بررسی کارایی رویکردهای کلاسیک و مکانی در برآورد اثر ژنوتیپی و انتخاب هیبریدهای ذرت در آزمایش های چندمحیطی مقدماتی

هدف: این پژوهش با هدف بررسی کارایی روش های مختلف تصحیح مکانی و تاثیر آن ها بر تحلیل های چندمحیطی در برنامه های به نژادی ذرت انجام شد. ذرت به عنوان یکی از محصولات استراتژیک کشاورزی، نقش مهمی در تامین امنیت غذایی و خوراک دام دارد و انتخاب هیبریدهای پرمحصول و پایدار از اهداف اصلی برنامه های به نژادی آن است. با این حال، ناهمگنی های مکانی در آزمایش های مزرعه ای می توانند موجب افزایش خطا و کاهش دقت برآورد اثرات ژنوتیپی شوند، که این مسئله به ویژه در تحلیل های چندمحیطی اهمیت بیشتری پیدا می کند.مواد و روش ها: در این مطالعه، ۱۰۲ هیبرید جدید ذرت به همراه سه رقم شاهد در سه محیط کرج، جیرفت و شیراز در قالب طرح آلفا-لاتیس با دو تکرار ارزیابی شدند. تحلیل داده ها در قالب یک رویکرد دو مرحله ای انجام گرفت. در مرحله اول، برای تصحیح ناهمگنی های مکانی، داده های هر محیط به طور جداگانه با استفاده از سه مدل شامل (Spatial Analysis of Trials with Splines) SpATS، مدل خودرگرسیو AR۱×AR۱ و ترکیب این دو تحلیل شدند. در مرحله دوم، به منظور بررسی ساختار برهم کنش ژنوتیپ × محیط، تحلیل چندمحیطی با استفاده از مدل Factor Analytic انجام شد و شاخص های WAASB و  WASSBY برای ارزیابی پایداری و عملکرد ژنوتیپ ها محاسبه گردید.نتایج: نتایج نشان داد که مدل SpATS با توانایی بالا در مدل سازی تغییرات مکانی بزرگ مقیاس، نسبت به داده های خام و سایر مدل ها باعث کاهش قابل توجه خطای پیش بینی شد. در مقابل، مدل AR۱×AR۱ بهبود محدودی ایجاد کرد و ترکیب آن با SpATS  نیز برتری معنی داری نسبت به استفاده از SpATS به تنهایی نداشت. همچنین مشخص شد که اگرچه طرح آلفا-لاتیس بخشی از تغییرات مکانی را کنترل می کند، اما استفاده از مدل های مکانی به ویژه SpATS موجب بهبود بیشتر دقت برآوردها و رتبه بندی ژنوتیپ ها می شود. تحلیل چندمحیطی نشان داد که برهم کنش ژنوتیپ × محیط دارای ساختاری منظم و قابل تفسیر است و محیط ها از نظر توان تفکیک ژنوتیپ ها متفاوت هستند. بر اساس شاخص WASSBY که ترکیبی از عملکرد و پایداری است، هیبریدهای H۳۱ ،H۲۳ ،H۲۲ ،H۲۷ و H۵۳ را به عنوان ژنوتیپ های برتر معرفی کرد. با وجود برتری این پنج هیبرید، به منظور حفظ تنوع ژنتیکی و ایجاد فرصت های اصلاحی در مراحل بعدی، حدود ۲۰ درصد از ژنوتیپ های برتر بر اساس عملکرد و شاخص های پایداری به ادامه برنامه به نژادی وارد شدند.نتیجه گیری: در مجموع، نتایج این پژوهش نشان داد که استفاده از مدل های مکانی به ویژه SpATS در کنار تحلیل چندمحیطی مبتنی بر مدل Factor Analytic، چارچوبی دقیق و قابل اعتماد برای بهبود انتخاب ژنوتیپ ها فراهم می کند و می تواند کارایی تصمیم گیری در برنامه های به نژادی ذرت را به طور قابل توجهی افزایش دهد.

کلیدواژه ها:

تحلیل مکانی آزمایش ها با اسپلاین ها ، مدل خودرگرسیو مرتبه اول دوبعدی (AR۱×AR۱) ، مدل های خطی آمیخته ، مدل Factor Analytic ، پیشرفت ژنتیکی