基于萌发期形态性状与多元分析的洋葱基因型耐盐性评估

《Frontiers in Plant Science》：Assessment of salinity tolerance in onion (Allium cepa L.) genotypes at germination stage through morphological traits and multivariate analysis

本研究通过体外萌发实验评估116个洋葱基因型的耐盐性，建立以150 mM NaCl为筛选浓度的评价体系，结合隶属函数值（MFV）和多元统计方法，将基因型分为5个耐盐等级，并确定总鲜重（TFW）为关键筛选指标，为耐盐品种选育提供高效可靠的筛选模型。

　　

引言

洋葱是一种在全球广泛种植的重要蔬菜作物，具有营养和药用价值。然而，盐胁迫作为一种主要的非生物胁迫，严重影响着洋葱的生长和发育，尤其是在对其敏感的萌发期。盐胁迫会限制作物生产力，并且由于田间盐分分布的时空变异性，使得在农场条件下模拟盐胁迫并进行可靠的基因型筛选变得困难，这阻碍了杂交育种中亲本的选择和耐盐品种的选育。因此，开发在受控条件下快速、高效评估洋葱基因型萌发期耐盐性的方法至关重要。

材料与方法

研究使用了116个具有不同遗传背景的洋葱基因型和已推广品种的种子。实验分为两个阶段：第一阶段旨在通过16个基因型确定用于筛选耐盐性的最佳盐浓度（50, 100, 150, 200, 250 mM NaCl），第二阶段则利用确定的最佳浓度评估另外100个基因型的耐盐性。实验采用体外萌发法，在双室培养皿中进行，每个处理设置三个重复，并在受控的光照、温度和湿度条件下培养。

关键形态参数包括发芽率（GR）、根长（RL）、芽长（SL）、根鲜重（RFW）、芽鲜重（SFW）和总鲜重（TFW）。通过计算盐害指数（SII）和耐盐指数（STI）来量化盐胁迫的影响。耐盐性评估采用隶属函数值（MFV）方法，计算每个性状的MFV，并求其平均值（Mean MFV）以对基因型进行分级。根据Mean MFV的平均值（x?）和标准差（SD），将基因型分为五个等级：高耐盐（HST，Xi ≥ x? + 1.64SD）、耐盐（ST，x? + 1.64SD > Xi ≥ x? + 1SD）、中耐盐（MST，x? + 1SD > Xi ≥ x? - 1SD）、盐敏感（SS，x? - 1SD > Xi ≥ x? - 1.64SD）和高敏感（HSS，x? - 1.64SD ≥ Xi）。此外，还建立了基于多元逐步回归的数学模型（Y = -0.01 + 0.059STI_GR+ 0.059STI_RL+ 0.200STI_SL+ 0.075STI_RFW+ 0.331STI_SFW+ 0.109STI_TFW）来预测耐盐性。统计分析包括方差分析（ANOVA）、相关性分析、主成分分析（PCA）和层次聚类分析（HCA）。

结果

最佳盐浓度的确定：基于16个基因型的SII分析，当平均SII达到0.5时，对应的NaCl浓度约为110 mM。然而，为了施加更明显但仍属亚致死的胁迫水平以清晰区分耐盐和敏感型材料，最终选择150 mM NaCl作为后续100个基因型筛选的最佳浓度。

耐盐性评价：对100个洋葱基因型的评估结果显示，6个基因型被归类为HST，12个为ST，59个为MST，10个为SS，13个未萌发的基因型被视为HSS。

可靠筛选性状的确定：相关性分析表明，TFW与RFW（r = 0.59）和SFW（r = 0.43）呈显著正相关。线性拟合模型显示，STI_TFW与Mean MFV的决定系数（R²）最高（0.582），远高于其他性状（如STI_RL的R²仅为0.083）。因此，总鲜重（TFW）被确定为评估洋葱基因型萌发期耐盐性的最可靠单一性状。

数学模型的验证：使用回归模型计算的Y值与Mean MFV高度一致（例如，HST基因型W-210的Y值为0.507，Mean MFV也为0.507），证实了该模型预测耐盐性的可靠性。

重新验证实验：从每个耐盐类别中随机选择基因型进行重新验证，结果证实了初始分类的准确性。在150 mM NaCl胁迫下，HST基因型的平均单株TFW最高（54 mg），而HSS基因型几乎不萌发（TFW接近0），且各耐盐等级间的TFW存在显著差异（HST > ST > MST > SS > HSS）。

多元统计分析：PCA显示，前两个主成分（PC1和PC2）共同解释了总方差的60.97%。PC1（33.94%）主要由TFW和RFW贡献，而PC2（27.03%）则主要由RL和SL贡献。HCA进一步支持了基于Mean MFV的五级分类结果。

讨论

盐胁迫通过渗透胁迫、离子毒害、营养失衡和氧化损伤等多种机制影响植物生长。萌发期是植物对盐胁迫最敏感的时期之一。本研究建立的体外筛选方法克服了田间筛选的局限性，提供了可重复且精确的评价体系。选择150 mM NaCl作为筛选浓度，能够在引起足够胁迫的同时，有效区分不同基因型的耐盐性差异。利用MFV进行综合评价，能够整合多个性状的信息，更全面地反映基因型的耐盐潜力。确定TFW为关键筛选指标，是因为它综合反映了生物量积累对盐胁迫的整体响应，与耐盐性高度相关，便于在大规模筛选中快速应用。本研究的结果与其他作物（如油菜、向日葵）的耐盐性研究既有相似之处，也存在物种特异性差异，强调了针对特定作物建立筛选标准的重要性。筛选出的HST基因型（如W-210, W-235）为洋葱耐盐育种提供了宝贵的遗传资源。未来的研究需要在盆栽和田间条件下进一步验证这些基因型的耐盐性，并结合生理生化指标（如离子稳态、抗氧化酶活性、渗透调节物质）和分子标记（如耐盐相关基因表达）进行深入机理探讨。

结论

本研究成功建立了基于150 mM NaCl胁迫的洋葱萌发期耐盐性体外筛选体系。通过形态性状测量、MFV分析、多元统计和数学建模，将100个洋葱基因型划分为5个耐盐等级，并确定总鲜重（TFW）是评估耐盐性的可靠指标。该筛选方法简单、高效、可重复，不仅为洋葱耐盐育种提供了实用工具和优异种质，也可作为其他经济作物萌发期耐盐性评价的参考。后续工作需要开展田间验证并深入揭示其耐盐生理与分子机制，以推动耐盐洋葱品种的选育，应对土壤盐渍化挑战，保障农业可持续发展。