Journal of Crop Breeding

fa ارزیابی پایداری عملکرد دانه ژنوتیپ‎ های عدس بر پایه REML/BLUP و شاخص پایداری چند صفتی (MTSI) Evaluation of Seed Yield Stability of Lentil Genotypes Based on REML/BLUP and Multi-Trait Stability Index (MTSI) اصلاح براي تنش هاي زنده و غيرزنده محيطي Special پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: عدس یکی از حبوبات مهم در مناطق مدیترانه&lrm;ای است که به&lrm;خاطر ارزش تغذیه&lrm;ای و نقش آن در بهبود حاصلخیزی خاک، به&lrm;طور گسترده&lrm;ای کشت می&lrm;گردد. علاقه به حبوبات، به&lrm;عنوان یک منبع پروتئینی جایگزین گوشت در آینده، در حال افزایش هست. شناسایی ژنوتیپ&lrm;های با عملکرد بالا و سازگار به دامنه گسترده&lrm;ای از محیط&lrm;ها، یکی از هدف&rlm; های عمده در برنامه &rlm;های به &rlm;نژادی گیاهان زراعی از جمله عدس می&lrm;باشد. ترکیب دو روش ارزیابی پایداری بهترین پیش&rlm; بینی نااریب خطی (BLUP) و اثرات اصلی جمع&lrm;پذیر و برهمکنش&lrm;های ضرب &rlm;پذیر (AMMI) در آزمایش&lrm;های ناحیه&rlm; ای و گزینش پایداری چندصفتی (MTSI)، به ارزیابی بهتر ژنوتیپ &rlm;های گیاهی و دستیابی به نتایج دقیق &rlm;تر کمک می &rlm;کند. مدل‌های اثرات اصلی جمع&lrm;پذیر و برهمکنش ضرب&lrm;پذیر (AMMI) و بهترین پیش&lrm;بینی نااریب خطی (BLUP)، از جمله روش‌های چند متغیره کاربردی در ارزیابی آزمایش‌های چند محیطی هستند. مدل اثرهای مختلط خطی (LMM) و روش برآوردگر حداکثر درست&lrm;نمایی محدود شده (REML)، از روش&lrm;های مهمی هستند که برای تجزیه داده&lrm;های آزمایش&lrm;های چند محیطی پیشنهاد شده&lrm;اند. در این راستا، با تجزیه به مؤلفه&lrm;های اصلی یا تجزیه ارزش منفرد بر روی ماتریس، بهترین پیش&lrm;بینی&lrm;های نااریب خطی (BLUP ها) به&lrm;دست آمده از برهمکنش ژنوتیپ و محیط انجام می&lrm;شود. در این روش از شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیش&lrm;بینی&lrm;های نااریب خطی (WAASB)، میانگین وزنی شاخص پایداری WAASB و متغیر وابسته (WAASBY) استفاده می&lrm;شود. محققان شاخص پایداری چند صفتی (MTSI) بر مبنای تجزیه عاملی را نیز پیشنهاد کرده&lrm;اند که در آن، عملکرد دانه و صفات دیگر و پایداری هر کدام از آن&lrm;ها به طور همزمان برای شناسایی ژنوتیپ&lrm;های پایدار استفاده می&lrm;شود. این پژوهش برای شناسایی ژنوتیپ&lrm;های پایدار و پرمحصول عدس در کشت پائیزه انجام شد. مواد و روش &rlm;ها: برای ارزیابی پایداری عملکرد دانه 12 ژنوتیپ عدس به همراه سه شاهد کیمیا، بیله سوار و توده محلی، آزمایشی در قالب طرح بلوک&lrm;های کامل تصادفی در سه تکرار در ایستگاه&lrm;های تحقیقات کشاورزی خرم&lrm;آباد (لرستان)، زنجیره (ایلام) و سرارود (کرمانشاه) به&lrm;مدت سه سال زراعی (401 -1398) اجرا گردید. هر کرت شامل چهار خط کاشت به&lrm;طول چهار متر و با فاصله 25 سانتی&rlm; متر از یکدیگر بود. در طول فصل رشد، علاوه بر مراقبتهای معمول زراعی نظیر وجین علف&rlm; های هرز و مبارزه با آفات، از صفات و خصوصیات موردنظر مانند تعداد روز تا 50% گلدهی، ارتفاع بوته و تعداد روز تا رسیدگی یاداشت&lrm;برداری به&lrm;عمل آمد. پس از رسیدگی و برداشت آزمایش، وزن صد دانه و عملکرد هر کرت اندازه گیری &rlm;گردید. تجزیه واریانس مرکب با استفاده از نرم&lrm;افزار SAS انجام و میانگین صفات تیمارها به&lrm;روش LSD مورد مقایسه قرار &rlm;گرفت. برای تجزیه&lrm;های آماری، بسته تجزیه آزمایش&lrm;های چند محیطی با نام Metan Ver.1.9.0 در محیط نرم&lrm;افزار R به&lrm;کار گرفته شد. برای برآورد کمیت&rlm; های پایداری، تجزیه مقادیر منفرد (SVD) بر روی ماتریس بهترین پیش&lrm;بینی&lrm;های نااریب خطی (BLUP&lrm;ها) به&lrm;دست آمده از برهمکنش&rlm; های ژنوتیپ در محیط با یک مدل اثر مختلط خطی (LMM) به&lrm;کار برده شد. اجزای واریانس با روش حداکثر درستنمایی محدود شده (REML) برآورد شدند. پس از تجزیه واریانس داده&lrm;ها، برای برآورد پارامترهای پایداری WAASB و WAASBY (برای انتخاب همزمان بر اساس میانگین عملکرد و پایداری) ریشه&lrm;های مشخصه حاصل از تجزیه AMMI بر روی BLUP، به&lrm;کار برده شدند و بهترین ژنوتیپ&lrm;ها با این دو شاخص گزینش شدند. از شاخص میانگین هارمونیک ارزش&lrm;های ژنوتیپی (HMGV)، مقادیر پایداری ژنوتیپی به&lrm;دست آمد. سازگاری ژنوتیپ&lrm;ها بر پایه شاخص عملکرد نسبی ارزش&lrm;های ژنوتیپی (RPGV) ارزیابی شد. شاخص میانگین هامونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV) برای ارزیابی همزمان پایداری، سازگاری و عملکرد دانه استفاده شد. یافته&lrm;ها: اثر محیط، ژنوتیپ و برهمکنش ژنوتیپ در محیط بر صفات عملکرد دانه، ارتفاع بوته، تعداد روز تا گلدهی، تعداد روز تا رسیدگی، دوره پر شدن دانه، سرعت پر شدن دانه، سرعت تشکیل عملکرد دانه، بهره&lrm;وری از بارش و متوسط وزن تک دانه، معنی &rlm;دار بود. اثر ژنوتیپ بر همه صفات به&lrm;جز دوره پر شدن دانه معنی&lrm;دار بود. بر پایه تجزیه بای پلات، ژنوتیپ&lrm;های 4، 6، 7، 9 و 10 علاوه بر داشتن بیشترین عملکرد دانه، از پایداری عملکرد بیشتری هم برخوردار بودند. آزمون اسکری نشان داد سه مؤلفه اصلی اول، به&lrm;ترتیب 45/41، 19/13 و 14/34 درصد از تغییرات برهمکنش ژنوتیپ × محیط به&lrm;دست آمده از BLUP را برای عملکرد دانه و روی هم 78/87 درصد از تغییرات را توجیه کردند. بر اساس شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیش&lrm;بینی نااریب خطی (WAASB) ژنوتیپ&lrm;های 6 ، 10 و 12 پرمحصول و پایدار بودند. ژنوتیپ &rlm;های 1 و 10 از نظر شاخص گزینش چند صفتی (MTSI)، ژنوتیپ &rlm;های برتر بودند. شاخص میانگین هارمونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV)، ژنوتیپ&lrm;های 10، 9، 4 و 12 را به&lrm;عنوان ژنوتیپ&lrm;هایی معرفی کرد که علاوه بر عملکرد دانه، از پایداری و سازگاری بالایی نیز برخوردار بودند. نتیجه&lrm;گیری: در مجموع و بر اساس تمام تجزیه&lrm;ها، ژنوتیپ&rlm; 10 پایدارترین ژنوتیپ&lrm; بود که علاوه بر عملکرد دانه، از نظر سایر صفات اندازه &rlm;گیری شده نیز بر ژنوتیپ&rlm; های دیگر برتری داشت و می &rlm;تواند نامزد معرفی به&lrm;عنوان رقم جدید باشد.  </div> <div style="text-align: justify;">Extended Abstract Background: Lentil is a popular legume crop in the Mediterranean region, widely grown for its nutritious seeds and improving soil fertility. Interest in legumes is increasing as a protein source to replace meat in the future. Identification of high-yield genotypes with adaptation to a wide range of environments is one of the major goals in crop and lentil breeding programs. Combining the best linear unbiased predictions (BLUP), additive main effects, and multiplicative interaction (AMMI) methods in multi-environment experiments and multi-trait stability selection (MTSI) helps to better evaluate plant genotypes and achieve more accurate results. Additive main effect and multiplicative interaction (AMMI) and BLUP are two methods for analyzing multi-environment trials. The linear mixed effects model (LMM) and the restricted maximum likelihood (REML) estimator methods are among the important methods that have been proposed to analyze the data of multi-environmental experiments. In this regard, the BLUPs obtained from the interaction of genotype and environment are performed with principal component analysis or single value analysis on the matrix. This method uses the stability index of the weighted average of absolute scores of the best unbiased linear forecasts (WAASB), the weighted average of the stability index of WAASB, and the dependent variable (WAASBY). Researchers have also proposed an MTSI based on factor analysis, in which grain yield, other traits, and the stability of each are simultaneously used to identify stable genotypes. This research aimed to identify stable and high-yielding lentil genotypes in autumn cultivation. Methods: To evaluate the seed yield stability of 12 lentil genotypes along with three check genotypes, including Kimia, Bileh Sawar, and local landrace, an experiment was conducted as a randomized complete block design with three replications at Agricultural Research Stations of Khorramabad (Lorestan), Zanjireh (Ilam), and Sararoud (Kermanshah) in three cropping years (2019-2022). Each plot consisted of four lines with a length of 4 m and a distance of 25 cm from each other. iIn addition to the usual crop care such as weeding and pest control, the desired traits and characteristics, such as the number of days to 50% flowering, plant height, and number of days to maturity, were measured during the growing season. Hundred-seed weights and the yield of each plot were measured after the maturity and harvesting of experiments. Combined analysis of variance (ANOVA) was performed using SAS software, and the average traits of the treatments were compared using the LSD test. For statistical analyses, the Metan Ver.1.9.0 (multi-environment trial analysis) package was used in the R software environment. To estimate stability quantities, singular value decomposition (SVD) was applied to the matrix of BLUPs obtained from genotype-by-environment interactions with an LMM. Variance components were estimated by the REML method. After analyzing the variance of the data, the stability parameters of WAASB and WAASBY (for simultaneous selection based on average performance and stability) were estimated using the eigenvalues obtained from the AMMI analysis on BLUP, and the best genotypes were selected with these two indicators. Genotypic stability values were obtained from the Harmonic Average of the Genotypic Values (HMGV) index. The compatibility of genotypes was evaluated based on the relative performance index of genotypic values (RPGV). The harmonic mean index and relative performance of genotypic value (HMRPGV) were used to simultaneously evaluate stability, compatibility, and seed yield. Results: The effect of environment, genotype, and genotype × environment interaction were significant on seed yield, plant height, days to flowering, days to maturity, seed filling period, seed filling ratio, seed yield formation rate, rainfall efficiency, and single seed weight. The genotype effect was significant on all traits, except for the seed-filling period. Based on the biplot analysis, genotypes 4, 6, 7, 9, and 10 had higher yield stability in addition to the highest seed yield. The Scree test showed that the first three principal components explained 45.41, 19.13, and 14.34% of the genotype × environment interaction variation obtained from BLUP for grain yield, respectively; in total, they justified 78.87% of the variation. Based on a weighted average of absolute scores of WAASB, genotypes 6, 10, and 12 were high-yielding and stable. Genotypes 1 and 10 were superior based on the (MTSI). The harmonic mean and HMRPGV introduced genotypes 10, 9, 4, and 12 as the genotypes that had high stability and compatibility in addition to high seed yields. Conclusion: Based on all the analyses, genotype 10 was the most stable genotype, which, in addition to seed yield, was superior to other genotypes in terms of the other measured traits and can be a candidate for introduction as a new cultivar.  </div> آزمون نسبت درست نمایی, ارزش های ژنتیکی, بهترین پیش بینی نااریب خطی, حداکثر درست نمایی محدود شده, سازگاری Adaptability, BLUP, Genetic values, LRT, REML 42 52 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-624-6&slc_lang=fa&sid=1 Payam Pezeshkpour پیام پزشکپور Papezeshkpour@yahoo.com 100319475328460023959 100319475328460023959 Yes Agricultural Research, Education and Extension (AREEO) بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‎آباد، ایران، Reza Amiri رضا امیری rezaamiri20002007@yahoo.com 100319475328460023960 100319475328460023960 No Agricultural Research, Education and Extension (AREEO) بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‎آباد، ایران Iraj Karami ایرج کرمی karami343@yahoo.com 100319475328460023961 100319475328460023961 No Agricultural Research, Education and Extension (AREEO) مؤسسه تحقیقات کشاورزی دیم کشور، معاونت سرارود، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران Amir Mirzaei امیر میرزایی amir.mirzaei53@gmail.co 100319475328460023962 100319475328460023962 No Agricultural Research, Education and Extension (AREEO) مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام، ایران