Análisis exploratorio de características morfométricas del polen de 15 variedades de quinoa (Chenopodium quinoa Willd.) aplicando componentes principales

Abstract

Aplicación del análisis de componentes principales para identificar variedades de quinoa Chenopodium quinoa Willd (Amaranthaceae) sobre la base de 4 características morfométricas del polen (diámetro ecuatorial, espesor de la exina, diámetro del poro y número total de poros), aplicando el método multivariado de Análisis de Componentes Principales (PCA). Se utilizó el PCA normado sobre una matriz de correlación R. Mediante el PCA se seleccionaron los 2 primeros componentes que explican el 77 % de la variación total de los datos. El primer componente retuvo el 48 % de la variabilidad total y define un eje de variación del diámetro del polen y del espesor de la exina. El segundo componente explica el 29 % de la varianza total e indica un gradiente del tamaño del poro y del número de poros del polen. El diagrama de ordenamiento generado por el PCA muestra una buena segregación de las variedades estudiadas. Se concluye que el PCA es una poderosa herramienta para identificar variedades de quinua a partir de características del polen estudiadas.

González. “Exploratory analysis of morphometric pollen characteristics in 15 varieties of quinoa (Chenopodium quinoa Willd.) using principal component tools”. Lilloa 48 (1). Application of principal component analysis (PCA) to identify varieties of quinoa (Chenopodium quinoa Willd) based on morphometric characteristics of the pollen grain. The morphological characteristics of the pollen are recognized as important to delineate inter-and infrageneric taxa. This study explores the structure of relations of 15 varieties of Chenopodium quinoa Willd (Amaranthaceae) based on four morphometric characteristics of the pollen (equatorial diameter, exine thickness, pore diameter, and total number of pores), using the multivariate method Principal Component Analysis (PCA). Normed PCA was used on a correlation matrix R. Through the PCA selected the first two components account for 77% of the total variation of the data. The first component retained 48% of the total variability and defines an axis of variation in pollen diameter and thickness of the exine. The second component explains 29% of the total variance and shows a gradient of pore size and the number of pores in the pollen. The diagram generated by the PCA system shows a good separation of the varieties studied. We conclude that the PCA is a powerful tool for identifying quinoa varieties from pollen characteristics studied.