杜婷婷

(皖西衛(wèi)生職業(yè)學(xué)院，安徽 六安 237000)

隨著ISSR指紋圖譜成像和信息處理技術(shù)的不斷成熟，采用ISSR指紋圖譜及光譜成像技術(shù)進(jìn)行植物的圖譜特征分析，分析植物的遺傳多樣性圖譜特征，提高對(duì)植物遺傳多樣性的量化分析能力。為了實(shí)行對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性，采集茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜，結(jié)合特征提取和圖像分析技術(shù)，構(gòu)建茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的特征提取模型，根據(jù)特征提取結(jié)果進(jìn)行遺傳多樣性分析，實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性建模[1]。

相關(guān)的茶樹(shù)種質(zhì)資源遺傳多樣性建模分析方法研究受到人們的極大關(guān)注。萬(wàn)娟等[2]提出福建柏優(yōu)樹(shù)子代ISSR遺傳多樣性與指紋圖譜研究。該研究采用ISSR分子標(biāo)記技術(shù)對(duì)福建的柏樹(shù)種質(zhì)資源的遺傳多樣性進(jìn)行研究，結(jié)果得出福建柏樹(shù)種質(zhì)資源之間存在較大的遺傳變異，且ISSR標(biāo)記能有效揭示柏樹(shù)種質(zhì)資源之間的多樣性。該研究的多樣性分析結(jié)果較為精確。彭繼慶等[3]提出一種繡球花品種遺傳多樣性的ISSR分析及指紋圖譜構(gòu)建方法。該方法利用 ISSR-PCR 分子標(biāo)記技術(shù)對(duì)繡球花品種進(jìn)行遺傳多樣性分析，所構(gòu)建的指紋圖譜能夠有效分析出繡球花品種之間的遺傳多樣性，且分析結(jié)果較為精確。

基于上述傳統(tǒng)方法的研究基礎(chǔ)上，提出基于ISSR指紋圖譜的茶樹(shù)種質(zhì)資源遺傳多樣性建模方法。采用正則化特征分解方法進(jìn)行ISSR指紋圖譜的灰度信息增強(qiáng)處理，結(jié)合分塊融合和模板匹配技術(shù)實(shí)行對(duì)遺傳多樣性ISSR指紋圖譜的正則化模板匹配和多樣性特征分析，采用分塊融合處理方法實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性建模。最后進(jìn)行實(shí)驗(yàn)測(cè)試分析，展示了該方法在提高茶樹(shù)種質(zhì)資源遺傳多樣性建模分析能力方面的優(yōu)越性能。

1 ISSR指紋圖譜采樣和濾波處理

1.1 茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜采樣

為了實(shí)現(xiàn)的茶樹(shù)種質(zhì)資源遺傳多樣性特征提取識(shí)別,首先構(gòu)建茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜采集模型[2],結(jié)合ISSR指紋圖譜采集技術(shù),采用分區(qū)域特征匹配方法進(jìn)行二維茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的分塊融合性檢測(cè),采用銳化模板特征匹配技術(shù)進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜表面輪廓檢測(cè)和區(qū)域分割,進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性特征提取的首先一步是進(jìn)行ISSR指紋圖譜信息采集和特征提取[3],原始的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜用

描述,在幾何空間坐標(biāo)系中,茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜模糊特征分布集合:

(θe,ρe)=EFA(θ*,ρ*)

(1)

(2)

其中:

g(m,n)(u,v)=I(k)g[2(m-1)+u,2(n-1)+v]

(3)

其中,u∈{1,2};v∈{1,2}表示茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜分塊融合的尺度,采用小波多尺度分解方法進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜濾波處理[4],采用ISSR指紋圖譜像素的自動(dòng)特征匹配方法,得到在N×N窗口wi內(nèi)得到茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的中心像素集和邊緣像素集分別表述為:

Iif(x,y)=I*G(x,y,σi)

(4)

Iiv(x,y)=I*stdfilt(x,y,wi)

(5)

Sgif(x,y)=-log(Pif(x,y))

(6)

1.2 圖譜增強(qiáng)濾波

對(duì)采集后的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜信息進(jìn)行增強(qiáng)濾波,該步驟可以獲得圖譜的清晰輪廓,確保后續(xù)操作的準(zhǔn)確性。采用小波多尺度分解方法進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜濾波處理,提取茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的邊緣輪廓特征點(diǎn)[6],給出茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜濾波的母小波函數(shù)為:

(7)

對(duì)于k個(gè)鄰近點(diǎn),在母小波的基函數(shù)中進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性圖譜分解,采用一維小波變換,得到茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的形狀規(guī)則特征分布像素集為:

(8)

(9)

采用正則化特征提取方法進(jìn)行ISSR指紋圖譜的灰度信息增強(qiáng),計(jì)算局部ISSR指紋圖譜的灰度信息分量為:

(10)

按照ISSR指紋圖譜的邊緣尺度進(jìn)行信息融合,k可以取值為1.5,t可以取值為0.24,σ0為茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的邊緣信息尺度,采用RGB分解方法,得到茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的像素特征分量為:

(11)

其中,t0表示茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的邊緣自相關(guān)特征量,在像素分塊特征匹配的4×4子區(qū)域內(nèi),結(jié)合像素自適應(yīng)增強(qiáng)技術(shù),實(shí)現(xiàn)圖譜的濾波增強(qiáng)處理[8]。茶樹(shù)種質(zhì)資源圖譜的濾波增強(qiáng)處理能夠保障圖譜的清晰度,使得接下來(lái)對(duì)茶樹(shù)種質(zhì)資源的遺傳多樣性進(jìn)行分析時(shí),能夠得到完整的、準(zhǔn)確的分析結(jié)果。

2 茶樹(shù)種質(zhì)資源遺傳多樣性建模優(yōu)化

2.1 遺傳多樣性特征提取

在上述進(jìn)行圖譜增強(qiáng)濾波處理的基礎(chǔ)上,進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性建模。提出基于ISSR指紋圖譜的茶樹(shù)種質(zhì)資源遺傳多樣性建模方法。結(jié)合活動(dòng)輪廓套索模型進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜輪廓特征提取,構(gòu)建茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的相關(guān)性檢測(cè)模板匹配函數(shù)采用局部區(qū)域梯度分解方法進(jìn)行ISSR指紋圖譜的正則化特征提取,得到融合特征分布為:

(12)

其中f(z)是茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的紋理特征分量,*為卷積運(yùn)算。計(jì)算ISSR指紋圖譜邊緣信息的灰度直方圖[9],得到優(yōu)化的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜特征提取輸出為:

(13)

其中:

(14)

令I(lǐng)x為多分辨的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜,其中x=P,N,茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的邊緣輪廓為:

(15)

(16)

其中,Q為茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的邊緣尺度,W為弱邊緣特征量,以提取的正則化特征信息為ISSR指紋圖譜恢復(fù)暗原色進(jìn)行ISSR指紋圖譜分塊融合處理,得到輸出的特征提取識(shí)別圖譜為:

(17)

(18)

根據(jù)上述分析,采用正則化特征分解方法進(jìn)行ISSR指紋圖譜的灰度信息增強(qiáng)處理,結(jié)合分塊融合和模板匹配技術(shù)實(shí)行對(duì)遺傳多樣性ISSR指紋圖譜的正則化模板匹配和多樣性特征分析。

2.2 茶樹(shù)種質(zhì)資源遺傳多樣性圖譜分析建模

(19)

(20)

其中:

(21)

根據(jù)上述分析,以提取的正則化特征信息為ISSR指紋圖譜恢復(fù)暗原色進(jìn)行圖譜分塊融合處理。

通過(guò)多維特征提取方法,實(shí)現(xiàn)茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜特征提取識(shí)別,信息融合分解式為:

O=USVT

(22)

其中,U是一N×N維的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的像素訓(xùn)練樣本集矩陣,V是一個(gè)2×2的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜邊緣信息的灰度直方圖信息矩陣,S是一個(gè)N×2的茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的角點(diǎn)分布水平集矩陣,進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜區(qū)域分塊匹配,得到茶樹(shù)種質(zhì)資源遺傳多樣性區(qū)域的紋理分割函數(shù)為:

D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)=L(x,y,kσ)-L(x,y,σ)

(23)

其中:

L(x,y,σ)=G(x,y,σ)?I(x,y)

(24)

式中,I(x,y)表示茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜在(x,y)處的分塊系數(shù),L(x,y,σ)表示茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜多重分形系數(shù),G(x,y,σ)表示關(guān)聯(lián)像素值,綜上分析,實(shí)現(xiàn)了茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜特征提取識(shí)別,提高了ISSR指紋圖譜輸出的特征辨識(shí)能力,實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性建模分析。

3 仿真實(shí)驗(yàn)

為了測(cè)試所提方法在實(shí)現(xiàn)茶樹(shù)種質(zhì)資源遺傳多樣性特征提取和建模方面的性能,進(jìn)行實(shí)驗(yàn)分析,在Matlab中進(jìn)行仿真實(shí)驗(yàn),茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜采集掃描的頻率為16 kHz,ISSR指紋圖譜的像素分布像元為0.34～0.85范圍內(nèi)取值,采用8個(gè)短波紅外(SWIR)波段進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜采集,星下點(diǎn)分辨率設(shè)定為0.61 m,ISSR指紋圖譜的多光譜范圍設(shè)定為2.44～2.76 m,ISSR指紋圖譜采集的像素為600萬(wàn)ppi,分辨率為3 000 dpi,根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定,進(jìn)行ISSR指紋圖譜特征提取和遺傳多樣性建模。

對(duì)茶樹(shù)樣本進(jìn)行采集:選擇的茶樹(shù)樣本來(lái)自國(guó)家茶樹(shù)種質(zhì)資源圃勐海分圃中的山茶,對(duì)山茶品種進(jìn)行編號(hào),依次為忙丙大山茶1號(hào)、忙丙大山茶2號(hào)、龍山大山茶、荷花村山茶、大廠大山茶、鳳山大山茶共6份野生型大葉種茶樹(shù)種質(zhì)。于2018年6月采摘一芽一葉或二葉鮮嫩幼葉10 g左右,于-20 ℃冰柜中保存?zhèn)溆谩?/p>

引物來(lái)源于劉本英等[11]已經(jīng)篩選好的被證明多態(tài)性好、分辨率高的2對(duì)引物:UBC811和UBC835(序列分別為:GAGAGAGAGAGAGAGAG;AGAGAGAGAGAGAGAGYC)。

樣本資料來(lái)源見(jiàn)表1:

表1 樣本資料來(lái)源

給出matlab的關(guān)鍵口令如下:

tea.form=‘DNA-TEA’;

tea.dim=4;

np=size(coefs);

dim=np(1);

if iscell(knots)

% constructing a surface

tea.number=np(2:3);

if (dim < 4)

tea.coefs=repmat([0.0 0.0 0.0 1.0]',[1 np(2:3)]);

tea.coefs(1:dim,:,:)=coefs;

else

tea.coefs=coefs;

end

uorder=size(knots{1},2)-np(2);

vorder=size(knots{2},2)-np(3);

uknots=sort(knots{1});

vknots=sort(knots{2});

uknots=(uknots-uknots(1))/(uknots(end)-uknots(1));

vknots=(vknots-vknots(1))/(vknots(end)-vknots(1));

tea.knots={uknots vknots};

tea.order=[uorder vorder];

else

% constructing a curve

tea.number=np(2);

if (dim < 4)

tea.coefs=repmat([0.0 0.0 0.0 1.0]',[1 np(2)]);

tea.coefs(1:dim,:)=coefs;

else

tea.coefs=coefs;

end

tea.order=size(knots,2)-np(2);

knots=sort(knots);

tea.knots=(knots-knots(1))/(knots(end)-knots(1));

end

以上述茶樹(shù)種質(zhì)資源樣本為研究對(duì)象,進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜分析,得出圖譜結(jié)果(圖1)。

圖1 茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜

根據(jù)圖1所示的ISSR指紋圖譜進(jìn)行遺傳多樣性特征提取,得到茶樹(shù)種質(zhì)資源遺傳多樣性特征分布如圖2所示。

圖2 茶樹(shù)種質(zhì)資源遺傳多樣性特征提取輸出

分析圖2得知,分別在0.1～0.3 s,0.4～0.6 s,0.7～1 s三個(gè)時(shí)間段,出現(xiàn)了穩(wěn)定的短紅外波段,說(shuō)明采用本文方法能有效實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性特征分析和建模,具有很好茶樹(shù)種質(zhì)資源遺傳多樣性的量化分析能力。

根據(jù)以上分析,根據(jù)ISSR圖譜條帶的有無(wú),圖譜中的每一條帶(DNA片段)均作為一個(gè)標(biāo)記。每條引物所有擴(kuò)增片段按分子量大小的順序排列。全部材料在重復(fù)擴(kuò)增中穩(wěn)定出現(xiàn)的帶無(wú)論強(qiáng)弱均賦值1,不存在時(shí)賦值0。對(duì)6份茶樹(shù)種質(zhì)資源的遺傳多樣性特征進(jìn)行分析,計(jì)算平均遺傳相似系數(shù)、基因多態(tài)性和特征信息相似性指數(shù)如表2所示:

表2 6份茶樹(shù)種質(zhì)資源的遺傳多樣性特征分析結(jié)果

分析表2得出,在6份茶樹(shù)種質(zhì)資源的遺傳多樣性特征分析結(jié)果中可以看出,風(fēng)扇大山茶的特征信息相似指數(shù)最大,其遺傳多樣性特征最多,可適宜的種質(zhì)環(huán)境范圍最廣,反之,忙丙山大山茶1號(hào)的特征信息相似性指數(shù)最低,基因多態(tài)性條帶數(shù)相對(duì)較少,其遺傳多樣性特征最少,可適宜的種質(zhì)環(huán)境范圍最小,龍山大山茶的基因多樣性條帶數(shù)和平均遺傳相似條帶數(shù)均最高,且特征信息相似性指數(shù)較為理想,因此可適宜多個(gè)地區(qū)環(huán)境種質(zhì)。

4 結(jié)語(yǔ)

構(gòu)建茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜的特征提取模型,根據(jù)特征提取結(jié)果進(jìn)行遺傳多樣性分析,實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性建模。構(gòu)建茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜采集模型,采用小波多尺度分解方法進(jìn)行茶樹(shù)種質(zhì)資源遺傳多樣性ISSR指紋圖譜濾波處理,結(jié)合分塊融合和模板匹配技術(shù)實(shí)行對(duì)遺傳多樣性ISSR指紋圖譜的正則化模板匹配和多樣性特征分析,采用分塊融合處理方法實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性建模。研究得知,該方法能有效實(shí)現(xiàn)對(duì)茶樹(shù)種質(zhì)資源遺傳多樣性特征提取和建模,對(duì)茶樹(shù)種質(zhì)資源遺傳特征的提取準(zhǔn)確度較高,信息飽和度較高。

所提方法說(shuō)明選取的茶樹(shù)樣本具有相對(duì)較高的遺傳多樣性,其原因這主要可能因?yàn)椴铇?shù)本身為高度雜合體,又是異花授粉植物,在長(zhǎng)期雜交演化的過(guò)程中產(chǎn)生了大量的不連續(xù)變異。同時(shí),加上長(zhǎng)時(shí)間移種后新環(huán)境對(duì)種質(zhì)的遺傳信息也可能發(fā)生了一定影響。對(duì)這種具有較高遺傳多樣性的茶樹(shù)資源進(jìn)行種質(zhì),能夠提高該地區(qū)的茶葉的產(chǎn)量,促進(jìn)茶葉經(jīng)濟(jì)的發(fā)展和提升。