بررسی عملکرد و تنوع ژنتیکی ژنوتیپ های گلرنگ بدون خار (Carthamus tinctorius L.) با استفاده از تحلیل های چند متغیره

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 218

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EJCP-18-1_004

تاریخ نمایه سازی: 22 تیر 1404

چکیده مقاله:

سابقه و هدف: ایران یکی از خاستگاه های اولیه گلرنگ و از نظر تنوع ژنتیکی این گیاه، یکی از غنی ترین مناطق جهان محسوب می شود. با توجه به توسعه ژنوتیپ های متعدد گلرنگ بدون خار و اهمیت عملکرد دانه در توسعه کشت این گیاه، استفاده از ژنوتیپ های بدون خار می تواند گامی موثر در جهت اجرای برنامه های به نژادی باشد. مهم ترین گام در این مسیر، استفاده از تنوع موجود در ژرم پلاسم های بومی و غیربومی است. هدف از اجرای این پژوهش بررسی تنوع ژنتیکی ژنوتیپ های بومی و غیربومی گلرنگ بدون خار، در راستای شناسایی ژنوتیپ های برتر در زمینه تولید دانه و شناسایی ارتباط موثر بین صفات بود.مواد و روش ها: در این مطالعه تعداد ۳۶ ژنوتیپ گلرنگ بدون خار در قالب طرح آلفا لاتیس (مستطیل ۴×۹) طی سال زراعی ۱۴۰۳-۱۴۰۲ در مزرعه تحقیقاتی دانشگاه سراوان مورد ارزیابی قرار گرفت. در طی دوره رشد صفات تعداد روز تا جوانه زنی، تعداد روز تا ۵ درصد گلدهی، تعداد روز تا رسیدگی فیزیولوژیک، ارتفاع بوته، تعداد شاخه فرعی، تعداد غوزه بارور، تعداد بذر در غوزه، وزن صد دانه، وزن غوزه در بوته، عملکرد تک بوته، وزن دانه در غوزه، عملکرد کل دانه، عملکرد بیولوژیک و شاخص برداشت مورد ارزیابی قرار گرفت.یافته ها: نتایج بیانگر وجود تنوع ژنتیکی بالا در ژنوتیپ های مورد مطالعه بود. همبستگی بسیار معنی داری بین عملکرد کل دانه با وزن دانه در غوزه (۷۹/۰)، عملکرد تک بوته (۹۹/۰) و تعداد بذر در غوزه (۷۳/۰) وجود داشت. تجزیه خوشه ای به روش حداقل واریانس وارد ژنوتیپ های مورد بررسی را به شش خوشه اصلی تفکیک نمود. بر اساس مقایسه میانگین خوشه ها، ژنوتیپ های موجود در خوشه های اول و دوم میانگین پایینی برای اکثر صفات مورد مطالعه داشتند. ژنوتیپ های قرار گرفته در خوشه سوم با اختلاف معنی دار عملکرد بهتری (kg/ha ۹/۸۸۰۹) را نسبت به خوشه های دیگر نشان دادند. ژنوتیپ های این خوشه از نظر صفات تعداد روز تا رسیدگی فیزیولوژیک (۹/۱۸۳)، عملکرد تک بوته (g ۶۵/۲۲) و وزن دانه در غوزه (g ۱۸/۲) ارزش بالاتری نسبت به خوشه های دیگر داشتند. خوشه چهارم عملکرد متوسطی برای تمامی صفات مورد مطالعه داشت. ژنوتیپ های موجود در خوشه پنجم و ششم اختلاف معنی داری با خوشه های دیگر از نظر صفات مرتبط با عملکرد دانه نشان دادند. با استفاده از تجزیه به مولفه های اصلی صفات مورد مطالعه به چهار مولفه با واریانس تجمعی ۹۹/۷۷ درصد کاهش یافتند. بر این اساس مولفه اول عملکرد، مولفه دوم اجزای عملکرد، مولفه سوم معماری گیاه و مولفه چهارم فنولوژی نام گرفت. بر اساس نتایج حاصل از ترسیم نمودار بای پلات ژنوتیپ ها در چهار گروه طبقه بندی شدند. ژنوتیپ های موجود در گروه اول دارای متوسط عملکرد کل دانه بالایی بودند. ژنوتیپ های موجود در گروه دوم با پراکنش حول بردارهای ارتفاع بوته، تعداد شاخه فرعی، تعداد غوزه بارور، عملکرد بیولوژیک، وزن غوزه در بوته و وزن صد دانه دارای پتانسیل عملکرد دانه بالایی بودند. ژنوتیپ های موجود در گروه سوم به عنوان ژنوتیپ های دیررس شناسایی شدند. گروه چهارم شامل ژنوتیپ هایی بود که از لحاظ صفات مورد مطالعه حد واسط رو به پایین درنظر گرفته شدند. نتیجه گیری: بر اساس نتایج حاصل از پژوهش حاضر می توان از تلاقی ژنوتیپ های موجود در خوشه سوم، پنجم و ششم با دارا بودن بیشترین میانگین برای عملکرد دانه و اجزای مرتبط با عملکرد با ژنوتیپ های خوشه چهارم به کمک نمودار بای پلات و بر اساس فاصله بین خوشه ها به منظور توسعه ژنوتیپ های گلرنگ بدون خار با پتانسیل عملکرد دانه بالا بهره برد.

کلیدواژه ها:

بای پلات ، تجزیه خوشه ای ، تجزیه های چند متغیره ، ژرم پلاسم ، گلرنگ

نویسندگان

میترا جباری

استادیار ، گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه سراوان. سراوان، سیستان و بلوچستان، ایران.

خالد سلیمی

استادیار، گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه سراوان. سراوان، سیستان و بلوچستان، ایران.

فاطمه ابراهیمی

استادیار، ژنتیک و اصلاح نباتات پژوهشکده فناوری تولیدات گیاهی ، پژوهشگاه افضلی پور، دانشگاه شهید باهنر کرمان.

قاسم محمدی نژاد

استاد، ژنتیک و اصلاح نباتات پژوهشکده فناوری تولیدات گیاهی، پژوهشگاه افضلی پور و دانشکده کشاورزی دانشگاه شهید باهنر کرمان.

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 :
  • Weiss, E.A. (۲۰۰۰). Oil seed crops. ۲nd ed. Black Well ...
  • Nikpour, B., Nazari, M., & Abbasi, A. (۲۰۲۳). Assessment of ...
  • Nazari, M., Shariati, F., Sadeghi Garmaroodi, H., & Jabbari, H. ...
  • Rahmati, F., Seifzade, S., Jabari, H., Valadabadi, A. & Hadidi ...
  • Shahvardi, M. S., mohsenzadeh, M., & Habibollah Samizadeh Lahiji, H. ...
  • Ahmadzadeh, A.R., Majedi, E., Darbani, B., Hagegat, A.R., & Dadashe, ...
  • Mahmood, T., Muhammad, S. & Shinwari, Z.K. (۲۰۱۰). Molecular and ...
  • Mosavi Ojagh, S.M., Mozafari, H., Jabbari, H., & Sani, B. ...
  • Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M., & Hornik, ...
  • https://doi.org/۱۰.۳۲۶۱۴/CRAN.package.clusterArzangh, S., Darvishzadeh, R., & Alipour, H. (۲۰۲۱). Evaluation of ...
  • Soares, R.S., Silva, H.W.da., Candido, W.dos.S., & Vale, L.S.R. (۲۰۱۸). ...
  • Omidi, A.H., Khazaei, H., & Hongbo, S. (۲۰۰۹). Variation for ...
  • Pavithra, K.P., Rajesh, S., Patil Harijan, Y., & Nishanth, G.K. ...
  • Sabaghnia, N., Ebrahimi, H., & Janmohammdi, M. (۲۰۲۴). Genetic variation ...
  • https://doi.org/۳۹۲۳/ajcs.۲۰۱۲.۷۲.۷۹. [In Persian]Bahmankar, M., Nabati, D.A., & Dehdari, M. (۲۰۱۷). ...
  • Ebrahimi, H., Sabaghnia, N., Javanmard, A., & Abbasi, A. (۲۰۲۳). ...
  • Shojaei, S.H., Mostafavi, K., Khosroshahli, M., Reza Bihamta, M., & ...
  • نمایش کامل مراجع