دوره 18، شماره 2 - ( تابستان 1405 )                   جلد 18 شماره 2 صفحات 48-37 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Feyzbakhsh M T, Fanai H R, Pravar E. (2026). Evaluation of Indigenous Black Cumin (Nigella sativa L.) Accessions from the National Plant Gene Bank of Iran for Agronomic Traits and Seed Yield. J Crop Breed. 18(2), 37-48. doi:10.61882/jcb.2026.1610
URL: http://jcb.sanru.ac.ir/article-1-1610-fa.html
فیض بخش محمدتقی، فنایی حمیدرضا، پراور عفت.(1405). ارزیابی توده ‎های بومی سیاهدانه (.Nigella sativa L) موجود در بانک ژن گیاهی ملی ایران از نظر صفات زراعی‌ و عملکرد دانه پژوهشنامه اصلاح گیاهان زراعی 18 (2) :48-37 10.61882/jcb.2026.1610

URL: http://jcb.sanru.ac.ir/article-1-1610-fa.html

ارزیابی توده ‎های بومی سیاهدانه (.Nigella sativa L) موجود در بانک ژن گیاهی ملی ایران از نظر صفات زراعی‌ و عملکرد دانه
محمدتقی فیض بخش*1 ، حمیدرضا فنایی2، عفت پراور1
1- بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
چکیده:   (432 مشاهده)

چکیده مبسوط
مقدمه و هدف: گیاهان دارویی یکی از ذخایر ژنتیکی گیاهی مهم و ارزشمند در کشور هستند که در شرایط موجود به ‎دلیل کم ‎آب ‎بر بودن و تحمل به تنش ‎های محیطی می ‎توانند در الگوی کاشت مناطق دارای تنش محیطی و نظام ‎های زراعی کم ‎نهاده مورد توجه و استفاده قرار گیرند. متاسفانه، گیاهان دارویی از جمله سیاهدانه به ‎دلیل محدودیت‎ های اقلیمی (خشکی، شوری) و اثرات ناشی از پدیده تغییر اقلیم، برداشت‎ های مفرط و غیراصولی از این ذخایر و افزایش تقاضا برای مصرف گیاهان دارویی در دنیا جهت رفع نیاز بخش ‎های مختلف (صنایع غذایی، دارویی، صنعتی، آرایشی)، این گیاهان را در سیر فرسایش ژنتیکی قرار داده است که موجبات نگرانی اکولوژیست ‎ها را فراهم نموده است. لذا ضرورت دارد تا ضمن حفاظت از آنها در رویشگاه ‎های طبیعی، زراعت و پرورش آنها بر اساس یک اصول علمی در مزراع کشاورزی مورد توجه قرار گیرند. سیاهدانه به ‎عنوان یکی از ذخایر ژنتیکی گیاهی مهم و با ارزش در کشور از تنوع ژنتیکی بالایی برخوردار ‌است که این تنوع موجود در توده‎‌های بومی سیاهدانه ‌می‌تواند‌ منبع‌ بسیار مناسبی برای انتخاب جمعیت‌‌‌های برتر برای انجام‌ برنامه‌ریزی کار‌های اصلاحی‌ در جهت بهبود صفات کمی و کیفی‌ این گیاه‌ با ارزش از جمله افزایش‌ عملکرد دانه‌ و روغن آن باشد‌‌‌. پراکندگی جغرافیایی این گیاه در نقاط مختلف ایران از جمله در گلستان‌، اصفهان‌، یزد‌، چهارمحال بختیاری‌، فارس‌، همدان‌، خوزستان‌، خراسان‌، بلوچستان‌، تهران و در اراک نشان از قدمت بالا و بومی بودن آن در مناطق مختلف است. لذا، این تحقیق با هدف ارزیابی نمونه‌‌های ژنتیکی سیاهدانه موجود در بانک ژن گیاهی ملی ایران وابسته به موسسه تحقیقات اصلاح و تهیه نهال و بذر جهت دستیابی به شناسایی ژنوتیپ‌‌های مطلوب از نظر صفات زراعی و عملکرد دانه انجام شد. ‌‌‌‌
مواد و روش ‎ها: به ‎منظور ارزیابی نمونه‌‌های ژنتیکی سیاهدانه موجود در بانک ژن گیاهی ملی ایران (تعداد 36 نمونه سیاهدانه دریافتی از بانک ژن موسسه تحقیقات اصلاح بذر واقع در کرج) از نظر صفات زراعی و عملکرد دانه، آزمایشی در قالب طرح آماری بلوک‌‌های کامل تصادفی در سه تکرار در سال زراعی 1402-1401 در استان گلستان، شهرستان گرگان، ایستگاه تحقیقات کشاورزی گرگان، طراحی و اجرا گردید‌‌‌‌‌. صفات مورد بررسی شامل روز تا 50 درصد گلدهی، روز تا رسیدگی فیزیولوژیکی، ارتفاع بوته، تعداد کپسول در بوته، وزن هزار دانه، عملکرد دانه، عملکرد بیولوژیک، و شاخص برداشت بود. پس از پایان عملیات اندازه‌گیری و یادداشت ‎برداری، تجزیه واریانس متناسب با طرح آزمایشی انجام و معنی‌دار بودن اثر ژنوتیپ بر صفات موردنظر بررسی شد. تجزیه واریانس صفات مورد بررسی به ‎کمک نرم ‎افزار SAS9.1 انجام گردید. برای مقایسه اختلاف نمونه‌‌های ژنتیکی با جمعیت‌ شاهد ((TN-82-747‌، مقایسه میانگین‌‌ها به روش LSD در سطح احتمال (‌(P < 0. 05‌ صورت گرفت. برای رسم نمودارها و تجزیه بای ‎پلات از نرم ‎افزار GGE-biplot استفاده شد. مطالعه گرافیکی روابط بین صفات و داده‌های ژنوتیپ × صفت برای درک بهتر صفات و رابطه بین ژنوتیپ‌ها و صفات استفاده گردید.
یافته‌ها: بین نمونه ‎های ژنتیکی مورد بررسی تنوع خوبی از لحاظ صفات مورد بررسی (روز تا 50 درصد گل دهی، روز تا رسیدگی فیزیولوژیکی، ارتفاع بوته، تعداد دانه در کپسول، وزن هزار دانه، عملکرد بیولوژیک و شاخص برداشت) وجود داشت. نتایج مقایسه میانگین ‎ها برای عملکرد دانه نشان دادند که تنوع بالایی برای عملکرد دانه بین توده‎ های مورد بررسی وجود داشت به ‎طوری‎که عملکرد دانه از 1875 کیلوگرم در هکتار (توده TN-82-748) تا 979/1 (توده TN_59-48) کیلوگرم در هکتار در نوسان بود. با توجه به نمودار بای ‎پلات، ژنوتیپ‌های G2، G3 ، G6، G7، G8، G9 ، G12، G14، G16 G17، G18، G19، G20 ، G21، G22، G24، G25، G26، G27، G30، و G35 از نظر روز تا رسیدگی، روز تا 50 درصد گلدهی، عملکرد بیولوژیک و ارتفاع بوته نسبت به سایر ژنوتیپ‌ها‌ مقادیر بالاتری را نشان دادند که نشان دهنده مطلوبیت کم‌تر این ژنوتیپ‌ها است. همچنین، ژنوتیپ‌های G4، G10، G11، G13، G15، G28، G32، G33، G34 و  G36از نظر زودرسی مطلوبیت بیشتری داشتند و نیز عملکرد بالاتری را نشان دادند. بر اساس نتایج به ‎دست آمده، همبستگی مثبت بالایی بین روز تا رسیدگی، روز تا 50 درصد گلدهی، ارتفاع بوته و عملکرد بیولوژیک وجود داشت. همچنین صفات تعداد دانه در کپسول، وزن هزاردانه، شاخص برداشت با عملکرد دانه همبستگی مثبتی داشت. بین صفات روز تا رسیدگی و شاخص برداشت همبستگی منفی شدیدی وجود داشت. بین روز تا رسیدگی و عملکرد دانه نیز همبستگی منفی مشاهده شد. به‎ عبارت دیگر، ژنوتیپ‌های دیررس به‎ علت تولید بیومس زیاد و احتمال خوابیدگی بیشتر در شرایط انتهای فصل رشد عملکرد دانه کم‌تری داشتند که نشان‌دهنده این مطلب است که ژنوتیپ‌های دیررس‌تر به‎ علت تولید بیومس بیشتر، شاخص برداشت کمتری نیز خواهند داشت.
نتیجه‌گیری: ژنوتیپ‌های G4، G10، G11، G13، G15، G28، G32، G33، G34 و  G36با توجه به زودرس بودن و نیز عملکرد بالاتر مطلوبیت بیشتری از نظر این صفت داشتند. نتایج نشان دادند که ابتدا ژنوتیپ G36 و پس از آن G32 از نظر عملکرد دانه و شاخص برداشت برتری نشان دادند و می‌توانند به‎ عنوان ژنوتیپ‎ های برتر در آزمایشات بعدی قرار گیرند.
 

واژه‌های کلیدی: بای‎ پلات ژنوتیپ × صفت، تنوع ژنتیکی، همبستگی صفات، زودرسی
متن کامل [PDF 1463 kb]   (22 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات
دریافت: 1404/6/31 | پذیرش: 1404/10/30
فهرست منابع
1. Al-Naggar, A. M. M., Shafik, M. M., & Musa, R. Y. M. (2020). Genetic diversity based on morphological traits of 19 maize genotypes using principal component analysis and GT biplot. Annual Research & Review in Biology, 32(1), 68-85. [DOI:10.9734/arrb/2020/v35i230191]
2. Boureima, S., & Yaou, A. (2019). Genotype by yield × trait combination biplot approach to evaluate sesame genotypes on multiple traits basis. Turkish Journal of Field Crops, 24(2), 237-244. [DOI:10.17557/tjfc.655165]
3. Ebrahimi, L. (2023). Genotype by yield × trait (GYT) biplot approach to evaluate resistance of soybean cultivars to Helicoverpa armigera Hübner under natural infestation conditions. Phytoparasitica, 51, 909-918. [DOI:10.1007/s12600-023-01078-7]
4. El-Mahrouk, M. E., Maamoun, M. K., Dewir, Y. H., Omran, S. A., & El-Banna, A. N. (2020). Morpho-agronomical and biochemical traits screening and genetic variability in selected black cumin (Nigella sativa) mutant lines. Sains Malaysiana, 49(3), 503-515. [DOI:10.17576/jsm-2020-4903-04]
5. Eynizadeh, P., Dehghani, H., & Khodadadi, M. (2019). Multi-purpose selection of some coriander cultivars (Coriandrum sativum L.) native to Iran for simultaneous improvement of traits in different moisture regimes. Journal of Environmental Stress in Crop Sciences, 12(1), 223-237. [In Persian]
6. Faheem, M., Arain, S., Mahboob, S., Laghari, K., & Qayyum, A. (2022). Genotype by yield × trait (GYT) biplot analysis: A novel approach for evaluating advance lines of durum wheat. Cereal Research Communications, 51. [DOI:10.1007/s42976-022-00298-7]
7. Feyzbakhsh, M. T., Khazaei, A. )2025(. Interaction of genotype × environment on new hybrids yeild of forage sorghoum (Sorghum bicolor (L.) Moench) using GGE biplot method. Plant Production and Genetics, 6(1). 87-100. [DOI:10.22034/PLANT.2025.143212.1151]
8. Gholizade, A., Sharifi Olounabadi, A. R., Hosseini, S. M., & Sharifi, H. (2018). Genetic diversity analysis and character associations in black cumin (Nigella sativa L.) based on agro-morphological and phytochemical traits. Archives of Agronomy and Soil Science, [DOI:10.1080/03650340.2018.1558443]
9. Gholizadeh, A., Dehghani, H., Amini, A., & Akbarpour, O. A. (2018). Study on trait relations of wheat genotypes using the biplot method. Iranian Journal of Field Crop Science, 49, 121-136.
10. Golkar, P., & Nourbakhsh, V. (2019). Analysis of genetic diversity and population structure in Nigella sativa L. using agronomic traits and molecular markers (SRAP and SCoT). Industrial Crops & Products, 130, 170-178. [DOI:10.1016/j.indcrop.2018.12.074]
11. Hirpa, L., Nigussie, D., Setegn, G., Geremew, B., & Firew, M. (2013). Multivariate analysis as a tool for indirect selection of common bean genotypes (Phaseolus vulgaris L.) for soil acidity tolerance under field conditions. Science, Technology and Arts Research Journal, 2, 7-15. [DOI:10.4314/star.v2i2.98862]
12. Hosseini, S. Z. (2016). Evaluation of drought tolerance in canola (Brassica napus L.) genotypes using biplot analysis. Journal of Crop Breeding, 8, 192-202. [In Persian]
13. Kiani, M., Alahdadi, I., Soltani, L., Boelt, B., & Benakashani, F. (2020). Variation of seed oil content, oil yield, and fatty acid profile in Iranian Nigella sativa L. landraces. Industrial Crops & Products, 149, 112367. [DOI:10.1016/j.indcrop.2020.112367]
14. Mehri, N., Mohebodini, M., Behnamian, M., & Farmanpour-Kalalagh, K. (2022). Phylogenetic, Genetic Diversity, and Population Structure Analysis of Iranian Black Cumin (Nigella sativa L.) Genotypes Using ISSR Molecular Markers. International Journal of Horticultural Science & Technology, 9(2).
15. Kocaturk, M., Cubukcu, P., Goksoy, A. T., Sincik, M., Ilker, E., Kadiroglu, A., Vurarak, Y., Sahin, Y., Karakus, M., & Yildirim, U. A. (2019). GGE biplot analysis of genotype × environment interaction in soybean grown as a second crop. Turkish Journal of Field Crops, 24(2), 145-154. [DOI:10.17557/tjfc.615175]
16. Mohebodini, M., Mehri, N., & Fathi, R. (2019). Evaluation of genotype and environment effects on agro-morphological traits in black cumin (Nigella sativa L.) ecotypes. Journal of Crop Breeding, 11(30), 108-117. https://doi.org/10.29252/jcb.11.30.108 [DOI:10.29252/jcb.11.30.108 [In Persian]]
17. Motamedi, M., & Safari, P. (2019). Evaluation of water deficient stress tolerance in some wheat cultivars and their hybrids using canonical discriminant analysis and genotype by trait biplot. Journal of Crop Breeding, 11(29), 104-116. [In Persian] [DOI:10.29252/jcb.11.29.104]
18. Oliveira, T. R., Gravina, G. A., Ferreira de Oliveira, G. H., Araújo, K. C., Araujo, L. C., Daher, R. F., & Vivas, M. (2018). GT biplot analysis of green bean traits. Ciencia Rural, 48(6). [DOI:10.1590/0103-8478cr20170757]
19. Rahmati, M. (2020). Assessment of relationships among traits and selection of superior bread wheat genotypes using genotype by yield × trait biplot method. Cereal Research, 10, 61-72. [In Persian]
20. Reddy, A. R., Chaitanya, K. V., & Vivekanandan, M. V. (2004). Drought-induced responses of photosynthesis and antioxidant metabolism in higher plants. Journal of Plant Physiology, 161, 1189-1202. [DOI:10.1016/j.jplph.2004.01.013]
21. Rezaei Chiyaneh, E., & Pirzad, A. (2014). Effect of salicylic acid on yield, yield components and essential oil of black cumin (Nigella sativa L.) under water deficit stress. Iranian Journal of Field Crops Research, 12(3), 427-437. [In Persian]
22. Rubio, J., Cubero, J., Martin, L., Suso, M., & Flores, F. (2004). Biplot analysis of trait relations of white lupin in Spain. Euphytica, 135, 217-224. [DOI:10.1023/B:EUPH.0000014911.70355.c9]
23. Sabaghnia, N., & Janmohammadi, M. (2016). Biplot analysis of silicon dioxide on early growth of sunflower. Plant Breeding and Seed Science, 73, 87-98. [DOI:10.1515/plass-2016-0008]
24. Sabaghnia, N., Dehghani, H., & Sabaghpour, S. H. (2006). Non-parametric methods for interpreting genotype × environment interaction of lentil genotypes. Crop Science, 46(3), 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
25. Salamati, M. S., & Zeinali, H. (2011). Evaluation of genetic diversity of some Nigella sativa L. genotypes using agro-morphological characteristics. Iranian Journal of Medicinal and Aromatic Plants, 29(1), 201-204. [In Persian]
26. Saxena, S. N., Rathore, S. S., Diwakar, Y., Kakani, R. K., Kant, K., Dubey, P. N., Solanki, R. K., Sharma, L. K., Agrawal, D., & John, S. (2017). Genetic diversity in fatty acid composition and antioxidant capacity of Nigella sativa L. genotypes. LWT- Food Science and Technology, [DOI:10.1016/j.lwt.2016.12.033]
27. Sheikh, F., & Dehghani, H. (2014). Investigation of resistance to chocolate spot (Botrytis fabae) in faba bean (Vicia faba L.) in Gorgan region. Iranian Journal of Pulses Research, 5, 139-150. [In Persian]
28. Sheikh, F., Sekhavat, R., & Aghajani, M. (2022). Evaluation of resistance to leaf spot diseases and yield characteristics in faba bean genotypes through cluster analysis and genotype by trait biplot. Journal of Crop Breeding, 14(44), 131-147. https://doi.org/10.52547/jcb.14.44.131 [DOI:10.52547/jcb.14.44.131 [In Persian]]
29. Sheikh, F., Sekhavat, R., Asteraki, H., & Parkasi, A. (2021). Assessment of genotype × environment interaction and seed yield stability of faba bean (Vicia faba L.) promising lines using AMMI analysis. Seed and Plant Journal, 37, 1-22. [In Persian]
30. Shojaei, S., Mostafavi, K., Ansarifard, I., Bihamta, M. R., Zeinalzadeh-Tabrizi, H., Omrani, A., & Mousavi, G. M. (2023). Comparison of genotype × trait and genotype × yield-trait biplots in sunflower cultivars. International Journal of Agriculture, Environment and Food Science, 7(1), 136-147. [DOI:10.31015/jaefs.2023.1.17]
31. Sofi, P., Saba, I., Asmat, A., & Khalid, R. (2021). Comparative efficiency of GYT approach over GT approach in genotypic selection in multiple trait evaluations: Case study of common bean (Phaseolus vulgaris) grown under temperate Himalayan conditions. Agricultural Research, 11, 373-381. [DOI:10.1007/s40003-021-00577-5]
32. Welderufael, S., Aba, F., Ayana, A., & Tilahun, A. (2023). Genetic diversity, correlation and genotype by yield × trait (GYT) analysis of grain yield and nutritional quality traits in sorghum (Sorghum bicolor [L.] Moench) genotypes in Tigray, northern Ethiopia. Discover Agriculture, 4, 2. [DOI:10.21203/rs.3.rs-3251627/v1]
33. Wen, G., Ma, B., Shi, Y., Liu, K., & Chen, W. (2023). Selection of oat (Avena sativa L.) drought‐tolerant genotypes based on multiple yield‐associated traits. Journal of the Science of Food and Agriculture, 103. [DOI:10.1002/jsfa.12504]
34. Yan, W., & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. In Crop Agronomists (pp. 141-156). CRC Press, Boca Raton, FL. [DOI:10.2135/cropsci2002.1100]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb