# 中文标题 面包小麦全麦粉流变学性能的多环境分析——基于Mixolab? 2参数与基因型稳定性评价

《Foods》：Rheological Performance of Wholemeal Flour from Bread Wheat Under Contrasting Agro-Ecological Conditions: A Multi-Environment Analysis of Mixolab? 2 Parameters and Genotypic Stability

　　

# 摘要翻译

面包小麦的技术品质受到基因型、环境及其互作（G × E）的共同影响。尽管Mixolab?（混合实验仪）已被用于表征小麦基因型间的流变学变异，但其与稳定性分析相结合在摩洛哥多环境试验中的应用仍然有限。本研究使用来自摩洛哥三个不同农业生态区的13个面包小麦品种的全麦粉（wholemeal flour），评估了流变学变异性和相对稳定性。在固定水合水平60%的条件下——而非标准ICC 173（国际谷物化学协会第173号方法）程序中所用的样品特异性水合——测量了9个Mixolab? 2参数（C1–C5、α、β、γ和混合稳定时间）。采用双因素方差分析（two-way ANOVA）、基于REML（限制性最大似然法，Restricted Maximum Likelihood）的BLUP（最佳线性无偏预测，Best Linear Unbiased Prediction）、主成分分析（PCA，Principal Component Analysis）以及环境间稳定性指数来评价品种表现和相对稳定性。对所有参数均观察到基因型、环境和G × E的极显著效应（p < 0.001）。在固定水合条件下，观察到的响应可能反映了在相同水分水平下面粉组成、水结合特性以及面团发育的差异。环境贡献对α和混合稳定时间最大，而基因型相关贡献对C4和C5最大。前两个主成分解释了总变异量的72.6%，并在固定水合条件下确定了三个流变学组：低稠度基因型、具有平衡流变学特征的品种以及淀粉导向型基因型。在三个环境、单季的网络中，Kenz、Najia、Khadija、Malika和Ibtissam表现出最低的环境间变异，而Lina和Irchad表现出最大的变异。这些排序在标准ICC 173样品特异性水合程序下是否保持一致尚不清楚。这些结果说明了将Mixolab? 2参数与混合模型和稳定性分析相结合，在固定水合条件下表征流变学模式的潜力。在做出广泛适应性或特定环境推荐之前，还需要更多的环境和种植季节数据。

# 论文解读

## 一、研究背景与问题

面包小麦（Triticum aestivum L.）是全球最重要的谷类作物之一，对全球粮食安全和农产品加工业具有重要贡献。小麦面粉技术品质是决定加工性能和最终产品品质的关键因素，受到遗传因素和环境因素之间复杂相互作用的共同调控。快速、准确的流变学方法能够有效评估面粉品质，对于制粉和烘焙工业而言，确定小麦面粉的流变学和热特性是一项重大挑战。

Mixolab? 2（混合实验仪）是一种能够在单一分析过程中记录面团在搅拌、加热和冷却阶段稠度变化的仪器，可提供关于蛋白质弱化、淀粉糊化、淀粉酶活性和淀粉回生等方面的间接信息。该仪器生成的复合曲线由9个参数表征（C1–C5、稳定时间、α、β和γ），分别描述面团稳定性以及与蛋白质弱化、淀粉糊化、淀粉酶活性和淀粉回生相关的扭矩变化。

然而，环境变异对这些流变学参数的影响仍未得到充分表征。这主要归因于基因型×环境互作（G × E），即基因型在不同环境条件下表型表达的变化。近期研究表明，环境效应可占某些品质性状总表型方差的65%，这凸显了开展多环境评价的必要性。尽管已有研究在不同基因型和实验或气候条件下评估了Mixolab?参数，包括对印度小麦品种的研究、意大利的田间研究以及对硬粒小麦流变学的综述，但在摩洛哥多环境试验中，将这些参数与基于BLUP的预测和覆盖全部9个Mixolab? 2参数的明确稳定性分析相结合的研究仍十分有限。这一方法学空白限制了流变学数据在育种计划中的有效整合，削弱了其在多样化环境条件下预测品质表现的效用。

摩洛哥拥有从半干旱低地到湿润山区的多样化农业生态梯度，为研究此类互作对小麦流变学性状的影响提供了一个具有代表性的模型系统，对类似地中海和半干旱环境中的未来小麦品质研究具有潜在参考价值。

## 二、研究目的与意义

本研究旨在对面包小麦进行区域性多环境流变学表征，综合运用方差分析（ANOVA）、混合线性模型、BLUP和多变量分析。研究人员提出两个假设：（1）在固定水合条件下，淀粉相关参数C3、C4和C5的基因型相关变异贡献将大于C1、C2和稳定时间，而后者将表现出更大的环境敏感性；（2）在评估的环境网络中，表现出较低环境间变异的品种将展现更稳定的方案依赖性流变学特征。研究目标包括：量化9个Mixolab? 2参数的基因型×环境互作效应，识别在固定水合条件下流变学响应相对稳定的品种，并评估这些参数在不同种植条件下进行初步的小麦品质比较的潜力。

## 三、关键技术方法

本研究选用13个摩洛哥面包小麦品种（包括Kenz、Najia、Khadija、Malika、Ibtissam、Lina、Irchad、Snina、Bandera、Achtar、Arrehane、Faiza和V21），在2023/2024种植季于摩洛哥国家农业研究所（INRA）的三个试验站——Sidi El Aydi（SEA，半干旱低地）、Merchouch（MCH，半干旱低地）和Annoceur（ANN，湿润山区）——开展田间试验，采用随机完全区组设计（RCBD），每个地点设三次重复。小麦籽粒经Cyclone Sample Mill（配备0.5 mm筛网）粉碎为全麦粉，未进行麸皮、胚芽和胚乳组分的后续筛分。流变学分析采用Mixolab? 2仪器，遵循ICC Method 173的搅拌和温度曲线，但所有样品均在固定水合水平60%（以14%水分基础计）下进行分析，而非调整水合以达到标准C1扭矩1.10 N·m。统计分析在R 4.4.2中进行，采用双因素方差分析评估基因型、环境及G × E效应，利用REML估计方差分量和BLUP值，通过主成分分析（PCA）和Ward法层次聚类进行多变量分析，并以标准化G × E BLUP的极差作为环境间稳定性指标。

## 四、研究结果

### 3.1 基因型、环境和基因型×环境效应

联合方差分析（ANOVA）显示，基因型（G）、环境（E）和基因型×环境互作（G × E）对所有9个Mixolab?参数均具有极显著影响（p < 0.001），但各因素的相对贡献因参数而异。基于校正总平方和的贡献百分比，基因型对C3（32.1%）、C4（35.2%）和C5（43.8%）贡献最大；环境对面团稳定时间（33.8%）和α斜率（42.1%）贡献最大；G × E则是C1（32.3%）、C2（29.3%）、β（50.8%）和γ（38.3%）的主要变异来源。在试验站层面，MCH表现出最高的平均C1、C2和C5响应但稳定时间最短，表明固定水合条件下初始和最终面团稠度较高但搅拌耐受性较低；SEA表现出最长的稳定时间以及最高的平均C4和β响应；ANN则表现出最低的平均C1、C2、C4和C5响应，尽管其平均C3值略高于MCH和SEA。品种对比进一步表明，Mixolab?参数在各环境中并非一致响应：例如在MCH，Lina同时表现出最高C1和C5响应与最短稳定时间；在SEA，Snina表现出最高C3–C5响应；在ANN，Irchad表现出最高C1响应与最低C3–C5响应。

### 3.2 流变学参数之间的关系

Pearson相关分析揭示了Mixolab? 2参数之间的显著关系。在固定水合条件下，C1与C2呈正相关（r = 0.72，p < 0.001），表明初始面团稠度较高的样品在加热过程中通常保持较高扭矩。淀粉相关参数C3、C4和C5彼此之间呈正相关（r = 0.40–0.76，p < 0.001），反映了淀粉糊化、热凝胶稳定性和回生之间的相互依赖性。C1与α呈显著负相关（r = ?0.66，p < 0.001），C2与α也呈负相关（r = ?0.60，p < 0.001），表明C1和C2扭矩较高的样品也倾向于呈现更陡的蛋白质弱化斜率。稳定时间与α（r = 0.37，p < 0.001）和β（r = 0.31，p < 0.001）呈正相关，其中与α的正相关表明较长搅拌稳定性伴随较小的α绝对值，即较慢的蛋白质弱化速率。

### 3.3 基因型表现和基因型×环境响应

基因型表现通过基因型BLUP（BLUP-G）估计。各基因型在所有Mixolab?参数上的BLUP-G值存在差异，稳定时间（3.60单位）和C5（1.02单位）的范围最大。Lina在C1（+0.195）和C2（+0.040）上显示正BLUP值，表明在应用方案下具有较高的相对扭矩响应，但其稳定时间BLUP为负值（?1.328），表明固定水合条件下的相对搅拌稳定性较低。Snina在淀粉相关参数上显示正BLUP值（C3 = +0.235，C4 = +0.256，C5 = +0.457），而Irchad则显示负BLUP值（C3 = ?0.087，C4 = ?0.202，C5 = ?0.558）。稳定时间BLUP方面，Ibtissam（+1.789）和Achtar（+1.305）最高，Kenz（?1.811）和Lina（?1.328）最低。交互作用BLUP（G × E）分析揭示了围绕零值的大幅偏差：C1范围从?0.57（Bandera–SEA）到+1.26（Lina–MCH），C5范围从?1.52（Irchad–ANN）到+0.78（Lina–MCH），稳定时间范围从?1.58（Bandera–ANN）到+0.91（Ibtissam–MCH）。这些变异表明各环境存在特异性的偏离总体基因型响应的模式。

### 3.4 主成分分析和品种聚类

主成分分析（PCA）解释了总方差的72.6%（PC1 = 40.9%，PC2 = 31.65%）。在双标图中，C1和α向量指向右下方象限，稳定时间和β向量指向左上方象限，C3–C5和γ向量指向左下方象限。试验站质心呈现对比鲜明的多变量特征：ANN和SEA位于PC2正值侧，更接近稳定时间和β向量；MCH位于右下方象限，更接近C1和α向量且与稳定时间向量方向相反。品种在双标图中的分布反映了其相对多变量特征：Irchad和Snina位于双标图上部，主要沿PC2与其他品种分离；Arrehane在左下方象限表现出较高的C3–C5和γ响应；Lina和Malika位于右下方象限，表现出较高稠度但较低稳定性响应；Ibtissam、Najia、Achtar、Khadija、Bandera和V21靠近PCA原点。

层次聚类分析揭示了三组明确的品种类别。聚类1（Achtar和Bandera）：平均C1值为1.566 N·m，C2和C3平均值最低，Mixolab?稳定时间平均为6.57分钟，C4和C5值较低，反映了较低的初始搅拌、蛋白质弱化和淀粉糊化扭矩响应。聚类2（Arrehane、Faiza、Irchad、Kenz、Khadija、Lina、Malika、Najia和V21）：显示出最高的平均C1和C2值、中等的C3–C5值以及最低的Mixolab?稳定时间，表明较高的初始和蛋白质弱化扭矩值但较低的搅拌稳定性。聚类3（Ibtissam和Snina）：显示出最高的C3、C4、C5、β、γ和Mixolab?稳定时间值，与淀粉糊化、加热和冷却过程中较高的扭矩响应一致。

### 3.5 品种的环境间稳定性

基于标准化G × E BLUP极差的环境间稳定性分析揭示了品种之间对比鲜明的流变学响应模式。Kenz、Najia、Khadija、Malika和Ibtissam具有最低的平均宽度值，表明在评估的固定水合数据集中具有相对较小的环境间变异。Kenz（0.402）、Najia（0.412）和Khadija（0.423）在该初步排序中占据前三位。相比之下，Faiza、V21、Bandera、Lina和Irchad具有较高的平均宽度值和最大宽度值，Lina（1.305）和Irchad（1.365）表现出最大的环境间变异。Achtar、Snina和Arrehane显示中等水平的变异。由于评估仅限于单一季节的三个环境，这些排序应被视为初步结果，不应解释为广泛适应性的确切证据。

### 3.6 研究局限性和未来展望

本研究存在若干局限性：首先，评估仅涵盖一个种植季（2023/2024），地点效应无法与该季节的特定地点条件分离，观测到的基因型及G × E响应的时序可重复性无法评估。其次，仅三个环境被评估，限制了G × E方差分量估计的精度和稳定性结果的更广泛推广。第三，固定60%水合方案不同于标准ICC 173程序，因此本研究的绝对值无法与采用标准可变水合程序发表的Mixolab?数据集直接比较；由于相同样品未在两种水合条件下同时测试，无法确定基因型排序在样品特异性水合下是否保持一致。第四，缺乏补充的生化与品质测量数据，包括面粉蛋白质含量、湿面筋、谷蛋白/醇溶蛋白组成、SDS沉降值、破损淀粉、降落数值、直链淀粉含量和α-淀粉酶活性。第五，虽然田间试验采用随机完全区组设计，但区组标识未保留在流变学数据集中，区组效应未被独立估计。此外，所有测量均在全麦粉上进行，全麦粉保留了麸皮和胚芽组分，这些组分可影响水分分布和吸收、干扰面筋网络发育并改变Mixolab?加热-冷却周期中的淀粉和酶响应。

## 五、讨论总结

本研究表明，在固定水合条件下，所有9个Mixolab? 2参数均受到基因型、环境及其互作的显著影响，证实了其在该评估环境网络中的响应性。淀粉相关参数（C3、C4和C5）显示出较大的基因型相关变异贡献，支持了研究人员的第一个假设；而α和稳定时间则表现出更大的环境敏感性，同样与假设一致。品种在环境间变异方面的差异——Kenz、Najia和Khadija表现出较低变异，Lina和Irchad表现出较高变异——为固定水合条件下品种间相对稳定性的初步描述提供了依据，支持了第二个假设。然而，作者明确指出，由于评估仅限于三个环境和单一季节，且采用非标准水合方案，这些排序不应被解释为广泛适应性证据或用于制定特定环境的品种推荐。该研究建立的多环境分析框架成功地将Mixolab? 2参数与混合线性模型和多元分析相结合，为固定水合条件下的小麦品质初步比较提供了方法学参考，但向标准程序和更广泛环境网络的拓展仍是必要的后续工作。

## 六、研究结论

在固定60%水合方案下，所有9个Mixolab? 2参数均受到基因型（G）、环境（E）及其互作（G × E）的显著影响（p < 0.001），证实了其在该评估环境网络中的响应性。基于对校正总平方和的贡献，环境对α（42.1%）和面团稳定时间（33.8%）尤为重要，而基因型分别解释了C5变异的43.8%和C4变异的35.2%。G × E互作代表了β变异的50.8%和γ变异的38.3%。Kenz、Najia、Khadija、Malika和Ibtissam在其方案依赖性流变学特征中表现出相对较低的环境间变异，其中Kenz（0.402）、Najia（0.412）和Khadija（0.423）的平均稳定性指数最低。相反，Lina（1.305）和Irchad（1.365）在相同方案下表现出最大的环境间变异。由于相同样品未使用标准ICC 173目标扭矩程序进行评估，这些排序不能视为方案无关的，在样品特异性水合下可能有所不同。鉴于仅在一个种植季中评估了三个环境，这些排序应被视为初步结果，不应单独用于制定广泛或特定环境的品种推荐。此外，从本研究数据无法确定观测到的基因型排序在标准可变水合方案下是否保持一致，因此结果应被解释为特定于本研究所应用的固定水合条件。该多环境分析框架提供了对流变学变异性的探索性描述，并根据共同水合水平下的相对稳定性特征区分了所评估的基因型。将Mixolab? 2参数与混合线性模型和多元分析相结合，可支持固定水合条件下初步的小麦品质比较。未来工作应将此框架拓展至更多环境和种植季节，比较固定水合与标准目标扭矩方案，并开发将面团流变学与最终产品品质更直接关联的预测指标。