均遗传距离分别为为7.144、9.249和6.519,平均Shannon指数分别为7.486、0.428和0.287,表明SRAP数据能更有效地反应群体的遗传多样性,基因型值数据能更全面地反映群体的变异度。2、SRAP标记检测到的平均等位基因数与SSR标记几乎相等(分别为1.996和2),但平均有效基因基因数高于SSR标记(分别为1.367和1.182),表明SRAP标记检测到的等位基因在群体中分布更均匀。SRAP标记的平均Nei's基因多样性值(0.263)和平均Shannon指数(0.428)高于SSR(0.287和0.153),SRAP标记比SSR标记更能反映出群体的遗传分化度和遗传变异度。3、叁种聚类结果均表明,材料的亲缘关系与地理远近没有直接关系,但小范围内,材料亲缘关系往往较近。同一地区的材料在小组中成组趋势明显。4、广东的材料遗传多样性最丰富,广西次之,海南最低。二、采用混合线性模型,用最小范数二阶无偏估算法(Minimum Norm Quadratic Unbiased Estimation,MINQUE)估计各项随机效应方差,用调整无偏预测法(Adjusted Unbiased Prediction,AUP)估算数量性状的基因型值,用UPGMA法聚类后,分别以5%、10%、15%、20%、25%、30%的抽样比例,以最小距离逐步取样法(LDSS)抽样,构建了6个初级核心子集,经代表性评价后从中确定初选核心种质;在此基础上,以6种压缩方式(基因型值、SRAP、SSR、基因型值+SRAP、基因型值+SSR、基因型值+SRAP+SSR)和3种取样策略(最小距离逐步聚类随机取样(LDSRS)、最小距离逐步聚类优先取样(LDSPS)和最小距离逐步聚类偏离度取样(LDSDS))构建备选核心子集,根据对备选核心子集的代表性评价结果建立备选核心种质和核心种质。1、抽样比例为25%的初级核心子集代表性最好,宜作为初选核心种质。2、初选核心种质的平均Shannon(I)指数达到原群体的72.96%,平均Simpson(H)指数达原群体的98.49%,F值和t值均不显着,数量性状的方差、均值和极差的相关系数均高于0.98,数量性状变异系数的相关系数为0.5496,均值差异百分率为0.00,方差差异百分率为100%,极差符合率为94.39%,变异系数变化率为120.59%,对原始群体有较好的代表性。3、对六种压缩方式和叁种取样策略的比较分析结果显示,以“基因型值+SRAP+SSR”结合最小距离逐步聚类优先取样法构建核心种质效果最佳。4、根据评价参数及遗传多样性分析结果,初步确定194份华南野生蓖麻的核心种质由以下12份材料组成:HN-HK10、HN-LV55、HN-LV58、GX21、GX29、GX73、DHD66、ZJ95、LZ23、LZ36、YJ2、HY1,占原群体的6.19%。5、核心种质的平均Shannon(I)指数为0.648,平均Shannon(I)指数为2.013,F值和t值均不显着,数量性状的方差、均值和极差的相关系数均高于0.99,数量性状变异系数的相关系数为0.8946,均值差异百分率为0.00,方差差异百分率为100%,极差符合率为91.37%,变异系数变化率为120.51%。
马洪文, 陈晓军, 殷延勃, 王昕, 武绍湖[7]2012年在《利用基因型值构建宁夏粳稻核心种质的方法》文中研究指明以250份宁夏粳稻为材料,根据7个农艺性状的遗传多样性,研究粳稻核心种质的构建方法。采用混合线性模型统计分析方法无偏预测材料各性状的基因型值,根据2种遗传距离(马氏距离和欧氏距离),3种取样方法(多次聚类随机取样法、多次聚类优先取样法、多次聚类偏离度取样法),8种聚类方法(最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法),用均值、方差、极差、变异系数及秩次评价不同遗传距离、取样方法、聚类方法的优劣。结果表明,马氏距离优于欧氏距离;偏离度取样法优于优先取样法和随机取样法,聚类方法最好的是最短距离法、可变类平均法,适宜取样比例是15%。用马氏距离、偏离度取样法、15%取样比例、最短距离聚类法构建了37份宁夏粳稻核心种质。
周佳萍[8]2012年在《烟草核心种质库构建及遗传多样性研究》文中研究指明中国是烟草种质资源大国,目前中国烟草种质资源平台保存烟草种质资源5300多份,独家保存量居世界首位。庞大的资源数量给烟草种质的保存、评价、研究以及利用带来许多不便。烟草核心种质的构建对促进烟草种质资源的进一步收集保存、优异种质挖掘以及烟草遗传育种均具有非常重要的意义。核心种质构建的关键是准确地评价不同材料间的遗传差异以及合理的抽样策略,本研究从烟草农艺性状着手,比较不同构建方法所得核心子集的遗传多样性保留量,筛选出最佳抽样策略；结合SRAP分子标记比较不同数据类型的核心子集的多样性指标；最后整合农艺性状与运用性状-位点关联分析找到的显着相关位点完成烟草核心种质库构建。主要研究内容和结论如下：1.以贵州省烟草科学研究所805份烟草种质为试验材料,2006年分别在贵州金沙和福泉两个试验点进行多点田间试验。采用包括基因型、环境、基因×环境互作效应的混合线性模型及AUP法无偏预测烟草12个农艺性状的基因型效应值。用基因型值计算不同品种之间的马氏距离,比较5种不同系统聚类方法(最短距离、最长距离法、重心法、类平均法以及离差平方和法)、2种抽样方法(优先取样法和变异度取样法)以及5种抽样比率(5%-30%)下核心子集的多样性,用均值、方差、极差和变异系数比较不同组合方法构建核心种质的代表性。结果表明：采用变异度取样法构建的核心子集不能很好地代表原始群体,优先取样法有利于保存具有性状极端的材料；重心法进行系统距离能最大限度地保存原有烟草群体的遗传多样性,是构建核心种质较好的系统聚类方法;在10%的抽样比率下所构建的核心子集的遗传多样性指数达到最大。通过主成分分析法比较核心种质与原始群体样本分布的空间结构与特征,运用相关系数检验原始群体性状间的遗传关系是否被核心种质很好地保留,结果表明由81份种质材料组成的核心种质库能很好地代表烟草农艺性状的遗传多样性。2.以608份具有完整农艺性状数据和SRAP分子标记数据的烟草种质资源为分析材料,在7种抽样比例(10%-40%)下运用农艺性状数据筛选的最佳构建策略(重心法聚类+优先取样)分别构建基于烟草农艺性状、SRAP分子标记以及农艺性状整合分子标记数据的核心子集,从分子标记多样性和农艺性状的遗传变异综合评价不同子集。结果表明：仅用分子标记信息构建核心种质库,不能准确地度量群体农艺性状的遗传冗余度,所构建的子集虽然具有更高的分子多样性,但会丧失农艺性状的遗传变异：反之,仅用农艺性状信息能提高农艺性状的遗传变异,但不能提高分子标记的多样性；而整合信息的核心子集不但能有效度量分子水平上的差异,同时兼顾个体间数量性状变异,使农艺性状与分子标记的遗传多样性同时提高。在此基础上,比较Jaccard、Nei&Li和SM遗传距离对整合信息核心子集的影响,结果显示SM遗传距离不能很好地代表农艺性状遗传变异,而Jaccard和Nei&Li构建的烟草核心种质无明显区别。3.为寻找与烟草农艺性状紧密关联的分子标记,利用17对SRAP对608个烟草品种的农艺性状数据进行关联分析,在分析烟草群体结构上,用TASSEL3.0的GLM方法进行12个农艺性状与标记间的关联分析。结果表明：烟草群体由12亚群体组成,在718个SRAP位点中检测到401个与农艺性状相关联的位点,不同引物组合筛选出的关联位点数目各异；一些位点同时与多个性状相关联,可能是性状相关乃至一因多效的遗传基础。为了比较不同位点对核心种质构建的影响,比较利用全部标记信息、相关位点以及不相关位点结合烟草农艺性状所得的核心子集,结果表明叁个核心子集均能代表原始群体,但是利用相关位点构建的核心子集一定程度上能同时提高核心种质库的农艺性状变异与分子多样性。
马洪文, 殷延勃, 王昕, 贺奇, 武绍湖[9]2013年在《利用数量性状构建粳稻核心种质的方法比较》文中研究表明以250份粳稻为研究材料,根据7个数量性状的基因型预测值,研究粳稻核心种质构建的方法。采用2种遗传距离(欧氏距离和马氏距离),8种聚类方法(最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法),3种取样方法(随机取样法、偏离度取样法和优先取样法),在25%的取样比例下构建48个核心种质,以筛选出的最佳构建策略进一步比较6种不同取样比例(10%、15%、20%、25%、30%和35%)的构建效果以确定最适宜的取样比例。结果表明,在粳稻核心种质构建中,马氏距离优于欧氏距离。欧氏距离优先取样法下最短距离法构建的核心种质最优。马氏距离偏离度取样法构建的核心种质能较多保存原群体遗传变异。10%是最适宜的取样比例。
金铭路[10]2009年在《水稻微核心种质耐冷性鉴定及不同生长环境下耐冷性相关农艺性状的QTL检测》文中进行了进一步梳理水稻冷害是水稻栽培上遇到的一个普遍问题,尤其是在高纬度、高海拔地区,易受低温的影响,严重影响水稻生产。目前水稻耐冷性仍然为高纬度和高海拔地区的重要育种目标之一,不断鉴定筛选不同地理来源和背景的强耐冷水稻种质,对拓宽耐冷育种所利用亲本材料的遗传基础,促进和稳定水稻生产发展具有重要的实践意义。但水稻耐冷性是受多个基因控制的数量性状,这就使得遗传研究和育种工作难度增加。随着水稻高密度分子连锁图谱的构建,有关水稻产量、品质、抗逆性以及许多重要农艺性状的QTL定位已取得了很大的成就,但是由于水稻品种的多样性和数量性状的特殊性,这方面研究还需要进一步加强。本研究利用204份中国水稻微核心种质为试验材料,进行了水稻发芽期、芽期、幼苗期、孕穗期等的耐冷性鉴定及其相关性分析:并以“密阳23号/吉冷1号”杂交后代F_3系统群200个株系,探讨不同处理条件下各主要农艺性状的相关关系,并进行了不同处理条件下主要农艺性状表型值和冷水反应指数的QTL定位,其研究结果如下:1.粳稻种质的发芽期、芽期、幼苗期和孕穗期等各生育时期耐冷性明显强于籼稻种质。并鉴定出粳稻种质中,31份表现为较强的发芽期耐冷性;11份表现为极强的芽期耐冷性;16份表现为极强的幼苗期耐冷性;3份在自然低温下表现为极强的孕穗期耐冷性;籼稻种质中5份表现为较强的发芽期耐冷性;10份表现为较强的芽期耐冷性;3份表现为较强的苗期耐冷性。2.在F3系统群中,所考察的农艺性状和冷水反应指数均表现为连续分布,且接近正态分布,说明这些性状均为数量性状。3.利用复合区间作图法,通过对杂交组合(密阳23号/吉冷1号)F_2分离群体200个株系的SSR标记分析,构建了一张包含171个SSR标记,覆盖水稻基因组约2899.1cM,标记间平均距离为16.95cM的遗传图谱。4.在自然生长条件下,结实率与抽出度呈极显着负相关,与杆长呈显着正相关。在冷水处理条件下结实率与杆长呈极显着正相关,与抽穗天数、抽出度呈极显着负相关。5.对F_3分离系统群在不同处理条件下的主要农艺性状进行QTL定位,结果表明,共检测出86个影响主要农艺性状的QTL,其中11个影响秆长的QTL,24个影响穗长的QTLs,1个影响结实率的QTLs,16个影响主穗粒数的QTLs,21个影响抽穗天数的QTLs,个影响抽出度的QTLs。其中共有18个QTL位点在不同处理条件被检测到;在41个QTL位点分别在不同区间被同时检测到。6.对F_3分离系统群的主要农艺性状进行QTL定位,结果表明,共检测出4个与农艺性状冷水反应指数有关的QTL,它们位于1(1个QTLs)、4(2个QTLs)和12(1个QTLs)染色体上,影响杆长、主穗粒数各检测到1个QTLs,检测到两个影响结实率QTL位点。
参考文献：
[1]. 利用基因型值构建水稻核心种质的方法研究[J]. 李长涛, 石春海, 吴建国, 徐海明, 张海珍. 中国水稻科学. 2004
[2]. 利用基因型值构建水稻核心种质的方法研究[D]. 李长涛. 浙江大学. 2003
[3]. 植物资源核心种质构建与评价新方法的研究[D]. 刘宁宁. 浙江大学. 2007
[4]. 建立在基因型值和分子标记信息上的水稻核心种质评价参数[J]. 王建成, 胡晋, 张彩芳, 徐海明, 张胜. 中国水稻科学. 2007
[5]. 构建植物遗传资源核心种质新方法的研究[D]. 王建成. 浙江大学. 2006
[6]. 华南野生蓖麻遗传多样性分析与核心种质构建[D]. 张丹. 广东海洋大学. 2010
[7]. 利用基因型值构建宁夏粳稻核心种质的方法[J]. 马洪文, 陈晓军, 殷延勃, 王昕, 武绍湖. 种子. 2012
[8]. 烟草核心种质库构建及遗传多样性研究[D]. 周佳萍. 浙江大学. 2012
[9]. 利用数量性状构建粳稻核心种质的方法比较[J]. 马洪文, 殷延勃, 王昕, 贺奇, 武绍湖. 西北农业学报. 2013
[10]. 水稻微核心种质耐冷性鉴定及不同生长环境下耐冷性相关农艺性状的QTL检测[D]. 金铭路. 延边大学. 2009
标签：农作物论文; 基因型论文; 水稻论文; 分子标记论文; 遗传变异论文; 马氏距离论文; 遗传多样性论文; 水稻品种论文; 多样性指数论文; 基因位点论文; 性状分离论文;