玉米中較早地開展了飼用特性的NIR定標分析研究。Albsnell等以一個具多年份、多地點的84份秸稈樣品作為定標群體，發展了可以測定玉米秸稈粗蛋白、中性洗滌纖維、酸性洗滌纖維、離體干物質消化率等定標分析模型，其決定系數分別為0.88、0.85、0.90和0.88.Cozzolino等采用含有400個樣品的大群體來進行NIR定標分析，應用改良偏最小二乘法（MPLS）技術建立了測定干物質、粗蛋白、酸性洗滌纖維、中性洗滌纖維和離體有機質消化率的校正模型，其交互驗證標準偏差介于7.7（粗蛋白）~034.3（中性洗滌纖維）之間。用42個樣品進行外部獨立驗證表明，NIR與化學值間的決定系數為0.61（干物質）~0.98（酸性洗滌纖維），預測標準偏差為10.4（粗蛋白）~42.5（干物質）。
在NIR技術用于玉米籽粒品質性狀的分析方面，Campbell等利用NIR透射光譜測定玉米籽粒直鏈淀粉含量（GAC）和淀粉中直鏈淀粉含量（SAC）。該試驗以136個包括有自交系與雜交種籽粒樣品，采用偏最小二乘法（PLS）和人工神經網絡（SNN）分析技術，應用SAC、CSC所發展的NIR透射模型為更佳。因此該技術可用于玉米混雜籽粒的鑒定或在育種中對大量樣品的快速篩選。Bersrdo等利用64個基因型差異大的樣品作為NIR定標群體，分析類胡蘿卜素成分時具有良好的定標效果，其各類成分的定標決定系數范圍為0.82（葉黃素）——0.94（玉米黃質）。魏良明等以128份普通玉米自交系及雜交種的混合籽粒樣品為材料，采用PLS回歸法對紅外反射光譜測定玉米完整籽粒蛋白質、淀粉含量的可行性和方法進行了研究，所建立的蛋白質、淀粉含量更佳定標模型的定標決定系數均大于0.97，交互驗證和外部驗證決定系數為0.92~0.95，各項誤差僅為0.3~0.7.因此，在玉米品質改良實踐中，利用NIR分析法可以快速、準確、無損地測定與篩選育種材料完整玉米籽粒的蛋白質、淀粉含量。方彥和王漢寧以48份不同含量的玉米籽粒為群體，嘗試發展了玉米粗蛋白的NIR定標模型。結果表明定標集、檢驗集的預測值與化學測定值間均達極顯著正相關，相關系數分別為0.982和0.937，定標標準偏差和預測標準偏差較小（分別為0.124%和0.499%）
在對玉米單粒分析中發現，NIR透射技術具有較大的噪音，不適于單位粒分析，而NIR反射技術則適于進行籽粒的蛋白質、淀粉含量、能量和亞油酸含量的測定，其外部檢驗決定系數分別為0.90、0.87、0.85和0.84，外部檢驗標準偏差分別為2.3mg/粒、17.8mg/粒、393J/粒和13.3%，可用于育種的單粒選擇。利用3年204個樣品的普通玉米樣品作為定標原始群體，我們利用MPLS方法創建了玉米水分和蛋白質的NIR分析模型，其定標決定系數分別達到0.95和0.94；定標標準偏差分別僅為0.27%和0.17%。上述模型可用于普通玉米的快速檢測和分析。
隨著育種技術不斷提高以及雜種優勢的利用，一些重要農作物如水稻、油菜、大小麥、玉米等的產量已經達到很高的水平。發展品質育種，實現優質、專用、功能型是今后育種的一個重要方向。進行農作物品質改良，需要對眾多的育種材料進行化學成分分析。但品質性狀的常規化學分析方法需要一系列的處理過程，操作繁瑣，且需破壞樣品。經測定和鑒定的好樣品往往已不能被利用，嚴重影響著育種效率的進一步提高。而當代NIR技術具有的分析特點，恰好能有效地解決這些問題。因此，NIR技術在分析、鑒定和篩選大批量的品種資源和育種中間材料上已經顯示出金巨大的應用潛力和優勢，非常適合于在作物品質育種中的應用。
關于更多產品技術文章請上 www.ijuncai.com
111儀器信息網
