简介：为分析我国晒烟种质资源的遗传多样性,并构建晒烟种质资源的指纹图谱,本研究利用25对SSR标记对33份晒烟材料进行分析。结果表明,25对SSR引物共检测到112个等位基因,平均每个标记4.31个,观测杂合度（Ho）平均值为0.0028,预期杂合度（He）平均值为0.6039。Shannon’s信息指数I为1.1389,Nei’s多样性指数（H）为0.5693,33份晒烟种质资源的遗传多样性相对丰富。UPGMA聚类分析表明,在相似性系数0.345处,可将供试烟草资源分为两个类群。同时,利用25对引物构建了33个晒烟品种的指纹图谱,为晒烟品种鉴定体系的研究奠定理论基础。本研究可为我国晒烟种质资源的鉴定与利用、优异基因的挖掘、育种亲本材料的选择等提供科学依据。

简介：为筛选出优质抗病的雪茄烟种质资源,在云南德宏开展72份雪茄烟种质的田间试验,结果表明,PASwarrHibshman产量高;Havana142上中等烟比例高;多数种质烟叶外观质量好或较好;烟叶K2O为1.82%~5.75%,钾氯比为6.47~44.23,化学成分变异系数：糖碱比〉氮碱比〉两糖差〉总植物碱〉还原糖〉总糖〉钾氯比〉Cl-〉K2O〉总氮;Havana142、LittleHill、Havana211等感官评吸质量档次为较好,其余种质为较好-或中等＋;多酚变异系数（29.38%~72.34%）排列为绿原酸〉新绿原酸〉隐绿原酸〉莨菪亭〉芸香苷。将72份资源聚为5类,雪茄内包皮被归在品质较好的第1、2类,雪茄外包皮被归在第3、4类,而雪茄茄芯被归在第3、4、5类。筛选出抗PVY的种质5份,对TMV免疫的10份,抗TMV的3份,抗黑胫病的种质1份,可供生产和育种选择利用。

简介：采用全基因组454个SSR位点对96份烤烟种质资源进行了群体分型,获得有效等位变异1038个。NJ聚类分析将供试材料分为3个类群,群体结构分析表明,当K=3时,ΔK值最大。同时对该供试材料在4个环境进行了烟叶钾含量测定,其频率符合正态分布。采用混合线性模型（MLM）,进行了标记-性状关联分析,获得11个烟草钾含量的关联标记。通过不同基因型的钾含量对比,获得5个高钾优异等位变异。为验证这些优异等位变异,本研究又利用这5个关联标记扫描了其他130份烟草种质,获得了一致的结果。表明可以利用这5个高钾等位变异对烟草种质资源进行定性筛选,促进烟草高钾种质的利用和品种选育。

简介：【目的】明确各部位不同颜色鲜烟叶的高光谱特征及其与颜色参数的关系,为科学判定烟叶成熟度提供参考。【方法】研究了各部位烟叶颜色参数和高光谱特征的变化规律,对颜色参数和高光谱特征参数进行了相关分析和回归分析,基于高光谱特征参数建立了颜色参数回归模型,并对其进行检验。【结果】随着落黄程度的提高,颜色参数L、b、C呈不断增大的趋势,a值呈先减小后增大的趋势,H°呈不断减小的趋势;高光谱特征参数随烟叶颜色的改变呈现规律性的变化;高光谱特征参数与各颜色参数有显著或极显著相关性,基于高光谱特征参数建立的颜色参数回归模型预测效果较好。【结论】利用高光谱技术对鲜烟叶颜色参数进行分析是可行的。

简介：本文旨在分析烤烟种质资源遗传多样性,通过关联分析寻找与烤烟农艺性状和化学成分相关联的分子标记,为分子标记辅助选择育种和提高烤烟育种效率奠定基础。利用均匀分布于烟草24个连锁群上的120个SSR标记分析了231份烤烟种质资源的遗传多样性及群体遗传结构,在此基础上采用TASSEL5.0GLM（generallinearmodel）和MLM（mixedlinearmodel）方法进行标记与表型性状变异（8个农艺性状和5个化学成分）的关联分析。通过遗传多样性分析,共检测出403个等位变异,变异范围2-21个,平均每个标记3.36个;引物的多态性信息含量（PIC）为0.036~0.785,平均值为0.408;供试材料间遗传距离为0.003~0.371,平均值为0.148。通过非加权组平均法（UPGMA）进行聚类分析,在遗传距离（GD）值为0.153水平上可将231份烤烟材料聚为4大类。通过群体遗传结构分析将供试材料划分成3个亚群,且每个亚群分别包含117、38和76份烤烟材料。通过GLM_Q和MLM_Q＋K两种关联分析模型,分别检测出17个和9个与13个表型性状显著相关,其中9个标记在两个年份和两种模型中均被检测到与同一性状在P〈0.001水平上极显著相关,且MLM_Q＋K未能检测到新的关联标记;3个株高相关标记（TM10481、PT54964和TM20580）、2个叶数相关标记（TM10846和PT60728）、1个茎围相关标记（TM25276）和1个叶长相关标记（TM11215）与已报道的QTL定位结果一致,可应用于烤烟分子标记辅助选择育种。

简介：人工诱发不同病级烟草普通花叶病，接种后第3d采用ASDFieldspecFR2500光谱仪对叶片进行光谱分析和相应色素含量测定。运用单变量线性或非线性拟合分析技术，选取部分样本建立色素含量估测模型，并利用其余样本对模型进行精度检验。结果表明，以蓝边面积（SDb）为自变量的线性模型是估测叶绿素a含量的最佳模型；以蓝边面积（SDb）为自变量的指数模型是估测叶绿素b和叶绿素a＋b含量的最佳模型；以绿峰幅值（Rg）为自变量的线性模型是估测类胡萝卜素含量的最佳模型，其估测叶绿素a，叶绿素b，叶绿素a＋b和类胡萝卜素含量的相对误差为-9．131％，-22．975％，-11．408％，-5．855％。