ارزیابی پایداری عملکرد دانه ژنوتیپ‎ های عدس بر پایه REML/BLUP و شاخص پایداری چند صفتی (MTSI)

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 32

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JCB-16-2_004

تاریخ نمایه سازی: 19 تیر 1403

چکیده مقاله:

چکیده مبسوط مقدمه و هدف: عدس یکی از حبوبات مهم در مناطق مدیترانه‎ای است که به‎خاطر ارزش تغذیه‎ای و نقش آن در بهبود حاصلخیزی خاک، به‎طور گسترده‎ای کشت می‎گردد. علاقه به حبوبات، به‎عنوان یک منبع پروتئینی جایگزین گوشت در آینده، در حال افزایش هست. شناسایی ژنوتیپ‎های با عملکرد بالا و سازگار به دامنه گسترده‎ای از محیط‎ها، یکی از هدف های عمده در برنامه های به نژادی گیاهان زراعی از جمله عدس می‎باشد. ترکیب دو روش ارزیابی پایداری بهترین پیش بینی نااریب خطی (BLUP) و اثرات اصلی جمع‎پذیر و برهمکنش‎های ضرب پذیر (AMMI) در آزمایش‎های ناحیه ای و گزینش پایداری چندصفتی (MTSI)، به ارزیابی بهتر ژنوتیپ های گیاهی و دستیابی به نتایج دقیق تر کمک می کند. مدل های اثرات اصلی جمع‎پذیر و برهمکنش ضرب‎پذیر (AMMI) و بهترین پیش‎بینی نااریب خطی (BLUP)، از جمله روش های چند متغیره کاربردی در ارزیابی آزمایش های چند محیطی هستند. مدل اثرهای مختلط خطی (LMM) و روش برآوردگر حداکثر درست‎نمایی محدود شده (REML)، از روش‎های مهمی هستند که برای تجزیه داده‎های آزمایش‎های چند محیطی پیشنهاد شده‎اند. در این راستا، با تجزیه به مولفه‎های اصلی یا تجزیه ارزش منفرد بر روی ماتریس، بهترین پیش‎بینی‎های نااریب خطی (BLUP ها) به‎دست آمده از برهمکنش ژنوتیپ و محیط انجام می‎شود. در این روش از شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیش‎بینی‎های نااریب خطی (WAASB)، میانگین وزنی شاخص پایداری WAASB و متغیر وابسته (WAASBY) استفاده می‎شود. محققان شاخص پایداری چند صفتی (MTSI) بر مبنای تجزیه عاملی را نیز پیشنهاد کرده‎اند که در آن، عملکرد دانه و صفات دیگر و پایداری هر کدام از آن‎ها به طور همزمان برای شناسایی ژنوتیپ‎های پایدار استفاده می‎شود. این پژوهش برای شناسایی ژنوتیپ‎های پایدار و پرمحصول عدس در کشت پائیزه انجام شد. مواد و روش ها: برای ارزیابی پایداری عملکرد دانه ۱۲ ژنوتیپ عدس به همراه سه شاهد کیمیا، بیله سوار و توده محلی، آزمایشی در قالب طرح بلوک‎های کامل تصادفی در سه تکرار در ایستگاه‎های تحقیقات کشاورزی خرم‎آباد (لرستان)، زنجیره (ایلام) و سرارود (کرمانشاه) به‎مدت سه سال زراعی (۴۰۱ -۱۳۹۸) اجرا گردید. هر کرت شامل چهار خط کاشت به‎طول چهار متر و با فاصله ۲۵ سانتی متر از یکدیگر بود. در طول فصل رشد، علاوه بر مراقبت­های معمول زراعی نظیر وجین علف های هرز و مبارزه با آفات، از صفات و خصوصیات موردنظر مانند تعداد روز تا ۵۰% گلدهی، ارتفاع بوته و تعداد روز تا رسیدگی یاداشت‎برداری به‎عمل آمد. پس از رسیدگی و برداشت آزمایش، وزن صد دانه و عملکرد هر کرت اندازه­ گیری گردید. تجزیه واریانس مرکب با استفاده از نرم‎افزار SAS انجام و میانگین صفات تیمارها به‎روش LSD مورد مقایسه قرار گرفت. برای تجزیه‎های آماری، بسته تجزیه آزمایش‎های چند محیطی با نام Metan Ver.۱.۹.۰ در محیط نرم‎افزار R به‎کار گرفته شد. برای برآورد کمیت های پایداری، تجزیه مقادیر منفرد (SVD) بر روی ماتریس بهترین پیش‎بینی‎های نااریب خطی (BLUP‎ها) به‎دست آمده از برهمکنش های ژنوتیپ در محیط با یک مدل اثر مختلط خطی (LMM) به‎کار برده شد. اجزای واریانس با روش حداکثر درستنمایی محدود شده (REML) برآورد شدند. پس از تجزیه واریانس داده‎ها، برای برآورد پارامترهای پایداری WAASB و WAASBY (برای انتخاب همزمان بر اساس میانگین عملکرد و پایداری) ریشه‎های مشخصه حاصل از تجزیه AMMI بر روی BLUP، به‎کار برده شدند و بهترین ژنوتیپ‎ها با این دو شاخص گزینش شدند. از شاخص میانگین هارمونیک ارزش‎های ژنوتیپی (HMGV)، مقادیر پایداری ژنوتیپی به‎دست آمد. سازگاری ژنوتیپ‎ها بر پایه شاخص عملکرد نسبی ارزش‎های ژنوتیپی (RPGV) ارزیابی شد. شاخص میانگین هامونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV) برای ارزیابی همزمان پایداری، سازگاری و عملکرد دانه استفاده شد. یافته‎ها: اثر محیط، ژنوتیپ و برهمکنش ژنوتیپ در محیط بر صفات عملکرد دانه، ارتفاع بوته، تعداد روز تا گلدهی، تعداد روز تا رسیدگی، دوره پر شدن دانه، سرعت پر شدن دانه، سرعت تشکیل عملکرد دانه، بهره‎وری از بارش و متوسط وزن تک دانه، معنی دار بود. اثر ژنوتیپ بر همه صفات به‎جز دوره پر شدن دانه معنی‎دار بود. بر پایه تجزیه بای پلات، ژنوتیپ‎های ۴، ۶، ۷، ۹ و ۱۰ علاوه بر داشتن بیشترین عملکرد دانه، از پایداری عملکرد بیشتری هم برخوردار بودند. آزمون اسکری نشان داد سه مولفه اصلی اول، به‎ترتیب ۴۵/۴۱، ۱۹/۱۳ و ۱۴/۳۴ درصد از تغییرات برهمکنش ژنوتیپ × محیط به‎دست آمده از BLUP را برای عملکرد دانه و روی هم ۷۸/۸۷ درصد از تغییرات را توجیه کردند. بر اساس شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیش‎بینی نااریب خطی (WAASB) ژنوتیپ‎های ۶ ، ۱۰ و ۱۲ پرمحصول و پایدار بودند. ژنوتیپ های ۱ و ۱۰ از نظر شاخص گزینش چند صفتی (MTSI)، ژنوتیپ های برتر بودند. شاخص میانگین هارمونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV)، ژنوتیپ‎های ۱۰، ۹، ۴ و ۱۲ را به‎عنوان ژنوتیپ‎هایی معرفی کرد که علاوه بر عملکرد دانه، از پایداری و سازگاری بالایی نیز برخوردار بودند. نتیجه‎گیری: در مجموع و بر اساس تمام تجزیه‎ها، ژنوتیپ ۱۰ پایدارترین ژنوتیپ‎ بود که علاوه بر عملکرد دانه، از نظر سایر صفات اندازه گیری شده نیز بر ژنوتیپ های دیگر برتری داشت و می تواند نامزد معرفی به‎عنوان رقم جدید باشد.

کلیدواژه ها:

Adaptability ، BLUP ، Genetic values ، LRT ، REML ، آزمون نسبت درست نمایی ، ارزش های ژنتیکی ، بهترین پیش بینی نااریب خطی ، حداکثر درست نمایی محدود شده ، سازگاری

نویسندگان

پیام پزشکپور

Agricultural Research, Education and Extension (AREEO)

رضا امیری

Agricultural Research, Education and Extension (AREEO)

ایرج کرمی

Agricultural Research, Education and Extension (AREEO)

امیر میرزایی

Agricultural Research, Education and Extension (AREEO)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abo-Hegazy, S. R. E., Selim, T., & Ashrie, A. A. ...
  • Fernandez, G. C. (۱۹۹۱). Analysis of genotype× environment interaction by ...
  • Ghaffar, M., Asghar, M. J., Shahid, M., & Hussain, J. ...
  • Kochaki, A., & Banayan aval, M. (۱۹۹۳). Pulse crops. Mashhad ...
  • Lin, C. S., & Binns, M. R. (۱۹۹۱). Genetic properties ...
  • Olivoto, T., Lúcio, A. D., da Silva, J. A., Marchioro, ...
  • Pour-Aboughadareh, A., Ghazvini, H., Barati, A., Koohkan, S., & Arazmjoo, ...
  • de Resende, M. D. V. (۲۰۰۷). Matemática e estatística na ...
  • Rocha, J. R. D. A. S. D. C., Machado, J. ...
  • Sabaghnia, N., Dehghani, H., & Sabaghpour, S. H. (۲۰۰۶). Nonparametric ...
  • Sharifi, P., Sheikh, F., Miri, K., Sekhavat, R., & Asteraki, ...
  • Yadav, N. K., Ghimire, S. K., Sah, B. P., Sarker, ...
  • Yan, W., & Kang, M. S. (۲۰۰۲). GGE biplot analysis: ...
  • Zaccardelli, M., Sonnante, G., Lupo, F., Branca, F., & de ...
  • Abo-Hegazy, S. R. E., Selim, T., & Ashrie, A. A. ...
  • Akinci, C., Bicer, B. T., Kizilgeci, F., Albayrak, Ö., & ...
  • Barrios, A., Aparicio, T., Rodríguez, M. J., de la Vega, ...
  • Bhattacharya, S., Das, A., Banerjee, J., Mandal, S. N., Kumar, ...
  • Dehghani, H., Sabaghpour, S. H., & Sabaghnia, N. (۲۰۰۸). Genotype ...
  • Coan, M. M. D., Marchioro, V. S., Franco, F. D. ...
  • Fernandez, G. C. (۱۹۹۱). Analysis of genotype× environment interaction by ...
  • Ghaffar, M., Asghar, M. J., Shahid, M., & Hussain, J. ...
  • Holland, J. B. (۲۰۰۶). Estimating genotypic correlations and their standard ...
  • Jahufer, M. Z. Z., & Casler, M. D. (۲۰۱۵). Application ...
  • Jeberson, M. S., Shashidhar, K. S., Wani, S. H., Singh, ...
  • Karimizadeh, R., Mohammadi, M., & Sabaghmia, N. (۲۰۱۳). Site regression ...
  • Kochaki, A., & Banayan aval, M. (۱۹۹۳). Pulse crops. Mashhad ...
  • Lin, C. S., & Binns, M. R. (۱۹۹۱). Genetic properties ...
  • Namdari, A., Pezeshkpour, P., Mehraban, A., Naseri, A., Vaezi, B., ...
  • Olivoto, T., Lúcio, A. D., da Silva, J. A., Marchioro, ...
  • Olivoto, T., Lúcio, A. D., da Silva, J. A., Sari, ...
  • Olivoto, T., & Nardino, M. (۲۰۲۱). MGIDI: Toward an effective ...
  • Pezeshkpour, P., & Karimizadeh, R. (۲۰۲۳). Evaluation of the mean ...
  • Pour-Aboughadareh, A., Ghazvini, H., Barati, A., Koohkan, S., & Arazmjoo, ...
  • de Resende, M. D. V. (۲۰۰۷). Matemática e estatística na ...
  • Rocha, J. R. D. A. S. D. C., Machado, J. ...
  • Sabaghpour, S. H., Safikhni, M., Sarker, A., Ghaffri, A., & ...
  • Sabaghnia, N., Dehghani, H., & Sabaghpour, S. H. (۲۰۰۶). Nonparametric ...
  • Sellami, M. H., Pulvento, C., Aria, M., Stellacci, A. M., ...
  • Sellami, M. H., Pulvento, C., & Lavini, A. (۲۰۲۱). Selection ...
  • Sharifi, P. ۲۰۲۰. Application of Multivariate Analysis Methods in Agriculural ...
  • Sharifi, P., Sheikh, F., Miri, K., Sekhavat, R., & Asteraki, ...
  • Yadav, N. K., Ghimire, S. K., Sah, B. P., Sarker, ...
  • Yan, W., & Kang, M. S. (۲۰۰۲). GGE biplot analysis: ...
  • Zaccardelli, M., Sonnante, G., Lupo, F., Branca, F., & de ...
  • نمایش کامل مراجع