对红果肉苹果（Malus domestica Borkh）颜色发育的遗传基础进行了广泛的鉴定；然而，目前的模型并不能解释观察到的红色色素沉着强度和分布的变化。评估红肉性状的可用方法依赖于使用离散类标记指数对平均整体颜色的估计。然而，红肉品种之间的颜色变化是连续的，而红色的发育是不均匀的，并且依赖于基因型。对红肉颜色强度和分布的稳健估计对于充分捕捉基因型之间的多样性至关重要，并为识别影响红肉性状的基因座提供基础。在本研究中，开发了一种多变量方法来评估苹果的红肉性状。该方法用于研究一个分离杂交F1家族（91个基因型）的表型多样性。开发了一个基于图像和颜色分析的Python软件，以定量分析RGB（红-绿-蓝）图像中的红肉色素沉着，并比较了RGB和CIEL*a*b*颜色空间在区分先前用视觉符号分类的基因类型方面的效率。采用化学破坏方法，包括使用超高效液相色谱紫外检测法（UPLC-UV）进行靶向代谢产物分析，以量化水果果肉中的主要酚类化合物，以及pH值和水分含量。进行多变量分析，以研究CIEL*a*b*颜色空间中与颜色表达相关的生物化学因素的协变量。研究结果表明，花青素、黄酮醇和黄烷醇的浓度以及pH值与苹果果肉色素沉着密切相关。颜色描述符的提取与化学分析相结合，有助于区分与肉色相关的基因型。这些结果表明，苹果的红肉性状是一个与多种生化因素有关的复杂性状。

图1  分析流程。A：图像采集使用RGB平板扫描仪进行。遮光箱可确保重现闪电条件。B：将苹果切片的RGB图像转换为CIEL*a*B*颜色空间。这种转换是非线性的。因此，RGB颜色空间在CIEL*a*b*转换之前被转换为CIEXYZ。C：根据a*和b*颜色描述符来估计色度和色调。D：在CIEL*a*b*像素分布上计算统计描述符（平均值和标准偏差），以近似非均匀表面的颜色。

图2  显示RGB和CIEL*a*b*颜色空间的颜色描述符分布的方框图。每个基因型四个苹果的颜色描述符取平均值。点根据颜色指数进行着色。中位数（由方框中的水平条表示）、第25个百分位（由方框的底部边缘表示）、75个百分位数（由方框顶部边缘表示）和点表示单个观测值。A：RGB颜色描述符的平均值。B：RGB颜色描述符的标准偏差。C：CIEL*a*b*颜色描述符的平均值。D：CIEL*a*b*颜色描述符的标准化。

图3  对91种基因型的颜色描述符进行了基于RGB颜色空间PCA的多变量分析。R、 在成分计算中，G和B的平均值和标准偏差值被视为有效变量。添加生化因子和颜色指数值作为补充变量。在执行PCA（特征缩放）之前对数据进行归一化。A：双图将解释变量（黑色）和补充变量（蓝色）的主成分分析得分显示为向量。个人根据颜色指数进行着色。六个较大的点表示颜色组的重心。B：颜色变量的相关圆。箭头颜色表示维度1–2上每个解释变量的cos2。

图4  对91个基因型果实的颜色描述符进行了CIEL*a*b*颜色空间主成分分析（PCA）的多元分析。L*、a*和b*的平均值和标准差被视为成分计算中的有效变量。添加生化因子和指标作为补充变量。在执行PCA（平均缩放）之前对数据进行归一化。双图上每个基因型的表示都根据颜色指数进行着色。A：双图将解释变量（黑色）和补充变量（蓝色）的主成分分析得分显示为向量。个人根据颜色指数进行着色。六个较大的点表示颜色组的重心。B：颜色变量的相关圆。

图5  生物化学因子和颜色描述符的皮尔逊相关矩阵生物化学因子与颜色描述符之间的皮尔逊相关性。仅考虑显著值（P＜0.05）。正相关性以橙色突出显示，而负相关性以蓝色突出显示。

图6 通过生物化学因素对色调进行建模。使用偏最小二乘（PLS）回归进行监督多变量分析。色调被认为是一个反应变量（Y），生化因素被认为是预测因素（X）。A：显示色调和色度分布的圆形图。点是根据色调来着色的。B：PLS模型的观测色调和预测值的散点图。点根据其色调从绿色（较低值）到红色（较高值）进行着色。C：重要变量（VIP）分数。VIP值高于0.8的变量似乎对模型有相当大的影响。

图7  通过生物化学因素对a*进行建模使用偏最小二乘（PLS）回归进行监督的多变量分析。a*值被视为反应变量（Y），生化因素被视为预测因素（X）。A：PLS模型的观测A*和预测值的散点图。点根据a*从绿色（较低值）到红色（较高值）进行着色。B：重要变量（VIP）分数。VIP值高于0.8的变量似乎对模型有相当大的影响。

图8  生物化学因素对b*的建模使用偏最小二乘（PLS）回归进行监督多变量分析。b*值被视为反应变量（Y），生化因素被视为预测因素（X）。A：PLS模型的观测b*和预测值的散点图。点根据b*从蓝色（较低值）到黄色（较高值）进行着色。B：重要变量（VIP）分数。VIP值高于0.8的变量似乎对模型有相当大的影响。