Journal of Crop Breeding

fa تعیین پایداری هیبریدهای جدید ذرت با شاخص‎ های WAASBY و MTSI Determining the Stability of New Maize Hybrids with WAASBY and MTSI Indices اصلاح نباتات، بیومتری اصلاح نباتات، بیومتری كاربردي Applicable <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: ذرت یکی از مهمترین گیاهان زراعی است که در بسیاری از نقاط جهان کشت می&lrm;شود. ارزیابی ژنوتیپ&lrm;ها در برنامه&lrm;های به&lrm;نژادی اغلب با دو چالش مهم، اثر متقابل ژنوتیپ × محیط برای صفت هدف و روابط نامطلوب بین صفات هدف، روبرو است. علی‌رغم اینکه روش های زیادی برای تجزیه پایداری، به&lrm;ویژه ابزارهای گرافیکی و کارایی نسبتاً خوب آنها در تفسیر نتایج، ارایه شده است. در این میان، به&lrm;نظر می&lrm;رسد روش بهترین پیش&lrm;بینی&lrm;های نااُریب خطی (BLUP) که میانگین ها را با دقت بالا، به&lrm;ویژه در مدل&lrm;های مختلط تخمین می&lrm;زند، برای ارزیابی داده&lrm;های آزمایش&lrm;های چندمحیطی (MET) از کارایی بالاتری برخودار باشند. لذا با شاخص پایداری میانگین وزنی نمرات مطلق (WAASB) که از ادغام دو روش پایداری اثرات اصلی جمع پذیر و برهمکنش های ضرب پذیر (AMMI) و بهترین پیش بینی های نااُریب خطی برآورد می گردد، می توان در آزمایش های چند محیطی پایداری ژنوتیپ ها را دقیق تر تخمین زد. در برنامه های به نژادی ذرت در کنار عملکرد دانه بالا، زودرسی دارای جایگاه ویژهای است. برای انتخاب همزمان چند صفت یکی از کارآمدترین و جدیدترین روش ها، شاخص پایداری چندصفتی (MTSI) بوده که بر اساس میانگین عملکرد و پایداری همزمان ژنوتیپ ها در صفات و محیط های مختلف برآورد می گردد. لذا پژوهش حاضر با هدف تعیین هیبرید پایدار با عملکرد بالا به&lrm;همراه سطح مطلوب صفات درصد رطوبت دانه هنگام برداشت، تعداد روز تا رسیدن فیزیولوژیکی با بهره گیری از ترکیب دو روش AMMI و BLUP با شاخص های WAASB، WAASBY و MTSI انجام گرفت. مواد و روش&lrm;ها: این پژوهش به&lrm;منظور بررسی پایداری هفت هیبرید امیدبخش ذرت به&lrm;همراه چهار رقم تجاری شامل SC647، TWC647، SC704 و SC715 در آزمایش چند محیطی ذرت در قالب طرح آزمایشی بلوک های کامل تصادفی در چهار تکرار در 10 منطقه (کرج، مغان، شیراز، کرمانشاه، کرمان، مشهد، دزفول، میاندوآب، جیرفت و ساری) به&lrm;مدت دو سال زراعی 1398 و 1399 انجام گرفت. در این بررسی صفات عملکرد دانه با رطوبت دانه 14 درصد، درصد رطوبت دانه هنگام برداشت و تعداد روز تا رسیدن فیزیولوژیکی اندازه گیری شدند. پایداری ژنوتیپی برای هر ژنوتیپ با میانگین وزنی نمرات مطلق (WAASB)، که از تجزیه مقادیر منفرد (SVD) ماتریس بهترین پیش بینی های نااُریب خطی (BLUP) از اثر متقابل ژنوتیپ × محیط که با یک مدل اثر مختلط خطی ایجاد شده بود، برآورد گردید. همچنین انتخاب همزمان برای عملکرد و پایداری با شاخص WAASBY با دادن وزن&lrm;های مختلف به میانگین عملکرد (Y) و شاخص پایداری (WAASB) انجام شد. علاوه بر این&lrm;ها، انتخاب همزمان برای میانگین عملکرد و پایداری بر اساس چند صفت با استفاده از نمرات به&lrm;دست آمده از یک تجزیه عاملی اکتشافی (شاخص پایداری چندصفتی) انجام گرفت. یافته&lrm;ها: بر اساس میانگین 10 محیط در سال های زراعی 1398 و 1399، هیبرید امیدبخش شماره 3 با 80/12 تن در هکتار بالاترین عملکرد دانه را داشت. بر اساس آزمون درست نمایی نسبی (LRT) برهمکنش ژنوتیپ و محیط برای صفات عملکرد دانه، درصد رطوبت دانه موقع برداشت و تعداد روز تا رسیدن فیزیولوژیک معنی دار بود. لذا برآورد آماره های پایداری با روشBLUP امکان&lrm;پذیر بود. بر همین اساس برآورد BLUPها برای هیبریدها انجام و سپس تجزیه پایداری به&lrm;روش AMMI بر روی اینBLUPها صورت گرفت. نتایج نشان داد دو مولفه اول و دوم به&lrm;ترتیب 7/27 و 6/24 درصد از تغییرات برهمکنش هیبرید در محیط را توجیه کردند. بالاترین عملکرد دانه پیش&lrm;بینی شده با روشBLUP مربوط به هیبریدهای شماره 3، 2، 4 و 1 بودند که عملکرد دانه پیش بینی شده بالاتر از میانگین کل داشتند. بر اساس بای پلات اولین مؤلفه اصلی محیط در برابر عملکرد اسمی، هیبریدهای شماره 2، 6، 3 و 1با داشتن کمترین نمره های مؤلفه اصلی اول (ضریب b یا شیب خط)، سهم ناچیزی در برهمکنش هیبرید در محیط داشتند و پایدار تشخیص داده شدند. به منظور گزینش همزمان برای عملکرد و پایداری، شاخص WAASBY با تلفیق دو شاخص عملکرد (Y) و آماره پایداری WAASB برآورد گردید. با لحاظ سهم 50 درصد برای هر یک از دو جزء عملکرد و پایداری، پنچ هیبرید شماره 1، 2، 3، 6 و 4 دارایWAASBY بالاتر از میانگین هیبریدها بودند. در این میان هیبریدهای شماره ی 1، 2 و 3 به طور قابل توجهی میزان آمارهWAASBY بالاتر از سایر هیبریدها داشتند. هر چهار رقم شاهد SC647، TWC647، SC704 و SC715 میزان آماره WAASBY کمتر از میانگین را داشتند. همچنین بر اساس شاخص پایداری چند صفتی (MTSI) نیز هیبرید شماره 3 به&lrm;عنوان برترین هیبرید انتخاب شد. علاوه بر این ها برآورد اجزای واریانس با روش درست&lrm;نمایی محدود شده (REML) نشان داد برای عملکرد دانه، 75/72 و 7/57 درصد از واریانس فنوتیپی به&lrm;ترتیب توسط واریانس محیطی و واریانس برهمکنش هیبرید در محیط توجیه شدند. در صورتی&lrm;که سهم واریانس باقیمانده از واریانس فنوتیپی 16/77 درصد بود. نتیجه&lrm;گیری کلی: براساس نتایج حاصل هیبرید شماره 3 (K47/2-2-1-4-2-1-1-1× MO17) به عنوان هیبرید پر محصول و پایدار بود که می توان آن&lrm;را جزء هیبرید برتر با عملکرد بالا به بهره&lrm;برداران معرفی نمود. به&lrm;نظر می&lrm;رسد استفاده از نمودار نسبت شاخص پایداری WAASB به عملکرد دانه (WAASBY) و گزینش هیبرید برتر بر اساس شاخص MTSI با بهره&lrm;گیری از تجزیه&lrm;هایی همچون تجزیه عاملی، BLUP و AMMI توانایی شناسایی هیبریدهای با عملکرد دانه بالا، پایدار با سطح مطلوب صفات زراعی مهم دارا می&lrm;باشد.  </div> <div style="text-align: justify;">Extended Abstract Background: Maize is an important crop that is cultivated in many parts of the world. The evaluation of genotypes in breeding programs often faces two important challenges, the genotype × environment interaction effect for the target trait and unfavorable relationships between the target traits. Even though many methods have been offered for stability analysis, especially graphical tools and their relatively good efficiency in interpreting the results, it seems that the best linear unbiased predictions (BLUP) method estimates the means with high accuracy, especially in mixed models, in multi-environmental trails (MET). Therefore, the stability index of weighted average absolute scores (WAASB), which is estimated from the integration of the two stability methods of additive main effect and multiplicative interaction (AMMI) and best linear unbiased predictions, can be used in METs to estimate more accurately the stability of genotypes. Maize breeding programs prioritize high grain yields and earliness as important traits. The multi-trait stability index (MTSI) is a valuable tool for the simultaneous selection of multiple traits. It is estimated based on the average performance and simultaneous stability of genotypes in different traits and environments. Therefore, the current research aimed to identify stable and high grain yield maize hybrids along with the optimal level of grain moisture percentage at harvest time and days to physiological maturity using the integration of AMMI and BLUP methods with WAASB, WAASBY, and MTSI indices. Methods: This study involved the evaluation of seven promising maize hybrids along with four commercial check varieties, including SC647, TWC647, SC704, and SC715, in maize METs based on a randomized complete block design with four replications across 10 regions (Karaj, Moghan, Shiraz, Kermanshah, Kerman, Mashhad, Dezful, Miyandoab, Jiroft, and Mazandaran) during two cropping seasons of 2019-2020. The recorded traits were grain yield adjusted at 14% moisture content, grain moisture percentage at harvest time, and days to physiological maturity. The WAASB was used to estimate genotypic stability for each genotype. It was computed from the singular value decomposition (SVD) of the matrix of best linear unbiased predictions of genotype vs. environment interaction effects generated by a linear mixed-effect model. The WAASBY index for simultaneous selection based on grain yield (Y) and stability (WAASB) was  estimated by assigning different weights to grain yield and stability. The simultaneous selection for grain yield and stability based on several traits was conducted using the scores obtained from an exploratory factor analysis (MTSI). Results: Based on the grain yield across 10 environments over two years, promising hybrid NO. 3 had the highest grain yield with 12.80 tons per hectare. According to the likelihood ratio test (LRT), the genotype-by-environment interaction was significant for the traits of grain yield, grain moisture percent at harvest time, and the days to physiological maturity. Therefore, BLUP analysis can be performed on these data due to the significant genotype by environment interaction. The BLUPs performed for hybrids were followed by stability analysis using the AMMI method on these BLUPs. The results indicated that the first and second components justified 27.7% and 24.6% of the hybrid by environment interaction variances, respectively. The highest predicted grain yield by the BLUP method belonged to hybrids No. 3, 2, 4, and 1, with higher than average predicted grain yields. Based on the biplot for the first principal component of the environments against the nominal grain yield, hybrids 2, 6, 3, and 1, having the lowest scores of the first principal component (coefficient b or line slope), had a negligible contribution to the hybrid by environment interaction and were distinguished stable. To enable simultaneous selection based on both grain yield and stability, the WAASBY index was estimated by integrating grain yield (Y) and the WAASB stability index. Considering the 50% contribution of each of the two grain yield and yield stability components, five hybrids (1, 2, 3, 6, and 4) showed above-average WAASBY. Among these, hybrids 1, 2, and 3 had significantly higher WAASBY than the other hybrids. All four control cultivars SC647, TWC647, SC704, and SC715 had lower-than-average WAASBY. Based on the MTSI, hybrid 3 was selected as the best hybrid. In addition, the estimated variance components by restricted maximum likelihood (REML) for grain yield indicated that 75.72% and 7.57% of the phenotypic variance were explained by the environment and GEI variances, respectively, whereas the contribution of residual variance to the phenotypic variance was 16.77%. Conclusion: Based on the results, hybrid 3 (K47/2-2-1-4-2-1-1-1× MO17) was identified as a high-yielding hybrid, which can be introduced to farmers as a new superior maize hybrid. It seems that the use of the ratio of the WAASB stability index to grain yield (WAASB/Y) and the selection of superior genotypes based on the MTSI could identify hybrids with high grain yields, stability, and desirable levels of important agronomic traits.  </div> پایداری چندصفتی, پیش بینی, سازگاری, عملکرد دانه, گزینش همزمان Adaptability, Grain yield, Multi-traits stability, Prediction, Simultaneous selection 14 28 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-421-5&slc_lang=fa&sid=1 Mohammadreza Shiri محمدرضا شیری mohammadrezashiri52@gmail.com 100319475328460023944 100319475328460023944 Yes Department of Maize and Forage Crops Research, Seed and Plant Improvement Institute, Agricultural Research Education and Extension Organization (AREEO): Karj, Iran موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران Sajjad Moharramnejad سجاد محرم نژاد m.chakherlo@yahoo.com 100319475328460023945 100319475328460023945 No Crop and Horticultural Science Research Department, Ardabil Agricultural and Natural Resources Research and Education Center, AREEO, Moghan, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران Afshar Estakhr افشار استخر afshar_estakhr@yahoo.com 100319475328460023946 100319475328460023946 No Crop and Horticultural Science Research Department, Fars Agricultural and Natural Resources Research and Education Center, AREEO, Shiraz, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران Sharareh Fareghi شراره فارغی fareghi.sh@gmail.com 100319475328460023947 100319475328460023947 No Crop and Horticultural Science Research Department, Kermanshah Agricultural and Natural Resources Research and Education Center, AREEO, Kermanshah, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران Hamid Najafinezhad حمید نجفی نژاد hnajafinezhad@yahoo.com 100319475328460023948 100319475328460023948 No Crop and Horticultural Science Research Department, Kerman Agricultural and Natural Resources Research and Education Center, AREEO, Kerman, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران Saeed Khavari Khorasani سعید خاوری خراسانی khavaris80@yahoo.com 100319475328460023949 100319475328460023949 No Crop and Horticultural Science Research Department, Khorasan Razavi Agricultural and Natural Resources Research and Education Center, AREEO, Mashhad, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران Aziz Afarinesh عزیز آفرینش aziz.afarinesh@gmail.com 100319475328460023950 100319475328460023950 No Crop and Horticultural Science Research Department, Safiabad Agricultural and Natural Resources Research and Education Center, AREEO, Dezful, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی دزفول، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران Kamran Anvari کامران انوری kamran_anvari@yahoo.com 100319475328460023951 100319475328460023951 No Crop and Horticultural Science Research Department, West Azerbaijan Agricultural and Natural Resources Research and Education Center, AREEO, Urmia, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی، ارومیه، ایران Morteza Eshraghi-Nejad مرتضی اشراقی نژاد Eshraghi_398@yahoo.com 100319475328460023952 100319475328460023952 No Crop and Horticultural Science Research Department, South Kerman Agricultural and Natural Resources Research and Education Center, AREEO, Jiroft, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران Masoud Mohseni مسعود محسنی mohseni1337@yahoo.com 100319475328460023953 100319475328460023953 No Crop and Horticultural Science Research Department, Mazandaran Agricultural and Natural Resources Research and Education Center, AREEO, Mazandaran, Iran مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران