Journal of Crop Breeding

fa گزینش ژنوتیپ‌های برتر کلزا بر اساس اسیدهای چرب، عملکرد دانه و روغن با روش شاخص انتخاب ژنوتیپ ایده‌آل (SIIG) Selection of Superior Rapeseed Genotypes based on Fatty Acids and Grain and Oil Yield Components with the Ideal Genotype Selection Index (SIIG) Method اصلاح نباتات، بیومتری اصلاح نباتات، بیومتری پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: توسعه پایدار سطح زیر کشت کلزا به ویژه در ایران مستلزم معرفی ارقام با عملکرد دانه و روغن با کیفیت بالا و سازگار برای مناطق مختلف از طریق برنامه‌های به‌نژادی است. ارزیابی تنوع ژنتیکی ژنوتیپ‌های کلزا می‌بایستی برمبنای مجموعه‌ای از صفات کمی و کیفی صورت گیرد. شاخص انتخاب ژنوتیپ ایده‌آل یکی از روش‌های آماری چند متغیره است که بر اساس مجموعه‌ای از صفات یا شاخص‌های مختلف، ژنوتیپ‌های مطلوب را شناسایی می‌کند. همچنین، تجزیه به عامل‌ها یکی دیگر از روش‌های آماری چند متغیره است که به&lrm;منظور دسته‌بندی صفات، تعیین میزان اهمیت و ارتباط هریک از آنها در ایجاد تغییرات کل داده‌ها و شناسایی صفات موثر بر عملکرد مورد استفاده قرار می‌گیرد. تشخیص صفات موثر بر عملکرد این توانایی را به به&lrm;نژادگر می‌دهد که بر صفات مشخصی که موجب تنوع شده است، تمرکز نماید. بر این اساس، به&lrm;منظور مطالعه خصوصیات زراعی و صفات کمی و کیفی دانه در لاین‌های مختلف کلزا و نهایتاً انتخاب ژنوتیپ‌های برتر از منظر عملکرد دانه و روغن بالا همراه با بیشترین مقدار اسیدهای چرب مفید، از روش شاخص انتخاب ژنوتیپ ایده‌آل و تجزیه به عامل‌ها استفاده شد. مواد و روش‌ها: تعداد 21 ژنوتیپ برتر حاصل از برنامه‌های به‌نژادی در ایستگاه تحقیقات کشاورزی گرگان در قالب طرح بلوک‌های کامل تصادفی با سه تکرار مورد بررسی قرار گرفتند. در طول دوره رشد و نمو تعداد 23 صفت کمی و کیفی مختلف از جمله صفات فنولوژیکی ]تعداد روز تا شروع گلدهی، تعداد روز تا رسیدگی فیزیولوژیک[؛ صفات زراعی ]ارتفاع بوته (سانتی‌متر)، تعداد شاخه‌های جانبی، ارتفاع شاخه‌بندی (سانتی‌متر)، طول ساقه اصلی (سانتی‌متر)، طول خورجین (سانتی‌متر)[؛ عملکرد و اجزای آن ]تعداد خورجین در ساقه اصلی، تعداد خورجین در شاخه‌های جانبی، تعداد خورجین در بوته، تعداد دانه در خورجین، وزن هزار دانه (گرم)، عملکرد دانه (کیلوگرم در هکتار)[ و صفات کیفی ]محتوی روغن (درصد)، عملکرد روغن (کیلوگرم در هکتار)، مقدار گلوکوزینولات در دانه (میکرومول بر گرم دانه)، درصد ترکیب اسیدهای چرب (اروسیک اسید، لینولنیک اسید، لینولئیک اسید، اولوئیک اسید، استئاریک اسید، پالمیتولئیک اسید، پالمیتیک اسید[ ژنوتیپ‌ها تعیین شد. تجزیه واریانس برای بررسی اختلاف بین ژنوتیپ‌ها، تجزیه به عامل‌ برای انتخاب غیرمستقیم برای عملکرد دانه از طریق سایر صفات وابسته و شاخص انتخاب ژنوتیپ ایده&lrm;آل برای دو صفت مهم عملکرد دانه و عملکرد روغن برمبنای 22 صفت اشاره شده در بالا مورد استفاده قرار گرفت. یافته‌ها: نتایج تجزیه واریانس نشان داد که ژنوتیپ‌ها در تمامی صفات مورد بررسی به&lrm;غیر از تعداد شاخه‌های جانبی و تعداد دانه در خورجین اختلاف آماری معنی‌دار (01/0>P) با یکدیگر داشتند که این موضوع بیانگر وجود تنوع ژنتیکی بین ژنوتیپ‌های مورد بررسی است. نتایج شاخص انتخاب ژنوتیپ ایده‌آل نشان داد که ژنوتیپ‌های G20، G12، G16، G1، G7، G10 و G11 به&lrm;ترتیب با داشتن شاخص انتخاب ژنوتیپ ایده‌آل 0/621، 0/584، 0/673، 0/633، 0/591، 0/728 و 0/673 و عملکرد دانه 3258/67، 3140/67، 2941/33، 2763/33، 2712/67، 25/75/33 و 2548 کیلوگرم در هکتار به&lrm;عنوان ژنوتیپ‌هایی با پتانسیل عملکرد دانه بالا و سایر صفات زراعی مطلوب شناسایی شدند. به&lrm;علاوه، ژنوتیپ‌های G20، G12، G16، G2، G1، G10 و G11 با داشتن مقادیر شاخص انتخاب ژنوتیپ ایده‌آل 0/622، 0/584، 0/673، 0/589، 0/633، 0/727 و 0/672 به&lrm;ترتیب با دارا بودن 1218/28، 1201/42، 1109/54، 1102/27، 1056/45، 987/40 و 961/27 کیلوگرم در هکتار عملکرد روغن از جمله ژنوتیپ‌های برتر از منظر پتانسیل عملکرد روغن بالا و سایر صفات زراعی مطلوب شناسایی شدند به&lrm;طوری‌که از این ژنوتیپ‌ها می‌توان در اجرای آزمایشات سازگاری بهره‌برداری کرد. در این مطالعه 23 صفت اندازه‌گیری شده، برای تجزیه به عامل‌ها مورد استفاده قرار گرفتند. مقادیر KMO به&lrm;دست آمده و نیز معنی‌دار بودن آزمون اسفریسیتی بارتلت، بیانگر کافی بودن مقادیر همبستگی متغیرهای اولیه برای انجام تجزیه به عامل‌ها و کفایت مدل تجزیه به عامل‌ها بود. در این تحقیق، پس از انجام تجزیه به عامل‌ها، هفت عامل مشخص شد. این عامل‌ها مجموعاً توانستند 82/13 درصد از تنوع کل داده‌ها را توجیه نمایند. سهم عامل‌های اول تا هفتم به&lrm;ترتیب برابر 20/86، 15/99، 13/99، 10/65، 8/80، 6/27 و 5/57 درصد برآورد گردید. عامل اول تا هفتم به&lrm;ترتیب تحت عناوین فاکتورهای مؤثر بر کیفیت روغن، مورفولوژی و خصوصیات ظاهری، خصوصیات رویشی و مقاصد فیزیولوژیک، عملکرد اقتصادی دانه، کیفیت روغن، عملکرد کمی و کیفی روغن و فنولوژی و خصوصیات رسیدگی نامگذاری شدند. به&lrm;علاوه، نتایج تجزیه به عامل‌ها نشان داد که صفات تعداد خورجین در ساقه اصلی، تعداد خورجین در شاخه‌های فرعی و تعداد خورجین در بوته ارتباط مثبتی با عملکرد دانه و عملکرد دانه نیز با عملکرد روغن داشتند. نتیجه‌گیری: به‌طور‌کلی، نتایج نشان داد که رهیافت شاخص انتخاب ژنوتیپ ایده‌آل و تجزیه به عامل‌ها ابزار فوق‌العاده قدرتمندی برای انتخاب بهترین ژنوتیپ‌های کلزا از لحاظ همه صفات کمی و کیفی فوق الاشاره بود. بر اساس شاخص انتخاب ژنوتیپ ایده‌آل، ژنوتیپ‌های G20 و G12 از جمله بهترین ژنوتیپ‌ها از منظر عملکرد دانه و روغن همراه با شاخص انتخاب ژنوتیپ ایده‌آل بالا بودند. به&lrm;علاوه، صفات تعداد خورجین در ساقه اصلی، تعداد خورجین در شاخه‌های فرعی و تعداد خورجین در بوته می‌توانند به&lrm;عنوان شاخص‌های ایده‌آل برای گزینش عملکرد دانه و از عملکرد دانه برای گزینش همزمان عملکرد روغن برای انتخاب ژنوتیپ‌های پر پتانسیل در برنامه‌های به‌نژادی استفاده کرد.   </div> <div style="text-align: justify;"><div id="ftn1" style="text-align: justify;"></div></div> <div style="text-align: justify;"><div id="ftn1" style="text-align: justify;"></div></div> <div style="text-align: justify;">Extended Abstract Background: The sustainable development of rapeseed cultivation areas, especially in Iran, requires the introduction of new cultivars with higher grain and oil yields and compatibility with different regions through breeding programs. The genetic diversity of rapeseed genotypes should be evaluated based on a set of quantitative and qualitative traits. Evaluation of genotypes using a set of traits increases the probability of finding ideal genotypes. The ideal genotype selection index is one of the multivariate statistical methods that identifies the desired genotypes based on a set of different traits or indices. Besides, factor analysis is another multivariate statistical method that is used to categorize traits, determine the importance and relevance of each of them in creating changes in the total data, and identify traits that affect yield. Identifying traits that affect yield enables the breeder to focus on specific traits that have caused variation. Accordingly, the ideal genotype selection index and factor analysis approaches were applied to study the agronomic characteristics and quantitative and qualitative traits of seeds in different canola lines and finally select the superior genotypes from the viewpoint of high seed and oil yield along with the highest amount of essential fatty acids. Methods: In this study, 21 genotypes obtained via breeding programs were evaluated in a randomized complete block design with three replications in the Gorgan Agricultural Research Station. Various 23 quantitative and qualitative traits, including phenological traits [the number of days to the beginning of flowering, the number of days to physiological maturity], agronomical traits [plant height (cm), the number of lateral branches, branching height (cm), main stem length (cm), pod length (cm)], and yield and its components [the number of pods per main stem, the number of pods per lateral branches, the number of pods per plant, the number of grain per pod, thousand-grain weight (g), grain yield (kg ha-1)], as well as qualitative traits [oil content (%), oil yield (kg ha-1), the amount of glucosinolate in the grain (micromol/g of grain), and the percentage of fatty acid composition (orosic acid, linolenic acid, linoleic acid, oleic acid, stearic acid, palmitoleic acid, and palmitic acid) were determined during the growth season. The analysis of variance (ANOVA) was applied to examine differences between genotypes, the factor analysis was exploited for indirect selection for grain yield through other dependent traits as well as the ideal genotype selection index was used for the two important traits including grain yield and oil yield based on abovementioned 22 traits. Results: The results of ANOVA showed that the genotypes were statistically different (P < 0.01) in all the studied traits, except for the number of lateral branches and the number of grains per pod, which indicates the existence of genetic diversity between the studied genotypes. The results of the ideal genotype selection index depicted that the genotypes G20, G12, G16, G1, G7, G10, and G11 with the ideal genotype selection indexes of 0.621, 0.584, 0.673, 0.633, 0.591, 0.728, and 0.673 and grain yields of 3258.67, 3140.67, 2941.33, 2763.33, 2712.67, 2575.33, and 2548 kg ha-1, respectively, were identified as genotypes with high grain yield potential and other desirable agronomic traits. Furthermore, the genotypes G20, G12, G16, G2, G1, G10, and G11 with the ideal genotype selection indexes of 0.622, 0.584, 0.673, 0.589, 0.633, 0.727, and 0.672 and oil yields of 1218.28, 1201.42, 1109.54, 1102.27, 1056.45, 987.40, and 961.27 kg ha-1, respectively, were identified as genotypes with high oil yield potential and other desirable agronomical traits. Hence, these genotypes can be used in compatibility test trials. In this study, the 23 measured traits were applied for factor analysis. The obtained Kaiser-Meyer-Olkin (KMO) measure of sampling adequacy values and the significance of Bartlett's sphericity test indicated the adequacy of the correlation values of the primary variables for factor analysis and the adequacy of the factor analysis model. In this research, seven factors were identified based on factor analysis. These factors explained 82.13% of the total data variation. The values of the first to seventh factors were estimated at 20.86, 15.99, 13.99, 10.65, 8.80, 6.27, and 5.57%, respectively. The first to seventh factors are recognized as factors affecting oil quality, morphology and appearance, vegetative attributes, physiological sinks, economic grain yield, and oil quantity and quality as well as phenology and ripening characteristics. In addition, the results of factor analysis showed that the number of pods per main stem, the number of pods per lateral branch, and the number of pods per plant were the traits with a positive relationship with grain yield and grain yield with oil yield. Conclusion: In general, the results of this experiment showed that the ideal genotype selection index and factor analysis approaches were identified as an extremely powerful tool for selecting superior rapeseed genotypes based on the aforementioned quantitative and qualitative traits. Based on the ideal genotype selection index, G20 and G12 genotypes were among the excellent genotypes in terms of grain and oil yields with higher ideal genotype selection indexes. In addition, the number of pods per main stem, the number of pods per lateral branch, and the number of pods per plant are the traits that can be used as an ideal selection index for the selection of grain yield and grain yield for the selection of oil yield to select high-potential genotypes in breeding programs.  </div> اجزای عملکرد دانه و روغن, تجزیه به عامل‌ها, درصد پروتئین, صفات زراعی, .Brassica napus L Agronomic traits, Brassica napus L., Factor analysis, Grain and oil yield components, Protein percent 37 49 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-1068-3&slc_lang=fa&sid=1 Hassan Amiri Oghan حسن امیری اوغان amirioghan2014@gmail.com 100319475328460025534 100319475328460025534 No Department of Oil Crops Research, Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran بخش تحقیقات دانه‌های روغنی، مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران Kamal Payghamzadeh کمال پیغام‌زاده k.peyghamzade@areeo.ac.ir 100319475328460025535 100319475328460025535 Yes Department of Crop and Horticultural Science Research, Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران Farnaz Shariati فرناز شریعتی frzshariati@gmail.com 100319475328460025536 100319475328460025536 No Department of Oil Crops Research, Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran بخش تحقیقات دانه‌های روغنی، مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران Amir Gholizadeh امیر قلی‌زاده gholizadehamir68@gmail.com 100319475328460025537 100319475328460025537 No Department of Crop and Horticultural Science Research, Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran استادیار، بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران