指纹图谱鉴定是作物种质资源保护的重要科学依据。目前我国的作物种质资源指纹图谱基本上还没有绘制。我国主要粮棉油作物种质资源有25万余份，其核心种质为2万余份，要完成这些种质指纹图谱的绘制，工作量非常巨大。因此，必须借助计算机技术，以便迅速识别、分析和研究指纹图谱，建立作物种质资源指纹图谱数据库，为我国作物种质资源的保护及其遗传多样性研究提供新的技术手段。

1 指纹图谱

   DNA指纹图谱是另一类电泳图谱，是目前最先进的遗传标记系统。DNA指纹图谱直接反映种子的遗传物质在DNA分子水平上的差异，其多态性远高于蛋白质指纹图谱。DNA指纹图谱有多种类型，如：RFLP、SSR、AFLP等。AFLP是目前指纹图谱技术中多态性最丰富的一项技术。DNA指纹图谱广泛应用于种质指纹图谱的绘制、遗传连锁图的构建和遗传多样性研究。

图1 GEL的功能描述

图2 GEL指纹图谱的分析过程

2.1 图象预处理

   指纹图谱图象的获得有两种方法：特定的制备指纹图谱的设备可以生成图象文件，或者先将制备好的指纹图谱拍照，再扫描成图象文件。一般情况下，两种方法获得的图象质量较好，图象的分辨率和信噪比较高，因此只需进行简单的图象预处理。系统提供的图象预处理操作有：

   图象旋转：指纹图谱图象有明显的水平、垂直方向，对图象识别非常重要。通过图象旋转，可以将谱带调整为水平，便于指纹图谱的识别。

   颜色变换：有时图象是彩色或黑白颠倒的，需要进行颜色变换。GEL提供了灰度级的线性变换、对数变换和直方图均衡化等功能。

   去除噪声：为了提高图象的视觉质量，提供了邻域平均法、中值滤波、低通滤波及梯度倒数加权平均等去噪声的方法。

2.2 图象识别

  图象识别分四步：样品识别、谱带识别、谱带对齐和谱带标准化

    每一幅指纹图谱图象中含有若干个样品的指纹图谱，每个样品的图谱又有数量不等的谱带。GEL提供两种识别样品边界的方法，分别针对两种具有不同特征的指纹图谱图象。有些指纹图谱图象中，样品有明显的边界，而有些则不然。样品识别算法分三步：识别边界点，将边界点连接成边界，“拉直”样品边界。识别边界点以一维波峰区域检测为基础。“拉直”样品边界是通过平移每一条扫描线上样品区域内的象素点来完成的，平移后，样品中心线成为完全垂直的直线。

    谱带识别与样品识别类似，在样品区域内，垂直扫描图谱图象，识别谱带边界点，然后将边界点连接成谱带边界。用户可以修改图象识别的结果，如修改样品边界、谱带边界及谱带位置。

   谱带对齐是将指纹图谱中位于不同样品但迁移率相近的谱带归为一组的过程，它是谱带标准化、样品比较及聚类分析的基础。谱带对齐是一个很主观的操作。当样品的谱带分布密集的时候，人工对齐这些谱带也是不容易的。谱带对齐的主要依据是相邻样品中谱带的“延伸趋势”，而不仅仅考虑谱带的迁移率。

   图象识别的最后一步是谱带标准化。谱带标准化是一个几何变换，即将图象中弯曲的谱带“拉平”，并拉伸或压缩谱带之间的距离使位于不同图谱图象中的样品具有可比性，以便获得指纹图谱的模式图。

2.3 模式图操作

   模式图是指纹图谱的图形化表示。在模式图中，谱带用不同深浅和宽窄的长方形表示。

   用户可通过不同的方法获得模式图。指纹图谱图象自动识别后生成模式图，用户也能从不同的模式图及样品库中选择样品构成新的模式图。系统提供多种模式图查看方法，如常规方式、数字方式、0-1方式、图象方式以及波形图方式。这些方式有助于各种指纹图谱的分析。样品分析和聚类分析是系统的两个重要操作。用户可选择模式图中的任一样品，与指纹图谱数据库中的所有样品进行比较。比较结果在新的模式图中显示。在该模式图中，系统按相似率从大到小的顺序显示与选定样品最接近的样品名称及其谱带。若选定样品与数据库中的某个样品的相似度大于给定阈值，则认为它们属于同一品种。聚类分析用于分析模式图中所有样品之间的相似度，系统用聚类图表示聚类结果。

2.4 数据库管理

   不同作物的不同类型指纹图谱有独立的指纹图谱数据库。例如，小麦醇溶蛋白指纹图谱与AFLP指纹图谱的样品存放在不同的指纹图谱数据库中。不同数据库中的样品没有可比性。数据库保存品种名称、索引号、谱带信息、标准化后的指纹图谱以及原始指纹图谱图象。系统提供了样品增加、删除、修改、谱带修改等数据库操作。

2.5 参数库管理

   参数库包含两部分内容：样品类型信息和图象识别信息。不同类型的样品有独立的谱带分类参数、标准化参数、显示参数等。不同类型的图谱照片有不同的图象识别参数，它使自动识别该类图象的效果最好，这些参数可由用户通过实际操作获得。 参数库管理用于增加、删除、修改各类参数。

3 结束语

   GEL已对几十张指纹图谱照片进行了识别和分析。小麦专家已用该系统建立了一个有100多个样品小麦主要品种、骨干亲本醇溶蛋白指纹图谱数据库。图3是一个分析结果。数据库中数据的聚类分析结果与样品之间已知的亲缘关系比较吻合。目前正在利用GEL建立水稻、小麦、玉米、大豆、棉花五大作物指纹图谱数据库。GEL具有如下特点：

1. 功能齐全。将指纹图谱自动识别、分析、图谱数据库管理、样品比较等功能

   结合起来，能满足各种指纹图谱分析任务。

(2) 分析和识别与人工方法一致，直观性较好，易于被用户接受。

   GEL有待用更多的指纹图谱照片进行测试，并且还有不足之处。这包括两方面内容，一方面是功能的完善，另一方面是对一些算法的改进。系统使用的所有算法，如谱带识别、对齐等，都是基于数字计算的，如果将人工智能和知识库的方法结合进去或许能得到更好的识别效果。另外，可以建立指纹图谱专业网站，提供指纹图谱图象、指纹图谱数据库以及样品相关数据库信息，促进在Internet上交换、共享、比较指纹图谱信息。(http://www.ebiotrade.com/)

图3 GEL分析结果

参考文献