摘要：通过对中华鳖Trionyx sinensis洞庭(DT)、黄河(HH)、黄沙(HS)、日本(RB)以及绿卡(LK)(洞庭与黄河杂交子代,DT♀×HH♂)5个不同群体16项生物学外部形态性状的测量,采用多元分析方法对其进行比较分析。聚类分析结果表明,绿卡与其母本洞庭群体先聚合,然后再与其父本黄河群体聚为一支,而黄沙和日本群体另外聚为一支,然后两支再汇聚;主成分分析得到了2个主成分,其贡献率分别为51.93%和11.02%,累计贡献率达62.95%;在16个测量参数中挑选9个对判别贡献较大的参数建立5个群体的判别函数,判别准确率为61.7% ～89.5%,判别分析结果也显示,中华鳖5个不同群体分为两大支。
关键词：中华鳖;群体;形态差异;多元分析
中华鳖Trionyx sinensis隶属于爬行纲Repitlia、龟鳖目 Tesmdinata、鳖科 Trionychidae、鳖属 Trionyx,俗称团鱼、甲鱼、王八、脚鱼、水鱼等。国内除西藏、青海和新疆外,其他地区均有分布,以长江流域和华南地区为多见[1];国外主要分布于朝鲜、日本和越南[2]。中华鳖虽然没有明显的亚种分化,但存在着很多地理群体,如长江流域的洞庭群体,黄河流域的黄河群体,珠江流域的广西黄沙群体等。由于近年来中华鳖养殖业迅猛发展,中华鳖引种频繁,导致种群混杂,其种质多样性逐渐被人为磨灭。外部形态是种质资源鉴定最简单直观的重要方法之一[3]。
多元统计分析是从经典统计学中发展起来的一个分支,是一种综合分析方法,它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律。其中聚类分析是把没有分类信息的资料按相似程度归类;而判别分析是从已知的分类情况中总结规律;主成分分析的目的是浓缩数据,使数据化简,从而简化问题或发现事物的内在联系[4]。形态性状的多元分析被广泛应用于鱼类物种确认[3,5]、 种群变异[6-7]、 性别差异[8]等研究方面。在龟鳖动物中,有关此方面的报道还不多[9],仅见李思发等[10]对华东地区中华鳖地方群体的形态差异进行了初步研究;朱新平等[11]对黄喉拟水龟的生长及形态差异进行了分析。本研究中,作者利用多元分析方法对中华鳖5个不同地理群体的形态差异进行了分析研究,旨在为中华鳖种质资源的保护和种质改良提供科学依据。
1.1 材料
中华鳖洞庭(DT)、黄河(HH)、绿卡(LK)和日本(RB)种群样本由广东绿卡实业有限公司(国家级中华鳖良种场)提供,其中洞庭鳖和黄河鳖分别取自长江水系的常德汉寿省级龟鳖良种场和黄河水系的省级中华鳖良种场,已根据良种选育路线分别选育至第5代和第3代;日本鳖取自杭州市龟鳖类国家级良种场(1997年从日本福岗引进原种),在绿卡公司进行保种;绿卡鳖是洞庭鳖和黄河鳖的杂交鳖,已选育3代。黄沙(HS)种群由广西桂平金田镇黄沙鳖养殖协会提供。样本具体信息见表1。
表1 中华鳖5个不同群体样本的信息
Tab.1 Sampes of Chinese soft shell turtle
种群population样本数/尾sampling number雌(雄)/尾female(male)平均体质量/kg average body weight采样地点sampling location采样日期sampling date洞庭DT 60 30(30) 1.505±0.48 广东绿卡2010-08-25黄河HH 60 31(29) 1.799±0.40 广东绿卡 2010-08-25绿卡LK 60 30(30) 1.567±0.32 广东绿卡 2010-08-25黄沙HS 38 26(12) 2.304±0.96 广西桂平金田镇 2011-11-07日本RB 49 30(19) 1.412±0.43 广东绿卡2011-12-26
1.2 方法
本研究中对中华鳖5个不同群体的16项形态数据进行了测量,包括体质量、背甲长、背甲宽、体高、后侧裙边宽、吻长、吻突长、吻突宽、眼间距、腹甲长、腹甲宽、前肢长、后肢长、尾长、头宽、头长[10]。长度测量采用游标卡尺(精确度为0.1 mm),体质量测量采用电子天平(精确度为0.001 kg),测量方法参考中华鳖国家标准(GB 21044-2007)[12]。
1.3 数据处理
为消除个体大小差异对各项参数的影响,故将各项参数转化为性状比例参数进行矫正,除体质量以外的15项数据均以背甲长为基数,得到14项比例参数,取自然对数后,用SPSS 17.0进行聚类分析、主成分分析和判别分析。
1.3.1 聚类分析 聚类的数据要先算出各个群体数据处理后的平均值,然后使用 SPSS 17.0中的Analyze—C1assify—Hierarchical—Cluster对 5个群体进行聚类分析。
1.3.2 主成分分析 使用SPSS 17.0软件对中华鳖5个群体的形态特征数据进行主成分分析,得到各主成分特征值和贡献率,根据各个主成分的得分绘制主成分的散布图。
1.3.3 判别分析 使用SPSS 17.0中的Analyze—Classify—Discriminant Analysis进行判别分析,得到贝叶斯判别方程和判别准确率。
2.1 聚类分析
根据中华鳖样本的形态数据分析,洞庭、黄河、绿卡、黄沙和日本5个群体的形态比例参数聚类图见图1。从图1可见:5个不同群体分为两支,绿卡与其母本洞庭群体先聚合,然后再与其父本黄河群体聚为1支;而黄沙和日本群体聚为另外1支。从图中的距离可以看出,洞庭、黄河、绿卡群体的距离比较近,而黄沙和日本群体的距离相对比较远。
图1 中华鳖5个不同群体的形态聚类图
Fig.1 Morphological cluster plot of five populations of soft shell turtle
2.2 主成分分析
对中华鳖5个不同群体的形态数据进行主成分分析,共获得2个主成分,KMO(Kaiser-Meyer-Olkin)值为 0.915,非常适合于进行主成分分析[10]。主成分综合指标分析结果见表2。2个主成分的方差贡献率分别为51.93%和11.02%,对变异的累积贡献率达62.95%。第1主成分抽提各项数据比较充分,能反映中华鳖整个形态的变化,第2主成分在体高/背甲长、后侧裙边宽/背甲长和尾长/背甲长上载荷值比较大,主要反映了中华鳖的背部隆起、裙边宽和尾部的形态变化。
表2 中华鳖5个不同群体的主成分载荷矩阵以及主成分对总变异的贡献率
Tab.2 Components matrix and contribution of principal components to total variance for five populations of soft shell turtle
性状比例参数proportion in characters主成分principal component 1 2背甲宽/背甲长carapace width/carapace length 0.830 0.199腹甲长/背甲长plastron length/carapace length 0.869 -0.181腹甲宽/背甲长plastron width/carapace length 0.797 0.082体高/背甲长shell height/carapace length 0.667 -0.411后侧裙边宽/背甲长back apron width/carapace length -0.577 0.483吻长/背甲长snout length/carapace length 0.862 -0.032吻突长/背甲长protuberant snout length/carapace length 0.352 -0.161吻突宽/背甲长protuberant snout width/carapace length 0.412 -0.032眼间距/背甲长interorbital distance/carapace length 0.827 -0.021前肢长/背甲长forward leg length/carapace length 0.736 0.340后肢长/背甲长backward leg length/carapace length 0.880 0.179尾长/背甲长tail length/carapace length 0.109 0.924
运用2个主成分制作简单散点图,如图2所示。从图2可见:洞庭、黄河和绿卡群体重叠在一起,而黄沙和日本群体重叠在一起,明显被分为两个部分;每个群体的个体都明显有两个聚集区域,但两个区域都存在雌雄个体。
图2 中华鳖5个不同群体主成分分析二维散点图
Fig.2 Two dimension scatter diagram of principle component analysis for five populations of soft shell turtle
2.3 判别分析
从判别分析中得到了贡献最大的9个参数:腹甲长/背甲长、腹甲宽/背甲长、后侧裙边宽/背甲长、吻长/背甲长、吻突长/背甲长、眼间距/背甲长、前肢长/背甲长、后肢长/背甲长和头宽/背甲长,分别记为C1～C9。当判断某个个体的中华鳖属于哪个种群时,将所测数据校正后代入方程,计算结果最大的即为所属。构建的贝叶斯判别方程如下:
洞庭鳖
黄河鳖
绿卡鳖
黄沙鳖
日本鳖
根据上面各个种群的判别公式,对试验各组中华鳖进行判别,得到判别结果见表3。由普通判别部分可知,5个不同种群的判别准确率为61.7% ～89.5%,平均为73.8%,其中洞庭、黄河和绿卡群体的错判比较高,黄沙和日本群体的错判比较低。
表3 对中华鳖5个不同群体的判别结果
Tab.3 The discriminant analysis of five populations of soft shell turtle 尾
项目item 种群population 洞庭DT 黄河HH 绿卡LK 黄沙HS 日本RB 合计total洞庭DT 37 8 15 0 0 60普通判别 黄河HH 3 51 6 0 0 60 ordinary discriminant 绿卡LK 16 11 33 0 0 60黄沙HS 0 0 0 34 4 38日本RB 0 0 0 7 42 49判别正确的尾数discriminant accuracy number 37 51 33 34 42判别准确率discriminant accuracy rate/% 61.7 85.0 55.0 89.5 85.7 73.8洞庭DT 36 8 16 0 0 60交互验证 黄河HH 3 51 6 0 0 60 interaction validation 绿卡LK 16 12 31 1 0 60黄沙HS 0 0 0 33 5 38日本RB 0 0 0 7 42 49判别正确的尾数discriminant accuracy number 36 51 31 33 42判别准确率discriminant accuracy rate/% 60.0 85.0 51.7 86.8 85.7 72.3
3.1 中华鳖5个不同群体的形态差异
本研究中对中华鳖5个群体的形态差异进行了分析。从本研究的聚类分析结果可以看出,5个群体明显分为两支,其中洞庭、黄河群体与其杂交子一代绿卡群体距离很近,聚为1支;而黄沙和日本群体聚为另外1支。这与作者对这5个种群进行微卫星分析的结果(另文发表)一致。
从判别分析可以看出,洞庭、黄河和绿卡3个群体之间的错判率比较高,这从另一个侧面反映了3个群体之间的差异比较小,距离比较近,说明绿卡作为杂交子一代与其父母本相似,其中与母本洞庭群体更接近。在5个群体中,黄沙群体的判别准确率最高,说明其形态与其他群体存在相对大的差异。黄沙鳖成鳖体型圆且紧凑、裙边宽厚,从贝叶斯判别公式中C1和C3的系数就可以反映出这些特点,因为这2个系数比其他群体的要大;从体色方面来看,黄沙鳖体色偏黄,背甲花纹明显。主成分分析结果也显示,洞庭、黄河和绿卡3个群体的差异较小,而黄沙和日本群体与它们的偏离较大;从图2上面的散点疏密程度也可以看出,黄沙和日本群体之间的差异程度也大于洞庭、黄河和绿卡三者之间,从聚类分析图上(图1)形态差异的距离长短以及判别分析的判别准确率的大小也可以看出这一点。说明用这3种分析方法得出的结果基本一致。
此外,在主成分分析中,每个群体都有两个聚集区域,但经过对个体的性别进行分析,这种差异并非由性别差异造成,其原因有待进一步研究。
3.2 中华鳖的种质资源与良种选育
通过分析形态差异来进行生物种质资源评估、保护以及品种改良的研究较多[13-20]。形态差异是物种生物多样性最直观的体现,本研究中,通过分析5个不同群体的形态差异来对中华鳖的种质资源进行评估,进而提供保护依据。形态分析结果显示,取自不同流域的中华鳖群体存在较大的形态差异,表明中华鳖的种质资源还是比较丰富的。形态差异受遗传和环境的影响,在环境条件一致的情况下,形态方面的差异是良种选育的重要指标之一,如裙边的宽厚度、前后肢的长短等都是要考虑的指标。聚类分析、主成分分析、判别分析以及微卫星分子标记分析的结果显示了中华鳖各个种群之间的形态差异及遗传距离,这就更好地为从表型方面对中华鳖进行良种选育提供了方向。主成分分析提供了形态指标主成分贡献的大小,从这些指标可以考虑良种选育中的着重点;判别分析提供了贝叶斯判别公式,从判别公式中变量C(C代表对判别有明显影响的各个形态指标与背甲长的比)的系数大小也可以选择适合的选育方案。形态分析结合分子标记分析,可以为良种选育提供一个很好的依据。
参考文献：
[1]王培潮.中国的龟鳖[M].上海:华东师范大学出版社,2000: 50-56.
[2]杨渡远,唐大由,刘顺元,等.中国龟鳖类原色图谱[M].广州:广东经济出版社,1997:48.
[3]Eisenhour D J.Systematics of Macrhybopsis tetranema(Cypriniforms;Cyprinidae)[J].Copeia,1999(4):969-980.
[4]张文彤.SPSS 11统计分析教程高级篇[M].北京:北京希望电子出版社,2002:192.
[5]Golubtsov A S,Berendzen P B.Morphological evidence for the occurrence of two electric catfish(Matapterurus)species in the White Nile and Omo-Turkana systems(East Africa)[J].J Fish Bio,1999,55(3):492-505.
[6]Gibson A R,Baker A J,Moeed P.Morphometric variation in introduced populations of the common myna(Aeridotheres tristis):An application of the jackknife to principal component analysis[J]. Syst Zool,1984,33(4):408-421.
[7]Voss R S,Marcus L F,Escalante P.Morphological evolution in muroid rodents:I.Conservative patterns of craniumetric covariance and their ontogenetic basis in the Neotropical genus Zygodontomys [J].Evolution,1990,44(6):156-158.
[8]Somers K M.Multivariate allometry and removeal of size with principal components analysis[J].Syst Zool,1986,35(3):359-368.
[9]黄丽英,何中央,丁诗华,等.中华鳖种质资源的研究现状及保护、利用对策[J].宁波大学学报,2005,18(2):184-186.
[10]李思发,李晨虹,吕国庆,等.华东地区中华鳖地方群体形态差异初步研究[J].中国水产科学,1997,4(5):1-7.
[11]朱新平,陈永乐,魏成清,等.黄喉拟水龟雌、雄生长及形态差异[J].中国水产科学,2003,10(5):435-436.
[12]张轩杰,刘筠,周工健,等.中华鳖国家标准GB 21044-2007 [S].北京:中国标准出版社,2007.
[13]潘德博,陈昆慈,朱新平,等.黄喉拟水龟(♀)与三线闭壳龟(♂)杂交后代的形态特征及其与父母本的比较研究[J].水生生物学报,2009,33(4):621-626.
[14]王伟,陈立侨,顾志敏,等.7个不同翘嘴红鲌群体的形态差异分析[J].淡水渔业,2007,37(3):41-44.
[15]高天翔,孙希福,宋娜.斑尾复鰕虎鱼群体的形态学比较[J].中国海洋大学学报,2009,39(1):35-42.
[16]明俊超,董在杰,梁政远,等.6个不同鲤群体的形态差异分析[J].广东海洋大学学报,2009,29(6):2-6.
[17]李斌,何俊锋,区小玲,等.广西和广东地区施氏獭蛤3个自然群体的形态差异和遗传多样性分析[J].大连海洋大学学报,2011,26(5):414-421.
[18]丁文超,李明云,管丹冬,等.大黄鱼4个家系的形态差异分析[J].宁波大学学报,2009,22(2):186-190.
[19]练青平,宓国强,胡廷尖,等.唇鱼骨、花鱼骨及其杂交F1的形态差异分析[J].大连海洋大学学报,2011,26(6):493-499.
[20]霍堂斌,袁美云,马波,等.白斑狗鱼与黑斑狗鱼的形态差异与判别分析[J].大连海洋大学学报,2011,26(3):253-259.
Morphological analysis of five populations of soft shell turtle Trionyx sinensis
Abstract：In this paper,16 morphometric parameters were measured in five populations of soft shell turtle Trionyx sinensis,including Dongting(DT),Yellow River(HH),Huangsha(HS),Japan(RB)and Luka(LK,the hybrid of DT♀and HH♂),and analyzed using multiple regression.Multivariate analysis revealed that the DT,HH, and LK populations were grouped in one cluster,while the HS and RB population were grouped in another cluster. According to principal component analysis,the extracted two components with contribution of 51.93% and 11.02%interpreted 62.95%of the total variation,and the HS and RB populations were separated from the other three populations.In discriminant analysis,9 out of 16 parameters were selected to establish discriminant formulae for the five populations,with the discriminant accuracy of 61.7%-89.5%.The discriminant analysis also revealed two major clusters in the five populations of soft shell turtle.
Key words：Trionyx sinensis;population;morphological variation;discriminant analysis
中图分类号：S941.4;Q959.483
文献标志码：A
收稿日期：2012-06-25
基金项目：国家农业科技成果转化资金资助项目(2011GB23260021);中国水产科学研究院院级基本科研业务费专项(2012A0403);广州市珠江科技新星专项(2012J2200091)
文章编号：2095-1388(2013)02-0174-05