《Journal of Food Composition and Analysis》：Genotypic variation and stability analysis for key minerals in diverse germplasm of Broccoli (
Brassica oleracea var.
italica Plenck)
编辑推荐：
西兰花（Brassica oleracea var. italica Plenck）是十字花科（Brassicaceae）中一种重要的蔬菜作物，因其富含维生素、膳食纤维、硫代葡萄糖苷（glucosinolates）、抗氧化剂、类黄酮、酚类物质和矿物质而具有显著
西兰花（Brassica oleracea var. italica Plenck）是十字花科（Brassicaceae）中一种重要的蔬菜作物，因其富含维生素、膳食纤维、硫代葡萄糖苷（glucosinolates）、抗氧化剂、类黄酮、酚类物质和矿物质而具有显著的营养价值和健康益处。矿物质在维持生物体结构和功能完整性方面发挥关键作用，其中钙（Ca）、铁（Fe）、锰（Mn）和锌（Zn）是最为重要的宏量与微量元素。本研究在印度喜马偕尔邦Katrain的ICAR–印度农业研究所（IARI）区域试验站，于2024–25（S1）和2025–26（S2）两个Rabi生长季节，对100份西兰花基因型（包括21份CMS系、39份双单倍体系、37份自交系及3份标准对照品种）的矿物质含量进行了系统评估。研究人员采用原子吸收分光光度法（AAS）对钙、铁、锰和锌四种矿物质进行定量分析，并通过增广随机完全区组设计（Augmented Block Design）进行统计分析。研究结果显示，西兰花基因型在钙、铁、锰和锌含量方面表现出广泛的变异；钙在两个评估季节间表现出较强的一致性（r=0.98，P<0.001）。遗传参数分析表明，所有矿物质性状的广义遗传力（broad-sense heritability，H2）均较高，介于99.6%至100.0%之间。主成分分析（PCA）显示前两个主成分共解释了总变异的50.00%。稳定性分析（Wricke's Ecovalence，Wi2）鉴定出各矿物质性状的稳定基因型。综合多性状评分显示，KTB 42在所有基因型中综合矿物质得分最高。基质加标回收实验证实了AAS对四种矿物质定量分析的可靠性，平均回收率在89.46%至104.13%之间。研究结论认为，KTB 42、KTB 33、KTBDH 12、KTB 18A和KTB 12被鉴定为具有良好矿物质积累潜力的优良种质，可为未来西兰花生物强化育种和营养改良计划提供重要的遗传资源。
一、研究背景与意义
西兰花（Brassica oleracea var. italica Plenck）作为十字花科（Brassicaceae）家族的重要蔬菜作物，因其富含维生素、膳食纤维、硫代葡萄糖苷（glucosinolates）、抗氧化剂、类黄酮、酚类物质及矿物质而具有突出的营养价值和健康益处。近年来，随着消费者对蔬菜营养与健康功能认知的不断提升，西兰花及其他芸苔属作物的市场需求显著增长。大量研究表明，经常食用西兰花有助于降低心血管疾病、癌症、氧化应激和II型糖尿病等慢性疾病的发病风险。矿物质在维持生物体结构和功能完整性方面发挥着不可替代的作用：钙（Ca）是骨骼结构发育和维持所必需的；铁（Fe）在体内氧运输、能量产生和代谢中至关重要；锌（Zn）参与基因表达调控、蛋白质合成、免疫应答和细胞信号传导等多重生理过程；锰（Mn）则是植物光合作用、氮代谢及其他代谢过程中多种酶的关键辅因子和激活剂。铁和锌等微量元素缺乏是人类最常见的营养障碍之一，在发展中国家尤为突出，被称为"隐性饥饿"。尽管矿物质谱分析已成为评估蔬菜营养品质和筛选富营养基因型的重要方法，但在印度农业气候条件下，针对大规模多样化西兰花种质中钙、铁、锰和锌的遗传变异及积累模式的综合评价仍然匮乏。因此，开展本项研究对于鉴定营养优良基因型、指导未来生物强化育种策略和促进可持续营养安全具有重要意义。
二、研究内容与主要结论
研究人员在印度喜马偕尔邦Katrain的ICAR–印度农业研究所（IARI）区域试验站，于2024–25（S1）和2025–26（S2）两个Rabi生长季节，对100份西兰花基因型（包括21份CMS系、39份双单倍体系、37份自交系及3份标准对照品种：Palam Samridhi、Pusa Broccoli KTS-1和Palam Vichitra）的矿物质含量进行了系统评估。实验采用增广随机完全区组设计（Augmented Block Design），共设10个区组，每个区组包含10份不重复的测试基因型和3份重复对照品种。每份基因型种植6株，株行距为45×45 cm，在统一的农艺管理条件下进行。研究结果表明，西兰花基因型在钙、铁、锰和锌含量方面表现出广泛的基因型变异，钙含量范围为2.15至9.92 mg g?1，铁为0.02至0.058 mg g?1，锰为0.01至0.09 mg g?1，锌为0.01至0.10 mg g?1（均以干重DW计）。钙在两个评估季节间表现出极强的一致性（r=0.98，P<0.001），锌的季节间相关性也较高（r=0.75，P<0.001）。综合多性状评分显示，KTB 42在所有基因型中综合矿物质得分最高，其次为KTB 33、KTBDH 12、KTB 12和KTB 18A。这些优良基因型的鉴定为西兰花生物强化育种提供了重要的遗传资源。
三、关键技术与方法
本研究采用了以下几项关键技术方法：原子吸收分光光度法（AAS，Atomic Absorption Spectrophotometry）（Shimadzu AA-7800）用于钙、铁、锰和锌四种矿物质的定量分析，采用湿法消解（wet digestion）技术，使用硝酸（HNO?）和高氯酸（HClO?）按3:1（v/v）比例进行样品前处理；增广随机完全区组设计（Augmented Block Design）用于大规模基因型的高效评估，以重复对照品种估算实验误差并校正区组效应；基质加标回收实验（matrix-spike recovery experiment）在五个浓度水平验证了AAS定量分析的可靠性；遗传参数估计采用Burton和DeVane（1953）及Johnson等（1955）的方法计算基因型变异系数（GCV）、表型变异系数（PCV）、广义遗传力（H2）和遗传进度占均值百分比（GG）；主成分分析（PCA）使用"FactoMineR"和"factoextra"包；层次聚类采用欧氏距离和Ward最小方差（Ward.D2）连接法；稳定性分析采用Wricke's Ecovalence（Wi2）方法，通过R软件中metan包的ecovalence()函数实现；综合多性状评分基于八个矿物质性状的Z-score标准化值计算。所有统计分析均在R软件4.6.0版本中完成。
四、研究结果
4.1 方差分析、描述统计和频率分布：季节性和合并方差分析显示，基因型、环境和基因型×环境互作对钙、铁、锰和锌含量均存在极显著差异（P≤0.001），表明矿物质积累受遗传和环境因素共同影响。描述统计显示，钙在S2季节的平均含量（6.184±0.220 SEM mg g?1 DW）高于S1季节（5.514±0.174 SEM mg g?1 DW）；铁从S1的0.029±0.001增至S2的0.034±0.001 mg g?1 DW；锰从0.035±0.001增至0.038±0.001 mg g?1 DW；而锌则从S1的0.045±0.002降至S2的0.041±0.001 mg g?1 DW。频率分布直方图显示所有矿物质性状均呈连续变异，其中钙和锌的分布范围较宽，表明基因型间存在显著的表型变异。
4.2 分析回收率验证：基质加标回收实验在五个浓度水平进行，平均回收率分别为：钙92.59–99.99%、铁89.46–100.04%、锰95.13–104.13%、锌91.37–99.31%，相对标准偏差（RSD）范围为1.26%至7.77%，证实了AAS定量分析的可靠性。
4.3 遗传参数：所有矿物质性状的表型变异系数（PCV）均略高于基因型变异系数（GCV），两者差异较小，表明大部分表型变异源于遗传差异。铁在S1季节表现出最高的变异性（GCV=48.30%，PCV=48.33%），锌在S2季节变异性最高（GCV=45.92%，PCV=45.98%）。广义遗传力（H2）在所有性状中均极高，范围为99.6%至100.0%。遗传进度占均值百分比（GG）以铁最高（S1为99.45%，S2为90.96%），其次为锌（92.84%和94.46%）和钙（91.02%和87.29%）。
4.4 相关性分析：Pearson相关分析显示，钙S1与钙S2呈极显著正相关（r=0.98，P<0.001），锌S1与锌S2也呈显著正相关（r=0.75，P<0.001）。锰S1与锰S2（r=0.43，P<0.001）、铁S1与铁S2（r=0.27，P<0.01）、锰S2与锌S2（r=0.31，P<0.01）以及钙与锌S1（r=0.24，P<0.05）之间也存在显著正相关。其余矿物质间相关性较弱且多不显著。
4.5 主成分分析（PCA）：第一主成分（PC1）解释了总变异的30.94%，第二主成分（PC2）解释了19.06%，两者合计解释了50.00%的总表型变异。钙在两个季节对PC1贡献最大（载荷值分别为0.818和0.821），锌也对PC1有较大贡献；PC2主要受锌（S2）、钙（S1和S2）和锌（S1）影响。
4.6 聚类与基因型多样性距离热图：基于Z-score标准化矿物质性状的层次聚类将基因型分为不同类群。KTB 1、KTB 4、KTB 6和KTB 8等基因型聚在一起，表明其矿物质积累特征相似；而KTBDH 35、KTBDH 29、KTBDH 19和KTBDH 12则位于不同类群，反映出较大的矿物质特征差异。
4.7 稳定性分析：基于Wricke's Ecovalence（Wi2）的稳定性分析显示，钙最稳定的基因型为KTB 42、KTBDH 36、KTB 24A、KTBDH 40和KTBDH 37；铁最稳定的为KTB 29、KTBDH 8、KTB 22、KTB 26和KTB 1A；锰最稳定的为KTB 3A、KTB 8A、KTB 29、KTB 1和KTBDH 15；锌最稳定的为KTB 3A、KTBDH 16、KTBDH 9、KTBDH 40和KTB 6。
4.8 综合多性状评分：综合多性状评分显示KTB 42得分最高（1.18），其次为KTB 33（1.05）、KTBDH 12（0.94）、KTB 12（0.91）和KTB 18A（0.87），表明这些基因型在多种矿物质积累方面具有较好的综合表现。
4.9 矿物质关系网络：矿物质关系网络显示钙S1与钙S2、锌S1与锌S2之间存在强正相关，表明这些矿物质在不同环境中积累稳定；铁S2与锰S1（r=0.37）、锰S2与锌S2（r=0.34）、锌S1与铁S2（r=0.32）之间存在中等程度的正相关；锰与铁之间存在弱负相关。
五、讨论与结论总结
讨论部分指出，矿物质积累是受遗传和环境因素共同影响的复杂性状。GCV与PCV差异较小表明环境对矿物质积累的影响相对有限。高广义遗传力结合高遗传进度表明表型选择对改良矿物质含量有效。钙和锌的季节间强正相关表明这些矿物质在不同环境中表现相对稳定，而其他矿物质间的弱相关性则表明各矿物质的积累相对独立，受不同的生理和遗传机制调控。PCA和层次聚类结果一致表明评估种质中存在广泛的矿物质组成多样性。稳定性分析鉴定出的稳定基因型为未来育种计划提供了有价值的基础，但仅基于两个季节的稳定性估计应视为初步结果，需通过多年多点试验进一步验证。综合多性状评分作为一种有效的初步筛选工具，有助于识别具有均衡矿物质特征的优良基因型。研究结论指出，KTB 42、KTB 33、KTBDH 12、KTB 18A和KTB 12被鉴定为具有良好矿物质积累潜力的优良种质。然而，由于研究仅在单一地点两个生长季节进行，这些基因型尚不能视为已确认的供体亲本或立即可用于品种开发，需通过进一步的多地点、多年份评估，结合农艺性状表现、矿物质生物利用度、营养品质和积累稳定性等方面的综合评价，以验证其在育种和生物强化中的潜力。
