ĐÁNH GIÁ ĐA DẠNG DI TRUYỀN DỰA TRÊN KIỂU HÌNH QUẢ NGUỒN GEN CÀ CHUA BI QUA ẢNH

Ngày nhận bài: 30-08-2022

Ngày duyệt đăng: 18-04-2023

DOI:

Lượt xem

2

Download

0

Số: Tập 21 Số 4 (2023)

Chuyên mục:

NÔNG HỌC

Cách trích dẫn:

Đức, N., Anh, N., Tuân, P., Thương, V., Linh, N., Thuỷ, B., & Liết, V. (2024). ĐÁNH GIÁ ĐA DẠNG DI TRUYỀN DỰA TRÊN KIỂU HÌNH QUẢ NGUỒN GEN CÀ CHUA BI QUA ẢNH. Tạp Chí Khoa học Nông nghiệp Việt Nam, 21(4), 401–413. http://testtapchi.vnua.edu.vn/index.php/vjasvn/article/view/1360

ĐÁNH GIÁ ĐA DẠNG DI TRUYỀN DỰA TRÊN KIỂU HÌNH QUẢ NGUỒN GEN CÀ CHUA BI QUA ẢNH

Nguyễn Trung Đức (*) 1 , Nguyễn Thị Nguyệt Anh 1 , Phạm Quang Tuân 1 , Vũ Thị Thương 2 , Nguyễn Viết Linh 2 , Bùi Thị Thuỷ 2 , Vũ Văn Liết 2

  • 1 Viện Nghiên cứu và Phát triển cây trồng, Học viện Nông nghiệp Việt Nam
  • 2 Khoa Nông học, Học viện Nông nghiệp Việt Nam

    • Tóm tắt


    Mục tiêu của nghiên cứu này nhằm đánh giá đa dạng di truyền dựa trên kiểu hình quả của nguồn gen cà chua bi qua ảnh phục vụ chương trình chọn tạo giống cà chua ăn tươi chất lượng cao tại Việt Nam. Sáu mươi tám nguồn gen cà chua bi trồng trong vụ Đông 2021 tại Học viện Nông nghiệp Việt Nam được thu thập hình ảnh quả ở giai đoạn thu hoạch và trích xuất kiểu hình bằng phần mềm SmartGrain. So sánh độ chính xác với phương pháp đo đếm thủ công bằng mô hình hồi quy tuyến tính đơn giản. Kết quả cho thấy chiều dài và chiều rộng trích xuất qua ảnh có hệ số xác định cao (0,8136 và 0,7571, tương ứng) và sai số bình phương trung bình gốc thấp (2,947 và 2,345, tương ứng) so với phép đo thủ công. Các tính trạng quả trích xuất qua ảnh có tương quan thuận và chặt với khối lượng quả hơn so với các tính trạng đo đếm thủ công. Nguồn gen cà chua được phân thành 6 nhóm ở hệ số tương đồng 65,945 từ 5 tính trạng trích xuất qua ảnh. Phương pháp đánh giá kiểu hình quả qua ảnh có thể thay thế phương pháp đo thủ công và ứng dụng trong các chương trình chọn tạo, khảo nghiệm giống cà chua và trên các giống cây trồng khác.

    Tài liệu tham khảo

    Causse M., Friguet C., Coiret C., Lépicier M., Navez B., Lee M., Holthuysen N., Sinesio F., Moneta E. & Grandillo S. (2010). Consumer preferences for fresh tomato at the European scale: A common segmentation on taste and firmness. Journal of Food Science. 75(9): S531-S541.

    Đoàn Xuân Cảnh, Nguyễn Đinh Thiều, Đoàn Thị Thanh Thúy & Nguyễn Thị Thanh Hà (2021). Kết quả nghiên cứu chọn tạo và khảo nghiệm giống cà chua lai VT15. Tạp chí Nông nghiệp và Phát triển nông thôn. 9: 34-41.

    He Z., Li M., Cai Z., Zhao R., Hong T., Yang Z. & Zhang Z. (2021). Optimal irrigation and fertilizer amounts based on multi-level fuzzy comprehensive evaluation of yield, growth and fruit quality on cherry tomato. Agricultural Water Management. 243: 106360.

    Jin L., Zhao L., Wang Y., Zhou R., Song L., Xu L., Cui X., Li R., Yu W. & Zhao T. (2019). Genetic diversity of 324 cultivated tomato germplasm resources using agronomic traits and InDel markers. Euphytica. 215(4): 1-16.

    Kong L., Wen Y., Jiao X., Liu X. & Xu Z. (2021). Interactive regulation of light quality and temperature on cherry tomato growth and photosynthesis. Environmental and Experimental Botany. 182: 104326.

    Liu H., Meng F., Miao H., Chen S., Yin T., Hu S., Shao Z., Liu Y., Gao L., Zhu C., Zhang B. & Wang Q. (2018). Effects of postharvest methyl jasmonate treatment on main health-promoting components and volatile organic compounds in cherry tomato fruits. Food Chemistry. 263: 194-200.

    Marefatzadeh-Khameneh M., Fabriki-Ourang S., Sorkhilalehloo B., Abbasi-Kohpalekani J. & Ahmadi J. (2021). Genetic diversity in tomato (Solanum lycopersicum L.) germplasm using fruit variation implemented by tomato analyzer software based on high throughput phenotyping. Genetic Resources and Crop Evolution. 68(6): 2611-2625.

    Nankar A.N., Tringovska I., Grozeva S., Ganeva D. & Kostova D. (2020). Tomato phenotypic diversity determined by combined approaches of conventional and high-throughput tomato analyzer phenotyping. Plants. 9(2).

    Nguyễn Hồng Minh, Kiều Thị Thư & Phạm Quang Tuân (2011). Tạo giống cà chua lai quả nhỏ HT144. Tạp chí Khoa học và Phát triển. 9(1): 16-21.

    Nguyen Trung Duc, Pham Quang Tuan, Nguyen Thi Nguyet Anh & Vu Van Liet (2022). Phenotypic variation and correlation of fruit traits in diverse muskmelon materials. Vietnam Journal of Agriculture & Rural Development. 2(2): 23-31.

    R Development Core Team (2022). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Retrieved from https://cran.r-project.org/bin/windows/base on March 10, 2022.

    Ranc N., Munos S., Santoni S. & Causse M. (2008). A clarified position for solanum lycopersicum var. cerasiforme in the evolutionary history of tomatoes (solanaceae). BMC Plant Biology. 8(1): 130.

    Rodriguez G.R., Moyseenko J.B., Robbins M.D., Morejon N.H., Francis D.M. & Van Der Knaap E. (2010). Tomato Analyzer: a useful software application to collect accurate and detailed morphological and colorimetric data from two-dimensional objects. JoVE (Journal of Visualized Experiments). 10.3791/1856(37): e1856.

    Tanabata T., Shibaya T., Hori K., Ebana K. & Yano M. (2012). Smartgrain: High-throughput phenotyping software for measuring seed shape through image analysis Plant Physiology. 160(4): 1871-1880.

    Tống Văn Hải, Phan Hữu Tôn, Phan Thị Hiền & Nguyễn Quốc Trung (2021). Chọn tạo giống cà chua thuần kháng bệnh xoăn vàng lá bằng chỉ thị phân tử ADN. Tạp chí Khoa học Nông nghiệp Việt Nam. 19(3): 399-409.

    Tran Thien Long, Nguyen Hong Minh, Nguyen Tuan Anh, Tran Thi Minh Hang, Nguyen Thi Hoa, Nguyen Tien Long & Nguyen Thi Minh (2020). The comprehensive analysis of morphological variation among 24 tomato (Solanum lycopersicum) genotypes oriented to ornamental breeding in Vietnam. Vietnam Journal of Agricultural Sciences. 3(1): 555-569.

    Zhu Y., Gu Q., Zhao Y., Wan H., Wang R., Zhang X. & Cheng Y. (2022). Quantitative extraction and evaluation of tomato fruit phenotypes based on image recognition. Frontiers in Plant Science. 13.