dus测试知识

1 前言1.1 研究的目的和意义DUS（Distinctness,Uniformity and Stability）测试是指对申请品种权的植物新品种的特异性、一致性和稳定性进行测试。

特异性（Distinctness）是指申请品种权的植物新品种应当明显区别于在申请日以前所有已知的植物新品种，即指该品种至少应当有一个特征明显区别于已知品种，且是在遗传性状上有明显的区别，无论在属或种间都要在遗传表现型性状上有明显的差异，它是区别申请品种与已有品种差异的主要测试内容。

一致性（Uniformity）是指申请品种权的植物新品种经过繁殖，除可预见的变异外，其相关的特征或者特性一致，即指品种的形态特征、生理特性方面的一致性、整齐性。

如果有变异株出现，其变异是由遗传造成的，而不是非遗传因素的结果。

稳定性（Stability）是指申请品种权的植物新品种经过反复繁殖或者在特定繁殖周期结束时，其相关的特征或者特性保持相对不变，即指性状繁殖几代后仍与原来保持一致。

DUS测试结果直接影响到植物新品种是否能被授予保护权，即通过DUS测试是品种获得授权的必要依据。

植物新品种DUS测试性状主要分为质量性状、假质量性状和数量性状。

质量性状是表现不连续变异状态的性状（例如颜色的有无）；假质量性状的表达部分是连续的，但其变化范围是多维的（例如颜色的深浅）；数量性状是表现为连续变异的性状，能以一维的、线性等级进行描述（例如株高）。

DUS测试的目的主要有两个，一是对申请品种权的植物新品种的特异性、一致性和稳定性进行测试，二是要完成申请品种的性状描述。

在测试过程中，数量性状对于完成品种的性状描述非常重要，而随着新品种的不断选育，品种间差异越来越小，利用数量性状进行特异性判定也越来越普遍用于DUS测试中，数量性状的调查花费人工最多、工作量最大，怎样能缩小工作量又能准确反映数量性状调查的准确性，这成为当前DUS测试工作者需要解决的课题。

1.2 文献综述1.2.1 DUS测试发展现状1961年法、德、意、荷、比利时5国在巴黎签署了《保护植物新品种国际公约》(简称UPOV 公约),并于1968年生效以来,世界许多国家纷纷加入国际植物新品种保护联盟(简称UPOV),并开展经济作物、粮食作物、园艺作物等多种植物新品种权的保护。

1961年至1991年的30年间，UPOV成员国只有22个，从1991年至今的17年间，有43个国家加入国际植物新品种保护联盟，目前UPOV已经有65个成员国，并且非洲知识产权组织(16个国家) 已经进入成为UPOV 成员的程序，另有48个国家已经和联盟办公室联系寻求本国植物新品种保护立法的帮助。

如今越来越多的国家加入UPOV，说明越来越多的国家认识到植物育种者权利的重要性。

我国1995年5月开始着手起草《条例》，1997年3月20日，国务院正式发布《中华人民共和国植物新品种保护条例》,决定从1997年10月1日开始实施。

1999年4月23日,中国加入UPOV,成为UPOV 第39位成员国，正式开始接受国内外植物新品种权申请。

截止2008年5月31日，我国品种权申请共4998件，授予品种权1638件，其中国外机构申请196件。

从图1可看出1999年至2007年我国农业植物品种权申请量的变化情况。

图1 1999-2007年农业植物品种权申请量Figure 1 Number of candidate varieties from 1999 to 2007 目前，我国农业植物新品种保护工作主要由四个部门共同完成：农业部科技教育司知识产权处（管理植物新品种保护的通常事务）、农业部科技发展中心植物新品种保护处（申请过程及关于植物新品种保护的其他行政问题）、农业部科技发展中心DUS测试处（组织DUS 测试及开发测试指南）和种子保藏中心（存放各类品种的种子）。

全国各地14个DUS测试分中心隶属于农业部科技发展中心DUS测试处，承担申请品种的DUS测试任务。

表1 农业部科技发展中心DUS测试处的14个测试分中心Table 1 The DUS stations of the Ministry of Agriculture分中心名称省份归属部门进行测试的作物北京分中心北京市中国农业科学院蔬菜和观赏植物公主岭分中心吉林省吉林省农业科学院东北植物哈尔滨分中心黑龙江省黑龙江省农业科学院寒带植物南京分中心江苏省江苏省农业科学院长江植物济南分中心山东省山东省农业科学院黄河植物上海分中心上海市上海市农业科学院蔬菜和园艺植物杭州分中心浙江省中国农业科学院水稻广州分中心广东省华南农业大学亚热带植物成都分中心四川省四川省农业科学院西南植物杨凌分中心陕西省西北农林科技大学西北植物乌鲁木齐分中心新疆自治区新疆农业科学院西北植物西宁分中心青海省青海省农业科学院高海拔植物昆明分中心云南省云南省农业科学院西南植物、观赏植物儋州分中心海南省中国热带农业科学院热带植物1.2.2 DUS测试的方法目前,DUS的测试方法仍然采用田间种植鉴定,是将申请品种与近似品种在相同的生长条件下,从植物的种子、幼苗、开花期、成熟期等各个阶段对多个质量性状、数量性状及抗病性等作出观察记载,并与近似品种进行结果比较,一般要经过2–3年的重复观察,才能最后作出合理、客观的评价。

特异性的判别是根据测试品种在质量性状上有一个性状或数量性状上有二个及二个以上性状与近似品种达到差异即可判定测试品种具有特异性。

一致性是分析整个小区植株的变异率,结果的判别是采用3%的群体标准和95%的接受概率。

稳定性目前不做专门测试,如果测试品种两个相同生长季节都具有一致性,则认定该品种具有稳定性。

目前存在的问题主要有：田间测试周期长,要经过2–3年的重复观察,受季节限制,也易受自然灾害、病虫害等因素的影响；测试性状多,花费的人工多,工作量较大；测试性状多数为多基因控制的数量性状,受环境等因素影响较大,表现为连续变异,使性状分级不明显。

1.2.3 抽样理论研究近年来,抽样调查在我国得到了广泛的应用,尤其是随机抽样。

随之而来,样本容量的确定问题也成为抽样调查理论和实践中普遍关注的一个问题，这起源于样本容量确定的两难困境:样本容量过小则估计量方差过大,统计推断的可信度降低,或者在进行假设检验时,犯第二类错误的概率变大;而样本量过大,会浪费人财物力,且调查周期延长,从而丧失抽样调查相对于全面调查的优点。

所以,如何寻找一个合适的样本量,既能使样本充分地代表总体又能保证抽样调查耗时少、费用低的优点,这成为抽样理论和实践都必须要面对和回答的课题。

从理论上讲,影响样本容量的因素主要有精度和费用。

随机抽样调查中,精度被用来衡量抽样调查结论和实际情况之间的差别,差别越小,精度越高。

对于精度和样本容量的关系,我们可以从抽样调查的基本思想入手来定性地分析。

抽样调查是从总体中抽取样本进行调查,用样本的某些数据特征来估计总体的数据特征。

直观地,样本容量越大,样本就越接近总体,所获得的结论就越精确。

换言之,要想通过抽样调查获得比较高的推断精度,样本容量就要尽可能的大。

费用是指进行抽样调查付出的成本,样本容量越大,所需费用越大。

从费用和精度对样本容量的关系,我们可以得出这样的结论:费用和精度是一对矛盾:如果样本容量较大,那么统计推断的精度较好,但费用较高;如果样本量较小,那么统计推断的精度较差,但费用较低。

我们面对的问题就是如何协调二者之间的矛盾。

概率论中大数定律和中心极限定理为抽样调查奠定了理论基础。

而抽样调查中样本容量的确定,也是以此二定理为基础的。

大数定律是关于大量的随机现象具有稳定性质的法则。

它说明如果被研究的总体是由大量的相互独立的随机因素所构成,而且每个因素对总体的影响都相对地小,那么对这些因素加以综合平均,因素的个别影响将相互抵消,而显现出它们的共同作用的倾向。

这个法则由俄罗斯数学家切比雪夫在1866年给出一般性的数学表达，论证了如果独立随机变量总体存在着有限的平均数和方差,则对于充分大的样本单位数n,可以几乎趋近于1的概率,来期望抽样平均数与总体平均数的绝对离差为任意小。

这就从理论上揭示了样本和总体之间的内在联系,即随着样本单位数n的增加,样本平均数x有接近于总体平均数μ的趋势。

这也说明抽样调查必须遵守随机原则,而且应该注意观察单位的大量性。

中心极限定理是由俄罗斯数学家李亚普诺天给出严格的数学证明的。

它论证了如果总体存在有限的平均数和方差,那么不论这个总体变量的分布如何,随着样本单位数n的增加,样本平均数就趋于正态分布。

由此定理可以推论,不论总体是什么分布,只要数学期望μ和方差ó2存在,从这个总体中随机相互独立地抽取容量为n的样本,则样本均值x是一个随机变量。

当n足够大时,样本均值x近似服从数学期望为μ,方差为ó2/n的正态分布N(μ，ó2/n),这个结论对于抽样推断十分重要,为抽样误差的估计提供了一个极为方便的前提条件,使抽样估计建立在科学的基础之上。

抽样误差的确定是抽样估计中的重要问题，赵志文等（2004）研究了耐抗性提供对于数据的局部不良行为的非敏感性。

耐抗方法得出的结果,当数据的一小部分被新的数值代替,即使它与原来的数值很不一样,结果也只有轻微的改变。

耐抗方法很重视数据的主体部分,而几乎不重视离群值，中位数是耐抗统计量,样本均匀值却不是。

大家知道好的数据也难免有那么百分之几的错误或重大差错,因而要想防御这些数据给我们的统计结果带来的负面影响,促使我们关注耐抗性。

赵志文等（2004）利用样本的四分位矩这样具有耐抗性质的统计量,对特殊的均匀分布的参数做出估计并讨论了其优良性。

农业科学研究离不开统计分析。

随机抽取样本是对相应总体作无偏估计的前提,假如研究者取得的样本缺乏随机性,则不能代表总体,当然也就不适宜进行针对总体指标而言的显著性检验。

1.2.4 参数的区间估计研究研究任何事物，都希望了解其总体特征。

然而描述总体特征的参数往往无法直接求得，需要抽样估计（sampling estimation），通过容易得到的样本统计数估计出相应的总体参数。

抽样估计（sampling estimation）一般都是从总体中随机抽出 n个单位作为一个样本，计算样本的统计数，然后用样本的统计数去估什总体的参数。

我们知道样本的统计数是一个变量，从同一总体中抽样，即使每次抽样的样本容量都相同，计算出的样本统计数也不会完全相同，总要存在一定的误差，但是这种误差的大小一般都有个范围。

一般地讲，误差在一定范围内，这个样本统计数就可以作为总体参数的估值；否则，它就不能作为总体参数的估值。

由此看来，有必要在一定概率保证下，估计出总体参数所在的范围或区间，这个范围或区间叫置信区间（confidence interval ）。