Journal of Crop Breeding

fa مقایسه شاخص های مبتنی بر چند صفت برای انتخاب ژنوتیپ‎ های امید‎بخش جو Comparison of Multiple-Trait Selection Indices for Promising Barley Genotypes اصلاح نباتات General كاربردي Applicable <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: جو (L.Hordeum vulgare ) یکی از محصولات مهم خانواده غلات است که امروزه رتبه چهارم را در میان تمام محصولات غلات تولیدشده در جهان، پس از گندم، برنج و ذرت دارد. در برنامه&lrm; های اصلاحی برای انتخاب ژنوتیپ &lrm;های برتر، ژنوتیپ &lrm;ها باید با دقت بالایی انتخاب شوند. برای صفاتی مانند عملکرد دانه، انتخاب غیر مستقیم از طریق سایر صفات که همبستگی بالایی با عملکرد دارند، از کارایی مطلوبی برخوردار است. بنابراین، هدف از این تحقیق گزینش ژنوتیپ&lrm; های برتر جو و برخوردار از صفات زراعی مطلوب با استفاده از شاخص&lrm; های انتخاب ترکیبی و در نهایت مقایسه این شاخص&lrm; ها با هم بود. مواد و روش&lrm; ها: به&lrm; منظور ارزیابی تعدادی از ژنوتیپ&lrm; های برتر جو با استفاده از شاخص های گزینش چندصفتی، آزمایشی در ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب در سال زراعی 1401-1400 انجام شد. آزمایش با 51 ژنوتیپ جو به &lrm;همراه 9 ژنوتیپ شاهد در قالب طرح بلوک&lrm; های کامل تصادفی با سه تکرار اجرا شد. ژنوتیپ&lrm; های مورد بررسی در شش خط به طول 6 متر و به فاصله 15 سانتی&lrm;متر از یکدیگر کاشته شدند. میزان بذر مصرفی 300 بذر در متر مربع برای هر ژنوتیپ تعیین شد و کاشت با استفاده از دستگاه بذرکار آزمایشی غلات (Wintersteiger, Austria) انجام شد. ترکیب کودی شامل کود اوره به مقدار 150 کیلوگرم در هکتار (دو نوبت) و دی آمونیوم فسفات و سولفات پتاسیم به &lrm;ترتیب با مقادیر 100 و 50 کیلوگرم در هکتار (قبل از کاشت) بود. پس از حذف حاشیه، برداشت همه کرت (6 متر مربع) با استفاده از کمباین آزمایشی غلات (Wintersteiger, Austria) انجام شد. شاخص انتخاب ژنوتیپ ایده&lrm;آل (SIIG)، شاخص فاصله ژنوتیپ ایدئوتیپ چند صفتی (MGIDI)، شاخص طراحی ایدئوتیپ از طریق بهترین پیش &lrm;بینی نااریب خطی (FAI-BLUP) و شاخص اسمیت- هیزل (SH) برای انتخاب ژنوتیپ &lrm;های برتر با استفاده از 12 صفت مورفو- فنولوژیک محاسبه شدند. این صفات شامل عملکرد دانه، تعداد سنبله در متر مربع، تعداد دانه در سنبله، وزن سنبله، وزن هزار دانه، طول دوره پر شدن دانه، طول ریشک، طول سنبله، ارتفاع بوته، تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی، سرعت پرشدن دانه و تعداد ردیف بودند. یافته &lrm;ها: نتایج آزمون نسبت درست&lrm; نمایی (LRT) نشان دادند که اثر ژنوتیپ برای همه صفات مورد بررسی در سطح احتمال یک درصد معنی &lrm;دار بود. نتایج حداکثر درست &lrm;نمایی محدودشده (REML) نشان دادند که کمترین میزان وراثت&lrm; پذیری صفات به&lrm; ترتیب مربوط به صفات طول دوره پر شدن دانه (0/505)، عملکرد دانه (0/611) و سرعت پر شدن دانه (0/649) بود. بیشترین مقدار وراثت&lrm; پذیری نیز مربوط به وزن هزار دانه (0/884) و تعداد روز تا ظهور سنبله (0/877) بود. نتایج مقایسه میانگین تصحیح شده با استفاده از مدل REML-BLUP نشان دادند که بیشترین عملکرد دانه به&lrm; ترتیب مربوط به ژنوتیپ&lrm; های شماره 3، 1، 50 و 30 بود. عملکرد دانه این ژنوتیپ &lrm;ها از همه ژنوتیپ&lrm; های شاهد بالاتر بود. بر مبنای شاخص MGIDI، ژنوتیپ&lrm; های شماره 39، 14، 43، 49، 6، 35، 19، 32، 41، 50، 55 (اکسین)، 38، 44، 60 (نیمروز)، 28، 42، 40 و 34 با داشتن کمترین مقدار این شاخص، جزو ژنوتیپ &lrm;های برتر بودند. ژنوتیپ&lrm; های 39، 35، 43، 14، 32، 6، 41، 44، 50 و 42 به &lrm;ترتیب با بیشترین مقدار  FAI-BLUPبه&lrm; عنوان برترین ژنوتیپ &lrm;ها انتخاب شدند. نتایج شاخص SH نشان دادند که ژنوتیپ&lrm; های شماره 30، 55، 1، 2، 3، 40، 38، 12، 10 و 13 به &lrm;ترتیب با بیشترین مقدار این شاخص جزو ژنوتیپ &lrm;های برتر بودند. هم&lrm;چنین، ژنوتیپ&lrm; های شماره 3، 50، 30، 1، 55، 10، 13، 2، 11، 39، 12، 38، 31، 35، 36 و 44 با بیشترین مقدار شاخص SIIG جزو ژنوتیپ&lrm; های برتر از نظر بیشتر صفات مورد بررسی بودند. نتایج همبستگی بین صفات نشان دادند که عملکرد دانه با صفات تعداد روز تا رسیدگی (*0/35)، ارتفاع بوته (*0/37)، طول دوره پرشدن دانه (*0/26)، تعداد سنبله در مترمربع (**0/61) و سرعت پر شدن دانه (**0/960) همبستگی مثبت و معنی &lrm;داری داشت. همبستگی هر چهار شاخص انتخاب با عملکرد دانه معنی &lrm;دار بود و در بین شاخص&lrm; ها بیشترین مقدار همبستگی با عملکرد دانه به ترتیب مربوط به شاخص&lrm; های SIIG (**0/92) وSH  (**0/78-) بود. شاخص&lrm; های FAI-BLUP و MGIDI همبستگی معنی &lrm;داری با همه صفات به&lrm; جز وزن هزار دانه، طول دوره رسیدگی، طول سنبله و تعداد سنبله در متر مربع داشتند. تنها صفات وزن هزار دانه و طول سنبله با هیچ&lrm;کدام از شاخص &lrm;های انتخاب همبستگی معنی &lrm;داری نشان ندادند. نتیجه&lrm; گیری: در مجموع، ژنوتیپ&lrm; های 1، 2، 3، 10، 11، 12، 13، 30، 38، 50 و 55 که در هر دو شاخص SIIG و SH مشترک بودند و ژنوتیپ&lrm; های 35، 38، 39، 44 و 50 انتخابی توسط شاخص&lrm; های FAI-BLUP و MGIDI، به &lrm;عنوان ژنوتیپ &lrm;های برتر در شرایط این آزمایش انتخاب شدند. در نهایت، شاخص &lrm;های SIIG و SH بهتر از دو شاخص FAI-BLUP و MGIDI توانستند ژنوتیپ&lrm; های برتر با عملکرد دانه بالا را در شرایط این آزمایش شناسایی کنند.</div> <div style="text-align: justify;">Extended Abstract Background: Barley (Hordeum vulgare L.) is one of the important cereal crops, which is ranked fourth globally after wheat, rice, and maize. Superior genotypes must be accurately identified in any breeding program. Improvement of some traits, such as grain yield, may be efficient through indirect selection pathways due to their high correlations with other traits. Therefore, this study aimed to select the best barley genotypes with desirable agronomic traits by using and finally comparing a combination of different selection indices. Methods: To evaluate some superior barley genotypes using multi-trait selection indices, an experiment was conducted at the Darab Agricultural and Natural Resources Research Station, Darab, Iran, in the 2020-2021 cropping year. The plant genetic materials consisted of 51 barley genotypes, along with nine check genotypes. The experiment was carried out based on a randomized complete block design with three replications. The studied genotypes were planted in six lines of 5 m long and 15 cm space between them. Seed density was determined as 300 seeds per square meter, and seeds were sown using an experimental plot planter (Wintersteiger, Austria). Before seed sowing, the fertilizer composition was 150 kg ha-1 nitrogen (twice), and di-ammonium phosphate and potassium sulfate were 100 and 50 kg ha-1, respectively. After removing the border effect, all experimental plots were harvested using an experimental combine (Wintersteiger, Austria). Three selection indices, including selection of ideal genotype (SIIG), multi-trait genotype-ideotype distance index (MGIDI), ideotype design via best linear unbiased prediction (FAI-BLUP), and Smith-Hazel (SH), were estimated based on 12 morpho-phenological traits to select superior genotypes. The measured traits included grain yield, the number of spikes per square meter, the number of grains per spike, weight of spike, thousand-grain weight, grain filling period, spike length, plant height, the number of days to heading, the number of days to maturity, grain filling rate, and the spike type. Results: The results of the likelihood ratio test (LRT) showed that the genotype effect was significant for all measured traits at the 1% probability level. The results of restricted maximum likelihood (REML) showed that the lowest heritability was recorded for the grain filling period (0.505), grain yield (0.611), and grain filling rate (0.649), while the highest values were observed for thousand-grain weight (0.884) and the number of days to heading (0.877). The results of comparing the adjusted mean using the REML-BLUP model revealed that the highest grain yield belonged to genotypes 3, 1, 50, and 30, respectively. The grain yields of these genotypes were higher than all the check genotypes. Based on the MGIDI index, genotypes 39, 14, 43, 49, 6, 35, 19, 32, 41, 50, 55 (Auxin), 38, 44, 60 (Nimrooz), 28, 42, 40, and 34 with the lowest values were identified as superior genotypes. Genotypes 39, 35, 43, 14, 32, 6, 41, 44, 50, and 42 with the highest FAI-BLUP values were selected as the best genotypes. The results of the Smith-Hazel index showed that the genotypes 30, 55, 1, 2, 3, 40, 38, 12, 10, and 13 with the highest values were identified as superior genotypes. Moreover, genotypes 3, 50, 30, 1, 55, 10, 13, 2, 11, 39, 12, 38, 31, 35, 36, and 44 with the highest SIIG index were superior genotypes in terms of most measured traits. The results of the correlation analysis showed that grain yield was positively and significantly correlated with the number of days to maturity (0.35*), plant height (0.37*), grain filling period (0.26*), the number of spikes per square meter (0.61**), and grain filling rate (0.96**). All selection indices were significantly correlated with grain yield, and the highest correlation value was found between grain yield and the SIIG (0.92**) and Smith-Hazel (0.78**) indices. FAI-BLUP and MGIDI indices were significantly associated with all traits, except for thousand-grain weight, length of ripening period, spike length, and the number of spikes per square meter traits. Only the thousand-grain weight and spike length traits did not show significant correlations with any of the selection indices. Conclusion: In conclusion, genotypes 3, 50, 30, 1, 55, 10, 13, 2, 11, 12, and 38 were identified as superior genotypes using both SIIG and Smith-Hazel indices, and genotypes 39, 35, 50, 38, and 44 were identified as superior genotypes by FAI-BLUP and MGIDI indices. Finally, our results revealed that SIIG and Smith-Hazel indices were better than FAI-BLUP and MGIDI indices to identify superior genotypes.   </div> پارامترهای ژنتیکی, شاخص اسمیت- هیزل, شاخصFAI-BLUP , شاخص MGIDI, شاخص SIIG FAI-BLUP index, Genetic parameters, MGIDI index, SIIG index, Smith-Hazel index 1 15 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-692-10&slc_lang=fa&sid=1 Mansoor Jafari Zare منصور جعفری زارع mzare9976@gmail.com 100319475328460026376 100319475328460026376 No Department of Plant Production and Genetics engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران Ali Asghari علی اصغری a_asghari@uma.ac.ir 100319475328460026377 100319475328460026377 No Department of Plant Production and Genetics engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران Hassan Zali حسن زالی Hzali90@yahoo.com 100319475328460026378 100319475328460026378 Yes Crop and Horticultural Science Research Department, Fars Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, Iran بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران Omid Sofalian امید سفالیان sofalian@gmail.com 100319475328460026379 100319475328460026379 No Department of Plant Production and Genetics engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران Alireza Pour-Aboughadareh علیرضا پورابوقداره a.poraboghadareh@gmail.com 100319475328460026380 100319475328460026380 No Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران