دوره 15، شماره 46 - ( تابستان 1402 )
جلد 15 شماره 46 صفحات 10-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Pour-Aboughadareh A, Ghazvini H, Barati A, Koohkan S, Arazmjoo E. (2023). Selection of Promising Genotypes of Barley using the Best Linear Unbiased P Model (BLUP). J Crop Breed. 15(46), 1-10. doi:10.61186/jcb.15.46.1
URL: http://jcb.sanru.ac.ir/article-1-1390-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1390-fa.html
پورابوقداره علیرضا، قزوینی حبیب اله، براتی علی، کوهکن شیرعلی، آرزمجو الیاس. گزینش ژنوتیپ های پیشرفته جو با استفاده از مدل بهترین پیش بینی های خطی نااریب (BLUP) پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (46) :10-1 10.61186/jcb.15.46.1
1- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زابل، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان جنوبی، سازمان تحقیقات، آموزش و ترویج کشاورزی، بیرجند، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زابل، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان جنوبی، سازمان تحقیقات، آموزش و ترویج کشاورزی، بیرجند، ایران
چکیده: (1840 مشاهده)
چکیده مبسوط
مقدمه و هدف: جو (Hordeum vulgare) به‌عنوان یکی از غلات دانه ریز به‌طور گسترده در ایران و جهان مورد کشت و استفاده قرار می گیرد. دستیابی به ارقام پر محصول و پایدار جو یکی از مهم ترین اهداف به نژادی این گیاه زراعی محسوب میشود. این مطالعه با هدف بررسی مجموعه ای از ژنوتیپ های بین المللی جو در شرایط اقلیمی ایران از نظر عملکرد دانه و برخی از صفات زراعی با استفاده از مدل بهترین پیش بینی های خطی نااریب (BLUP) بود.
مقدمه و هدف: جو (Hordeum vulgare) به‌عنوان یکی از غلات دانه ریز به‌طور گسترده در ایران و جهان مورد کشت و استفاده قرار می گیرد. دستیابی به ارقام پر محصول و پایدار جو یکی از مهم ترین اهداف به نژادی این گیاه زراعی محسوب میشود. این مطالعه با هدف بررسی مجموعه ای از ژنوتیپ های بین المللی جو در شرایط اقلیمی ایران از نظر عملکرد دانه و برخی از صفات زراعی با استفاده از مدل بهترین پیش بینی های خطی نااریب (BLUP) بود.
مواد و روش ها: در این مطالعه 24 ژنوتیپ بین المللی تهیه شده از مرکز ICARDA در سه ایستگاه تحقیقاتی واقع در کرج، بیرجند و زابل در قالب طرح بلوک های کامل تصادفی از نظر عملکرد دانه و برخی از صفات زراعی شامل تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی فیزیولوژیکی، دوره پر شدن دانه، ارتفاع بوته، طول سنبله اصلی و وزن هزار دانه در سال زراعی 1400-1399 مورد ارزیابی قرار گرفتند. پس از جمع آوری داده های آزمایشی و تجزیه و تحلیل های آماری، برترین ژنوتیپ ها بر اساس آماره های مبتنی بر مدل BLUP انتخاب شدند.
یافته ها: نتایج به دست آمده از تجزیه داده های آزمایشی نشان داد اثر ژنوتیپ و اثر متقابل ژنوتیپ و محیط برای عملکرد دانه و سایر صفات (به جز طول سنبله و تعداد روز تا ظهور سنبله) معنی دار بود. صفات طول سنبله، وزن هزار دانه، عملکرد دانه و ارتفاع بوته دارای بیشترین میزان واریانس ژنتیکی و وراثت پذیری بودند. نتایج به دست آمده از آماره های برآورد شده مبتنی بر مدل بهترین پیش بینی های خطی نااریب (Best linear unbiased predictors: BLUP) نشان داد ژنوتیپ های G3، G6، G10 و G23 نسبت به سایر ژنوتیپ ها دارای بیشترین عملکرد دانه و پایداری در محیط های مختلف بودند. از طرف دیگر با در نظر گرفتن اثر هر یک از صفات اندازه گیری شده در پایداری عمکلرد دانه، ژنوتیپ های G10، G16، G22 و G24 از طریق شاخص پایداری چند صفتی (Multi-traits stability index: MTSI) به‌عنوان ژنوتیپ های برتر شناسایی شدند.
نتیجه گیری: به‌طور کلی می توان اظهار داشت شاخص MTSI دارای کارایی بالایی در برنامه های به نژادی جهت استفاده از دیگر صفات مرتبط با عمکلرد دانه برای انتخاب ژنوتیپ های پایدار و پر بازده می باشد.
فهرست منابع
1. Ahakpaz, F., H. Abdi, E. Neyestani, A. Hesami, B. Mohammadi, K. Nader Mahmoudi, G. Abedi‑Asl, M.R. Jazayeri Noshabadi, F. Ahakpaz and H. Alipour. 2021. Genotype‑by‑environment interaction analysis for grain yield of barley genotypes under dryland conditions and the role of monthly rainfall. Agricultural Water Management, 245:10666. [DOI:10.1016/j.agwat.2020.106665]
2. Ahmadi, J., B. Vaezi and A. Pour-Aboughadareh. 2016. Analysis of variability, heritability, and interrelationships among grain yield and related characters in barley advanced lines. Genetika, 48:73-85. [DOI:10.2298/GENSR1601073A]
3. Ahmadi, K., H. Hatami, F. Abdeshah and V. Kazemian. 2020. Agricultural Statistics (2019-2020 Cropping Year): Crop Plants. Ministry of Agriculture-Jahad 1: 97.
4. Alipour, H., H. Abdi, Y. Rahimi and M.R. Bihamta. 2021. Genotype‑by‑year interaction for grain yield of Iranian wheat cultivars and its interpretation using Vrn and Ppd functional markers and environmental covariables. Cereal Research Communications, 49: 681-690. [DOI:10.1007/s42976-021-00130-8]
5. Barati, A., H. Zali, A. Pour-Aboughadareh, A. Gholipour, S. Koohkan, K. Shahbazi Homounlo K.A. Marzoghian, M. Jabari, O. Poodineh and M. Keirgoo. 2021. Identification of Irrigated Barley Genotypes with High and Stable Grain Yield in Warm Regions of Iran. Journal of Crop Breeding, 13(40): 162-172 (In Persian). [DOI:10.52547/jcb.13.40.162]
6. Benakanahalli, N.K., S. Sridhara, N. Ramesh, T. Olivoto, G. Sreekantappa, N. Tamam, A.M.M. Abdelbacki, H.O. Elansary and S.A.M. Abdelmohsen. 2021. A framework for identification of stable genotypes based on MTSI and MGDII Indexes: an example in guar (Cymopsis tetragonoloba L.). Agronomy, 11: 1221. [DOI:10.3390/agronomy11061221]
7. Fatemi, F., F. Kianersi, A. Pour-Aboughadareh, P. Poczai and O. Jadidi. 2022. Overview of identified genomic regions associated with various agronomic and physiological traits in barley under abiotic stresses. Applied Sciences, 2(10): 5189. [DOI:10.3390/app12105189]
8. Ghazvini, H., S. Bagherikia, A. Pour-Aboughadareh, M. Sharifalhossaini, S.A. Razavi, S. Mohammadi, M. Ghasemi Kalkhoran, A. Fathihafshejani and G. Khakizade. 2022. GGE biplot analysis of promising barley lines in the cold regions of Iran. Journal of Crop Improvement, 36: 461-472. [DOI:10.1080/15427528.2021.1977448]
9. Gresta, F., G. Avolab, S. Cannavoa and C. Santonocetoa. 2018. Morphological, biological, productive and qualitative characterization of guar (Cyamopsis tetragonoloba (L.) Taub.) genotypes. Industrial Crops and Products, 114: 98-107. [DOI:10.1016/j.indcrop.2018.01.070]
10. Holland, J.B. 2006. Estimating genotypic correlations and their standard errors using multivariate restricted maximum likelihood estimation with SAS Proc MIXED. Crop Science, 46: 642-654. [DOI:10.2135/cropsci2005.0191]
11. Hussain, T., Z. Akram, G. Shabbir, A. Manaf and M. Ahmed. 2021. Identification of drought tolerant chickpea genotypes through multi trait stability index. Saudi Journal of Biological Sciences, 28: 6818-6828. [DOI:10.1016/j.sjbs.2021.07.056]
12. Khalili, M., A. Pour-Aboughadareh and M.R. Naghavi. 2016. Assessment of drought tolerance in barley: integrated selection criterion and drought tolerance indices. Environmental and Experimental Biology, 14: 33-41. [DOI:10.22364/eeb.14.06]
13. Olivoto, T. and Lucio, A.D. 2020. Metan: An R package for multi-environment trial analysis. Methods in Ecology and Evolution, 11: 783-789. [DOI:10.1111/2041-210X.13384]
14. Olivoto, T., A.D.C. Licio, J.A.G. da Silva, B.G. Sari and M.I. Diel. 2019. Mean performance and stability in multi-environment trials II: selection based on multiple traits. Agronomy Journal, 111: 2961-2969. [DOI:10.2134/agronj2019.03.0221]
15. Olivoto, T., A.D.C. Licio, J.A.G. da Silva, V.S. Marchioro, V.Q. de Souza and E. Jost. 2019. Mean performance and stability in multi-environment trials I: combining features of AMMI and BLUP techniques. Agronomy Journal, 111: 2949-2960. [DOI:10.2134/agronj2019.03.0220]
16. Pour-Aboughadareh, A., S. Sanjani, H. Nikkhah-Chamanabad, M.R. Mehrvar, A. Asadi and A. Amini. 2021. Identification of salt-tolerant barley genotypes using multiple-traits index and yield performance at the early growth and maturity stages. Bulletin of the National Research Centre, 45:117. [DOI:10.1186/s42269-021-00576-0]
17. Resende, M.D.V. 2016. Software Selegen-REML/BLUP: A useful tool for plant breeding. Crop Breeding and Applied Biotechnology, 16: 330-339. [DOI:10.1590/1984-70332016v16n4a49]
18. Vaezi, B., A. Pour‑Aboughadareh, A. Mehraban, T. Hossein‑Pour, R. Mohammadi, M. Armion and M. Dorri. 2018. The use of parametric and non‑parametric measures for selecting stable and adapted barley lines. Archives of Agronomy and Soil Science, 64: 597-611. [DOI:10.1080/03650340.2017.1369529]
19. Vaezi, B., A. Pour‑Aboughadareh, R. Mohammadi, A. Mehraban, T. Hossein‑Pour, E. Koohkan, S. Ghasemi, H. Moradkhani and K.H. Siddique. 2019. Integrating different stability models to investigate genotype × environment interactions and identify stable and high‑yielding barley genotypes. Euphytica, 215: 63. [DOI:10.1007/s10681-019-2386-5]
20. Zali, H., M. Dastfal., S.H. Hashemi, F. Farsode., M. Karimi, M. Jafari and Z. Mahdavinia. 2022. Evaluation of seed yield and morphological characteristics of some barley cultivars and promising lines in southern cities of Fars province. Journal of Crop Breeding, 14(41): 63-74 [DOI:10.52547/jcb.14.41.63 (In Persian) .]
21. Zufo, A., F. Steiner, J.G. Aguilera, P.E. Teodoro, L.P.R. Teodoro and A. Busch. 2021. Multi‑trait stability index: a tool for simultaneous selection of soya bean genotypes in drought and saline stress. Journal of Agronomy and Crop Science, 207: 163-169.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
