دوره 17، شماره 3 - ( پاییز 1404 )                   جلد 17 شماره 3 صفحات 146-135 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mokhtarifar S, Zavareh M, Mohammadvand E, Pezeshkpour P. (2025). Evaluation of the Genotype × Environment (Planting Date) Interaction and Stability of Sesame Genotypes by Linear Mixed-Effects Models (LMM) and the Multi-trait Stability Index (MTSI). J Crop Breed. 17(3), 135-146. doi:10.61882/jcb.2024.1604
URL: http://jcb.sanru.ac.ir/article-1-1604-fa.html
مختاری فر سارا، زواره محسن، محمدوند المیرا، پزشکپور پیام.(1404). ارزیابی برهمکنش ژنوتیپ × محیط (تاریخ کاشت) و پایداری ژنوتیپ‎ های کنجد با مدل‌ اثرهای‌ مختلط خطی (LMM) و شاخص پایداری چندصفتی (MTSI) پژوهشنامه اصلاح گیاهان زراعی 17 (3) :146-135 10.61882/jcb.2024.1604

URL: http://jcb.sanru.ac.ir/article-1-1604-fa.html

ارزیابی برهمکنش ژنوتیپ × محیط (تاریخ کاشت) و پایداری ژنوتیپ‎ های کنجد با مدل‌ اثرهای‌ مختلط خطی (LMM) و شاخص پایداری چندصفتی (MTSI)
سارا مختاری فر1، محسن زواره1، المیرا محمدوند*1 ، پیام پزشکپور2
1- گروه تولید و ژنتیک گیاهی، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم ‎آباد، ایران
چکیده:   (506 مشاهده)

چکیده مبسوط
مقدمه و هدف: شناسایی ارقام و ژنوتیپ‎هایی با عملکرد بالا و سازگاری به دامنه گسترده‎ای از محیط‎ها (تاریخ کاشت‎ها) یکی از هدف‎های عمده در برنامه‎های به ‎نژادی گیاهان زراعی است. ترکیب دو روش ارزیابی پایداری بهترین پیش‎بینی نااریب خطی (BLUP) و اثرات اصلی جمع ‎پذیر و برهمکنش‎های ضرب پذیر (AMMI) در آزمایش‎های چندمحیطی و گزینش پایداری چندصفتی (MTSI) به ارزیابی بهتر ارقام و ژنوتیپ‎های گیاهی و دستیابی به نتایج دقیق‎تر کمک می ‎کند. مدل‎های اثرات اصلی جمع‎ پذیر و برهمکنش ضرب‎ پذیر (AMMI) و بهترین پیش‎ بینی نااریب خطی (BLUP)، از جمله روش‎های چند متغیره کاربردی در ارزیابی آزمایش‎های چندمحیطی هستند. هدف از پژوهش حاضر، شناسایی ارقام و ژنوتیپ ‎های کنجد با عملکرد بالا، پایدار از نظر عملکرد دانه و مطلوب از نظر سایر صفات با بهره‎ گیری از شاخص‎های مدل اثرهای مختلط خطی (LMM) و شاخص پایداری چندصفتی (MTSI) است.
مواد و روش‎ها: به‎ منظور تعیین مناسب‎ترین تاریخ کاشت و ژنوتیپ پایدار در ارقام و ژنوتیپ‎های کنجد با استفاده از مدل‌ اثرهای‌ مختلط خطی (LMM) و شاخص پایداری چندصفتی (MTSI) و ارزیابی برهمکنش ژنوتیپ × تاریخ کاشت بر عملکرد دانه و تعیین پایداری عملکرد دانه چهار ژنوتیپ و رقم کنجد با استفاده از مدل‎های AMMI و BLUP، این آزمایش طی دو سال زراعی (400-1398) در ایستگاه تحقیقات کشاورزی بروجرد اجرا شد. این آزمایش به‎ صورت فاکتوریل دو عاملی در قالب طرح بلوک‌های کامل تصادفی با سه تکرار انجام شد. عامل‌های آزمایش شامل چهار تاریخ کاشت (23 خرداد ،11 تیر ،30 تیر و 24 مرداد)، و چهار ژنوتیپ (داراب1، اولتان، هلیل و JL16) بودند. هر محیط ترکیبی از سال و تاریخ کاشت بود. برای اندازه‌گیـری ارتفـاع بوتـه، تعداد کپسول در بوته و تعداد دانـه در هر کپسول، از ده بوتـه در هر کرت استفاده شد که پس از رسیدگی فیزیولوژیک، از هر کرت انتخاب شده بودند. میانگین داده‌های ده بوته در تجزیه واریانس داده‌ها استفاده شد. برای تجزیه‎های آماری، بسته تجزیه آزمایش‎های چندمحیطی با نام Metan Ver.1.9.0، در محیط نرم ‎افزار R به‎ کار گرفته شد. یکنواختی خطاهای آزمایشی در محیط‎ ها با روش بارتلت آزموده شد و سپس تجزیه واریانس مرکب داده‎ها با فرض ثابت بودن اثر ژنوتیپ و تصادفی بودن اثر سال و تاریخ کاشت با روش حداکثر درست‎ نمایی محدودشده (REML) انجام شد. معنی‎ داری اثرهای تصادفی با آزمون نسبت درست‎ نمایی (LRT) و اثرهای ثابت با روش کمترین مربعات آزموده شد. برای برآورد کمیت‎های پایداری، تجزیه مقادیر منفرد (SVD) بر روی ماتریس بهترین پیش‎ بینی‎ های نااریب خطی (BLUP‎ها) به ‎دست آمده از برهمکنش ‎های ژنوتیپ × محیط با یک مدل اثر مختلط خطی (LMM) به‎ کار برده شد. اجزای واریانس با روش حداکثر درست ‎نمایی محدودشده (REML) برآورد شدند. پس از تجزیه واریانس داده ‎ها، 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، به ‎کار برده شدند و بهترین ژنوتیپ ‎ها با این دو شاخص گزینش شدند. شاخص پایداری چندصفتی (MTSI) نیز برآورد شد. از شاخص میانگین هارمونیک ارزش ‎های ژنوتیپی (HMGV)، مقادیر پایداری ژنوتیپی به ‎دست آمد. سازگاری ژنوتیپ ‎ها بر پایه شاخص عملکرد نسبی ارزش‎های ژنوتیپی (RPGV) ارزیابی شد و شاخص میانگین هامونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV) برای ارزیابی همزمان پایداری، سازگاری و عملکرد دانه استفاده شد.
یافته‎ها: اثرات محیط (تاریخ کاشت)، ژنوتیپ و برهمکنش ژنوتیپ در محیط بر صفات عملکرد زیست ‎توده، تعداد دانه در کپسول و درصد روغن معنی‎ دار بودند. بر پایه تجزیه بای‎ پلات، رقم اولتان علاوه بر داشتن بیشترین عملکرد دانه، از پایداری عملکرد بیشتری هم برخوردار بود. بر پایه مقادیر متفاوت برای عملکرد دانه و شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیش‎ بینی نااریب خطی (WAASB)، ارقام داراب 1 و اولتان پرمحصول و پایدار بودند و ژنوتیپ ‎های برتر از نظر شاخص گزینش چندصفتی (MTSI)، ژنوتیپ JL16 و رقم اولتان بودند. شاخص میانگین هارمونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV)، ارقام داراب 1 و اولتان را به ‎عنوان ارقامی معرفی کرد که علاوه بر عملکرد دانه، از پایداری و سازگاری بالایی نیز برخوردار بودند.
نتیجه‎گیری: نتایج نشان دادند که برهمکنش ژنوتیپ در محیط (تاریخ کاشت) بر عملکرد دانه، ارتفاع بوته، عملکرد زیست‎توده، تعداد کپسول در بوته، تعداد دانه در کپسول، درصد روغن و عملکرد روغن معنی ‎دار بود. بر اساس نمودار گرمائی، رقم اولتان را می ‎توان پایدار در نظر گرفت. بر اساس شاخص گزینش چندصفتی (MTSI)، ژنوتیپ‎ JL16 و رقم اولتان نیز به‎ عنوان ژنوتیپ‎ های برتر انتخاب شدند.
 

واژه‌های کلیدی: تاریخ کاشت، تجزیه مقادیر منفرد، گزینش همزمان، میانگین وزنی نمرات مطلق، نمودار گرمایی
متن کامل [PDF 1579 kb]   (12 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات
دریافت: 1403/11/26 | پذیرش: 1404/3/31
فهرست منابع
1. Al-Nabi Amlishi, S. S. (2015). Analysis of import and export trends of basic agricultural products and its role in self-sufficiency coefficient. Ministry of Agriculture, Publications of the Institute for Planning Research, Agricultural Economics and Rural Development. 77 pp.
2. Azon, C.F., Hotegni, V.N.F., Sogbohossou, D.E.O., Gnanglè, L.S., Bodjrenou, G., Adjé, C.O., Dossa, K., Agbangla, C., Quenum, F.J. & Achigan-Dako, E.G. (2023). Genotype× environment interaction and stability analysis for seed yield and yield components in sesame (Sesamum indicum L.) in Benin Republic using AMMI, GGE biplot and MTSI. Heliyon, 9(11) [DOI:10.1016/j.heliyon.2023.e21656]
3. Bakhshi, B., Ghodrati, G., & Keshtgar Khajedad, M. (2021). Compatibility assessment of the sesame promising lines in the Sistan region using multivariate analysis methods. Journal of Crop Breeding, 13(39), 87-97. https://doi.org/10.52547/jcb.13.39.87 [DOI:10.52547/jcb.13.39.87. [In Persian]]
4. Ceccarelli, S. (1989). Wide adaptation: How wide? Euphytica, 40, 197-205. [DOI:10.1007/BF00024512]
5. Daba, C., Ayana, A., Zeleke, H., & Wakjira, A. (2014). Association of stability parameters and yield stability of sesame (Sesamum indicum L.) genotypes in Western Ethiopia. East African Journal of Sciences, 8(2), 125-134.
6. Farias, F. J., de carvalho, L. P., da Silva Filho, J. L., & Teodoro, P. E. (2016). Usefulness of the HMRPGV method for simultaneous selection of upland cotton genotypes with greater fiber length and high yield stability. Genetics and Molecular Research, 15(3),1-7. http://dx.doi.org/10.4238/gmr.15038439 [DOI:10.4238/gmr.15038439]
7. FAO. (2023). Agricultural Data: agriculture and food trade. In Food and Agriculture Organization of the United Statistics Division (http://faostat.fao.org).
8. Gauch Jr, H. G., Piepho, H. P., & Annicchiarico, P. (2008). Statistical analysis of yield trials by AMMI and GGE: Further considerations. Crop Science, 48(3), 866-889. https:// doi.org/10.2135/cropsci2007.09.0513 [DOI:10.2135/cropsci2007.09.0513]
9. Gharby, S., Harhar, H., Bouzoubaa, Z., Asdadi, A., El Yadini, A., & Charrouf, Z. (2017). Chemical characterization and oxidative stability of seeds and oil of sesame grown in Morocco. Journal of the Saudi Society of Agricultural Sciences, 16(2), 105-111. https://doi.org/10.1016/j.jssas.2015.03.004 [DOI:10.1016/j.jssas.2015.03.004.]
10. Hamza, M., & Abd El-Salam, R. M. (2015). Optimum planting date for three sesame cultivars growing under sandy soil conditions in Egypt. American-Eurasian Journal of Agriculture and Environmental Science, 15(5), 868-877. https:// doi.org/10.5829/idosi.aejaes.2015.15.5.12655
11. Kim, J., Lee, T., Lee, H. J., & Kim, H. (2014). Genotype-environment interactions for quantitative traits in Korea Associated Resource (KARE) cohorts. BMC Genetics, 15, 1-9. https://doi.org/10.1186/1471-2156-15-18 [DOI:10.1186/1471-2156-15-18.]
12. Kindeya, Y. B., Mekbib, F., & Alle, E. A. (2020). Genotype x environment interaction and AMMI analysis of oil yield sesame (Sesamum indicum L.) Genotypes in northern Ethiopia. American Journal of Life Sciences, 5, 165-171. https:// doi.org/10.11648/j.ajls.20200805.22 [DOI:10.11648/j.ajls.20200805.22]
13. Nascimento, M. R., Daher, R. F., Santos, P. R. D., & Souza, A. G. D. (2022). Adaptability and stability of black and purple bean genotypes. Pesquisa Agropecuária Tropical, 52, e71631. [DOI:10.1590/1983-40632022v5271631]
14. Morris, J. B. (2002). Food, industrial, nutraceutical, and pharmaceutical uses of sesame genetic resources, Book chapter; Conference paper: Trends in new crops and new uses Proceedings of the Fifth National Symposium, Atlanta, Georgia, USA, 10-13 November, 153-156. ASHS Press.
15. Myint, D., Gilani, S. A., Kawase, M., & Watanabe, K. N. (2020). Sustainable sesame (Sesamum indicum L.) production through improved technology: An overview of production, challenges, and opportunities in Myanmar. Sustainability, 12(9), 3515. [DOI:10.3390/su12093515]
16. Olivoto, T., Lúcio, A. D., da Silva, J. A., Marchioro, V. S., de Souza, V. Q., & Jost, E. (2019a). Mean performance and stability in multi‐environment trials I: combining features of AMMI and BLUP techniques. Agronomy Journal, 111(6), 2949-2960. [DOI:10.2134/agronj2019.03.0220]
17. Olivoto, T., Lúcio, A. D., da Silva, J. A., Sari, B. G., & Diel, M. I. (2019b). Mean performance and stability in multi‐environment trials II: Selection based on multiple traits. Agronomy Journal, 111(6), 2961-2969. [DOI:10.2134/agronj2019.03.0221]
18. Olivoto, T., & Nardino, M. (2021). MGIDI: Toward an effective multivariate selection in biological experiments. Bioinformatics, 37(10), 1383-1389. https://doi.org/10.1093/bioinformatics/btaa981 [DOI:10.1093/bioinformatics/btaa981.]
19. Patel, M. K., Tiwari, D., Sharma, V., & Singh, D. (2024). Assessment of Genotype X Environment Interaction and Seed Yield Stability in Sesame (Sesamum indicum L.) Using AMMI Analysis. Journal of Scientific Research and Reports, 30(1), 63-70. [DOI:10.9734/jsrr/2024/v30i11825]
20. Pathak, N., Rai, A. K., Kumari, R., & Bhat, K. V. (2014). Value addition in sesame: A perspective on bioactive components for enhancing utility and profitability. Pharmacognosy Reviews, 8(16), 147. [DOI:10.4103/0973-7847.134249]
21. Pezeshkpour, P., Amiri, R., Karami, I., & Mirzaei, A. (2024). Evaluation of Seed Yield Stability of Lentil Genotypes Based on REML/BLUP and Multi-Trait Stability Index (MTSI). Journal of Crop Breeding, 16(2), 42-52. https://doi.org/10.61186/jcb.16.2.42 [DOI:10.61186/jcb.16.2.42. [In Persian]]
22. Jean-Baptiste, Y. Q. (2017). Analysis of a Mini Core of Sesame (Sesamum indicum L.) Accessions Based on Seed Morphometric Data. Journal of Agricultural Studies, 5(4), 2166-0379. [DOI:10.5296/jas.v5i4.12318]
23. de Resende, M. D. V. (2007). Matemática e estatística na análise de experimentos e no melhoramento genético. Colombo: Embrapa Florestas, 2007.
24. Rocha, J. R., Machado, J. C., & Carneiro, P. C. S. (2018). Multitrait index based on factor analysis and ideotype‐design: Proposal and application on elephant grass breeding for bioenergy. GCB Bioenergy, 10(1), 52-60. [DOI:10.1111/gcbb.12443]
25. SajadiNik, R., A. Yadavi., & H. Faraji. (2011). Evaluation of the effect of urea, organic and biologic fertilizer on quality and quantity of sesame. Journal of Sustainable Agricultural Sciences, 2(2), 87-101. [In Persian]
26. Sharifi, P. (2020). Application of Multivariate Analysis Methods in Agriculural Sciences. Rasht Branch, Islamic Azad University Press, IR, 288 pp. [In Persian]
27. Weiss, E. A. (2000). Oilseed Crops. Second Edition, Blackwell Science, Oxford. DOI: 10.1017/S0021859699227840
28. Zeinalzadeh-Tabrizi, H. (2024). Assessment of heriability and genetic efficiency in advanced sesame lines. Journal of Animal & Plant Sciences, 34(2), 515-523. https://doi.org/10.36899/japs.2024.2.0737 [DOI:10.36899/JAPS.2024.2.0737.]
29. Zavareh, M., Hoogenboom, G., Rahimian Mashhadi, H., & Arab, A. (2012). A decimal code to describe the growth stages of sesame (Sesamum orientale L.). International Journal of Plant Production, 2(3), 193-206.
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

© 2025 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb