fa ارزیابی روابط بین صفات زراعی ژنوتیپ‌های باقلا با استفاده از بای‌پلات‌های دوگانه و سه‌گانه‌ ژنوتیپ، صفت و عملکرد اصلاح نباتات General پژوهشي Research <div style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:IRANsharp;"><span style="line-height:2;"><span style="background:white"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA"><span style="color:#0d0d0d">چکیده مبسوط</span><span style="background:white"><span style="color:#333333"></span></span></span></b></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA"><span style="color:black">مقدمه و هدف:</span></span></b><span lang="FA"><span style="color:black"> باقلا در سراسر جهان به &lrm;عنوان یک منبع غنی از پروتئین قابل استفاده برای انسان و دام شناخته شده ‌است. این گیاه یک لگوم زراعی ارزشمند است که با تثبیت بیولوژیک نیتروژن به پایداری سیستم‌های زراعی کمک می‌کند. کنترل ژنتیکی عملکرد مستقیماً توسط پارامترهای مرتبط با عملکرد تحت تأثیر قرار می&lrm; گیرد. شناخت روابط بین صفات و همبستگی آن‌ها با عملکرد و درک نوع روابط بین این مولفه‌ها، بازده انتخاب برای عملکرد را افزایش خواهد داد. انتخاب ژنوتیپ‌ها بر اساس صفات متعدد یک چالش حیاتی در اصلاح نباتات است و برای بهبود واریته‌های زراعی پایدار حائز اهمیت است. در این مطالعه، برای بررسی روابط بین صفات مختلف، ارتقا صفات کمّی و انتخاب بهترین ژنوتیپ‌های باقلا از روش بای‌پلات ژنوتیپ &times; صفت و بای‌پلات ژنوتیپ &times; عملکرد &times; صفت در ترکیب با تجزیه خوشه‌ای استفاده شد. همچنین، نقاط قوت و ضعف هر ژنوتیپ با ترکیب عملکرد و سایر صفات هدف با روش </span></span><span dir="LTR"><span style="color:black">GYT biplot</span></span><span style="color:black"> تعیین شد.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA"><span style="color:black">مواد و روش‌ها:</span></span></b><span lang="FA"><span style="color:black"> به &lrm;منظور گزینش ژنوتیپ‌هایی با صفات عملکردی مطلوب، آزمایشی در قالب طرح لاتیس ساده (6 &times; 6) در دو تکرار در ایستگاه‌‌تحقیقات کشاورزی گرگان در سال زراعی 01-1400 اجرا شد. مواد ژنتیکی مورد بررسی شامل 36 ژنوتیپ باقلا بود. صفات فنولوژیک، ارتفاع بوته</span></span> <span lang="FA"><span style="color:black">و ارتفاع اولین غلاف از سطح زمین قبل از برداشت اندازه‌گیری شدند. برداشت در مرحله رسیدگی کامل انجام و تعداد دانه در غلاف، تعداد غلاف در بوته</span></span> <span lang="FA"><span style="color:black">و وزن صد دانه در ده بوته به &lrm;صورت تصادفی در هر کرت اندازه &lrm;گیری شدند. داده‌ها با استفاده از نرم افزار</span></span><span dir="LTR"><span style="color:black"> SAS </span></span><span lang="FA"><span style="color:black">مورد تجزیه و تحلیل قرار گرفتند و میانگین‌ها با استفاده از آزمون</span></span><span dir="LTR"><span style="color:black"> LSD </span></span><span lang="FA"><span style="color:black">در سطح احتمال یک و پنج درصد مقایسه شدند. همچنین، روش‌های</span></span> <span lang="FA"><span style="color:black">گزینش</span></span> <span lang="FA"><span style="color:black">گرافیکی بای‌پلات ژنوتیپ &times; صفت و بای‌پلات ژنوتیپ &times; عملکرد &times; صفت، در ترکیب با تجزیه خوشه‌ای</span></span> <span lang="FA"><span style="color:black">برای</span></span> <span lang="FA"><span style="color:black">ارتقاء چندین</span></span> <span lang="FA"><span style="color:black">صفت</span></span> <span lang="FA"><span style="color:black">کمّی</span></span> <span lang="FA"><span style="color:black">به‌طور</span></span> <span lang="FA"><span style="color:black">همزمان</span></span> <span lang="FA"><span style="color:black">انجام</span></span> <span lang="FA"><span style="color:black">شدند</span></span><span dir="LTR"><span style="color:black">.</span></span><span lang="FA"><span style="color:black"> خوشه&lrm; بندی ژنوتیپ&lrm; ها و صفات به تفکیک در هر آزمایش با استفاده از روش </span></span><span dir="LTR"><span style="color:black">Ward</span></span><span style="color:black"> و فاصله مربع اقلیدسی انجام شد و نقشه گرافیکی هیت‌مپ با استفاده از نرم &lrm;افزار </span><span dir="LTR"><span style="color:black">MetaboAnalyst 3.0</span></span><span style="color:black"> ترسیم شد. </span></span></span><br> <span style="background:white"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA"><span style="color:black">یافته‌ها:</span></span></b><span lang="FA"><span style="color:black"> نتایج تجزیه واریانس نشان دادند که تفاوت بسیار معنی‌دار در سطح احتمال یک درصد بین ژنوتیپ‌های باقلا برای صفات زراعی وجود داشت. بر اساس نتایج خوشه&lrm; بندی و تجزیه گرافیکی هیت‌مپ، ژنوتیپ‌های باقلا در پنج گروه قرار گرفتند. گروه‌های متمایز به‌دست‌آمده برای استخراج ژنوتیپ‌هایی با ویژگی‌های متنوع و شناسایی تنوع خزانه ژنی مفید هستند. ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G25</span></span><span lang="FA"><span style="color:black"> (</span></span><span dir="LTR"><span style="color:black">12TER-115-S2008, 058-4</span></span><span lang="FA"><span style="color:black">)، </span></span><span dir="LTR"><span style="color:black">G26</span></span> <span dir="LTR"><span style="color:black">(12TER-124-S2009, 039-3)</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G4</span></span><span lang="FA"><span style="color:black"> (</span></span><span dir="LTR"><span style="color:black">ILB1814&times; WRB 1-5</span></span><span lang="FA"><span style="color:black">) به&lrm;ترتیب با میانگین عملکرد دانه 6251/7، 5965/6 و 5815/6 کیلوگرم در هکتار بیشترین عملکرد دانه را داشتند. بر اساس نتایج حاصل از </span></span><span dir="LTR"><span style="color:black">GT</span></span><span lang="FA"><span style="color:black"> بای‌پلات، ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G26</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G25</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G23</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G21</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G16</span></span><span lang="FA"><span style="color:black"> به &lrm;عنوان برترین ژنوتیپ‌ها شناخته شدند. نمایش برداری بای‌پلات </span></span><span dir="LTR"><span style="color:black">GT</span></span><span lang="FA"><span style="color:black">، همبستگی مثبت بالای عملکرد غلاف، تعداد شاخه، ارتفاع بوته و روز تا گلدهی با عملکرد دانه را نشان داد. بردارهای موجود در بای‌پلات نشان دادند که زودرسی، ارتفاع بوته، تعداد دانه در غلاف و وزن صد دانه معیاری جهت بهبود عملکرد دانه در برنامه اصلاحی هستند. یافته‌ها نشان دادند که بای&lrm;پلات ژنوتیپ صفت (</span></span><span dir="LTR"><span style="color:black">GT</span></span><span lang="FA"><span style="color:black">) تنوع کل کمتری (47%) را در مقایسه با بای‌پلات ژنوتیپ &times; عملکرد &times; صفت (87/5%) توجیه‌ کرد. نمای کدام ژنوتیپ در کجا</span></span><span dir="LTR"><span style="color:black"> biplot GYT </span></span><span lang="FA"><span style="color:black">چند ضلعی را به پنج بخش تقسیم کرد که از این میان فقط دو بخش دارای ترکیب صفات بودند. بخش اول حاوی ترکیب صفت عملکرد با صفات روز تا گلدهی، روز تا غلاف&lrm; دهی، روز تا رسیدگی، ارتفاع بوته، ارتفاع اولین غلاف، تعداد غلاف در بوته، بیومس، شاخص برداشت و وزن صد دانه و نه ژنوتیپ (</span></span><span dir="LTR"><span style="color:black">G4</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G6</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G13</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G16</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G21</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G23</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G25</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G26</span></span><span style="color:black"> و </span><span dir="LTR"><span style="color:black">G27</span></span><span lang="FA"><span style="color:black">) بود که </span></span><span dir="LTR"><span style="color:black">G25</span></span><span style="color:black"> و </span><span dir="LTR"><span style="color:black">G26</span></span><span style="color:black"> ژنوتیپ‌های برتر بودند. در بخش دوم چند ضلعی، ژنوتیپ </span><span dir="LTR"><span style="color:black">G32</span></span><span lang="FA"><span style="color:black"> (رقم فیض) با عملکرد &times; تعداد دانه در غلاف (</span></span><span dir="LTR"><span style="color:black">NG</span></span><span lang="FA"><span style="color:black">) و عملکرد &times; طول غلاف (</span></span><span dir="LTR"><span style="color:black">LP</span></span><span lang="FA"><span style="color:black">) قرار گرفتند. بر اساس نمای چند ضلعی بای‌پلات ژنوتیپ در عملکرد &times; صفت </span></span><span dir="LTR"><span style="color:black">(GYT)</span></span><span lang="FA"><span style="color:black">، ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G25</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G23</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G32</span></span><span style="color:black"> دارای بهترین ترکیب عملکرد دانه با سایر صفات بودند. نمایش مختصات تستر متوسط </span><span dir="LTR"><span style="color:black">ATC</span></span><span lang="FA"><span style="color:black"> بای پلات </span></span><span dir="LTR"><span style="color:black">GYT</span></span><span lang="FA"><span style="color:black"> ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G25</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G26</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G4</span></span><span lang="FA"><span style="color:black"> با کلیه ترکیبات مثبت عملکرد- صفت به &lrm;عنوان بهترین ژنوتیپ و ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G35</span></span><span lang="FA"><span style="color:black">، </span></span><span dir="LTR"><span style="color:black">G7</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G12</span></span><span lang="FA"><span style="color:black"> کمترین عملکرد دانه را داشتند. </span></span></span></span></span><br> <span style="background:white"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA"><span style="color:black">نتیجه‌گیری:</span></span></b><span lang="FA"><span style="color:black"> این مطالعه نشان می &shy;دهد که بای‌پلات ژنوتیپ در عملکرد &times; صفت </span></span><span dir="LTR"><span style="color:black">(GYT)</span></span><span lang="FA"><span style="color:black"> ابزار گرافیکی قدرتمندی جهت نمایش ژنوتیپ‌های برتر و پایدار است و با استفاده از آن می‌توان بهترین ژنوتیپ‌ها را بر اساس ترکیب عملکرد و صفات در برنامه‌های اصلاحی شناسایی کرد. در نهایت، ژنوتیپ‌های </span></span><span dir="LTR"><span style="color:black">G25</span></span><span style="color:black"> (</span><span dir="LTR"><span style="color:black">12TER-115-S2008, 058-4</span></span><span lang="FA"><span style="color:black">)، </span></span><span dir="LTR"><span style="color:black">G26</span></span> <span dir="LTR"><span style="color:black">(12TER-124-S2009, 039-3)</span></span><span lang="FA"><span style="color:black"> و </span></span><span dir="LTR"><span style="color:black">G4</span></span> <span dir="LTR"><span style="color:black">(ILB1814&times; WRB 1-5)</span></span> <span lang="FA">با توجه به عملکرد بالاتر و صفات مطلوب به&lrm; عنوان ارقام برتر باقلا جهت بررسی در آزمایشات سازگاری و معرفی شناسایی شدند. </span></span></span></span><br> <span style="background:white"><span style="direction:rtl"><span style="unicode-bidi:embed"><span lang="FA"><span style="font-family:"2 Mitra""></span></span></span></span></span></span></span></span><br> &nbsp;</div> <div style="text-align: justify;"><span style="font-size:14px;"><span style="font-family:Times New Roman;"><span style="line-height:2;"><span style="unicode-bidi:embed"><b><span style="color:black">Extended Abstract</span></b></span><br> <span style="unicode-bidi:embed"><b><span style="color:#0d0d0d">Background: </span></b><span style="background:white"><span style="color:#0d0d0d">Faba bean (<i>Vicia faba</i> L.) is grown worldwide as a protein source for food and feed.</span></span><span style="color:#0d0d0d"> It is a very valuable legume crop that contributes to the sustainability of cropping systems by its ability to fix biological N2. Genetic control of yield is directly affected by parameters correlated with yield. Recognizing the correlation of yield and its components and finding the type of relationships between them can increase yield. The selection of genotypes based on multiple traits is a critical challenge in plant breeding and is important for improving stable crop varieties. In this study, the genotype &times; trait biplot (GT biplot) and the genotype &times; yield-trait biplot (GYT biplot) methods were used in combination with cluster analysis to investigate the relationships between grain yield and simultaneous improvement of quantitative traits and select the best faba bean genotypes<s>.</s> Also, the strengths and weaknesses of each genotype were determined by combining yield and other target traits with the GYT biplot method.</span></span><br> <span style="unicode-bidi:embed"><b><span style="color:#0d0d0d">Methods:</span></b><span style="color:#0d0d0d"> To select suitable genotypes, genotypes were evaluated in the field, based on a simple lattice design (6 &times; 6) with two replications in Gorgan</span> <span style="color:#0d0d0d">research stations in the 2021-2022 cropping season. Plant materials included 36 faba bean (<i>Vicia faba</i> L.) genotypes. The phonological traits, plant height (PH) and lowest pod height (HLP), were calculated before harvesting. In each plot, plants were harvested by hand at the harvest maturity stage, and seed number/pod (NS), pod number/plant (NP), and hundred-seed weight (100SW) were measured on ten plants selected randomly from all plots. Data were analyzed using SAS software, and the means were compared using the LSD test at 1% and 5% probability levels.</span><span style="background:white"><span style="color:#0d0d0d"> Two graphical multipurpose selection procedures, </span></span><span style="color:#0d0d0d">GT biplot and GYT biplot, were<span style="background:white"> conducted</span> in combination with cluster analysis<span style="background:white"> for the simultaneous improvement of quantitative traits. </span>The genotypes and traits were clustered separately in each experiment using the Ward method and Square Euclidean Distance, and the corresponding heat map was plotted using MetaboAnalyst 3. 0 software.</span><span style="background:white"><span style="color:#0d0d0d"></span></span></span><br> <span style="unicode-bidi:embed"><b><span style="color:#0d0d0d">Results:</span></b> <span style="color:#0d0d0d">Based on the analysis of variance, there were significant differences (P &le; 0.01) in all parameters. Clustering and heat map graphical mapping assigned the faba bean genotypes to five groups. The different groups obtained can be useful for deriving the genotypes with diverse features and diversifying the heterotic pools. According to the mean grain yield of the genotypes, the maximum grain yield was obtained for G25</span> <span style="color:#0d0d0d">(12TER-115-S2008, 058-4), G26</span> <span style="color:#0d0d0d">(12TER-124-S2009, 039-3),</span> <span style="color:#0d0d0d">and</span> <span style="color:#0d0d0d">G4</span> <span style="color:#0d0d0d">(ILB1814&times; WRB 1-5) genotypes, with mean grain yields of 6251.7, 5965.6, and 5815.6 kgha^-1, respectively. Results of the GT biplot in the present study indicated that G26, G25, G23, G21, and G16 were identified as superior genotypes. The GT biplot vector view indicated a strong positive association between pod yield, the number of branches, plant height, and days to flowering with seed yield. The GT biplot vector view indicated that the number of seeds per pod, 100-seed weight, plant height, and early maturity traits could be used as a selection criterion for improving seed yield in faba bean. Findings suggested that the genotype by trait (GT) biplot explained less total variation (47%) than the GYT biplot (87.5%). <span class="fontstyle01"><span style="color:black"><span style="font-weight:bold"><span style="font-style:normal"><span style="color:#0d0d0d">The which-won-where view</span></span></span></span></span> of the GYT biplot divided the GYT polygon into five parts, out of which only two parts had combinations of traits. The first part harbored the combination of the yield trait with phenological traits, plant height (PH), lowest pod height (HLP), pod number/plant (NP), biomass, harvest index, and 100-seed weight, and <span class="fontstyle01"><span style="color:black"><span style="font-weight:bold"><span style="font-style:normal"><span style="color:#0d0d0d">nine genotypes (G4, G6, G13, G16, G21, G23, G25, G26, and G27), for which G25 and G26 were the winner genotypes.</span></span></span></span></span> In the second part of the GYT polygon, genotype G32 (Feyz cultivar) was placed with yield &times; number of grains per pod (NG) and yield &times; length of pod (LP). Based on the results of the GYT biplot, G25</span> <span style="color:#0d0d0d">(12TER-115-S2008, 058-4) and G26</span> <span style="color:#0d0d0d">(12TER-124-S2009, 039-3) were the best genotypes in combining grain yield with valuable traits. The average tester coordinate (ATC) view of the GYT biplot identified genotypes G25, G26, and G4 with all positive yield-trait combinations as the best genotypes and genotypes G35, G7, and G12 as the weakest genotypes. <span style="background:white"></span></span></span><br> <span style="color:black"><b><span style="color:#0d0d0d">Conclusion:</span></b> <span style="color:#0d0d0d">The study shows that the GYT biplot is a very good technique, by which the ideal and stable genotypes can be detected visually, and it can be used to define the best candidate based on combining yield and trait selection in breeding programs. Overall, these findings indicated that the genotypes G25 (12TER-115-S2008, 058-4), G26 (12TER-124-S2009, 039-3), and G4 (ILB1814 &times; WRB 1-5) had the right combination of traits of interest required to produce higher yield and hence are potentially valuable candidates to be tested in multi-location trials for stable performance prior to release as new commercial faba bean cultivars.</span></span></span></span></span><br> &nbsp;</div> بای‎پلات ژنوتیپ × صفت, بای‌پلات ژنوتیپ× صفت × عملکرد, شاخص GYT, هیت‌مپ GT biplot, GYT biplot, GYT Index, Heat map 29 42 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-1036-2&slc_lang=fa&sid=1 Fatemeh Sheikh فاطمه شیخ sheikhfatemeh@yahoo.com 100319475328460025962 100319475328460025962 Yes Crop and Horticultural Science Research Department, Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران