Journal of Crop Breeding

fa ارزیابی و انتخاب ژنوتیپ‎ های مطلوب با استفاده از روش های آماری چند‎متغیره در نسل F2 برنج Evaluation and Selection of Desirable Genotypes using Multivariate Statistical Methods in the F2 Generation of Rice اصلاح نباتات General پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: در بسیاری از کشور&lrm;&lrm;های دنیا به &lrm;علت چالش &lrm;های زیستی، غیرزیستی و رشد جمعیت جهان، تامین مواد غذایی و به&lrm; ویژه امنیت غذایی کشورها در اولویت قرار دارد. به&lrm; علت مصرف روزانه و تامین نیاز غذایی مردم بسیاری از کشورها، گیاهانی از جمله برنج را به یک گیاه استراتژیک تبدیل کرده &lrm;است. برای افزایش پتانسیل تولید برنج نیاز به برنامه اصلاحی مناسب است. تنوع ژنتیکی در جمعیت‌های انتخابی در بهینه &lrm;سازی روند اصلاحی نقش مهمی دارد اما به &lrm;علت افزایش فرسایش ژنتیکی و شدت فعالیت&lrm; های اصلاحی، تنوع ژنتیکی کاهش یافته &lrm;است .یکی از مهم&lrm; ترین روش&lrm; های افزایش پتانسیل تولید برنج، استفاده از سیستم تلاقی است. تلاقی در برنج به&lrm; علت پدیده هتروزیس یک روش بسیار پرکاربرد در افزایش عملکرد است و منجر به تولید نتاج برتر از والدین یا رقم تجاری منطقه می &lrm;شود. آمار چندمتغیره روشی مناسب برای تجزیه روابط مختلف بین صفات، شناسایی تنوع موجود و ارزیابی دقیق در انتخاب ژنوتیپ برتر جهت بهبود عملکرد دانه در برنج است. تجزیه خوشه &lrm;ای و رگرسیونی یک ابزار قدرتمند در آمار چندمتغیره است که به &lrm;عنوان شاخص انتخاب در تعیین صفات موثر بر عملکرد استفاده می&lrm; شود. همبستگی با بیان ارتباط بین متغیرها یک روش بسیار تاثیرگذار در تعیین روند انتخاب بوته برتر در تجزیه &lrm;های آماری است. هدف از این پژوهش، استفاده از اصلاح کلاسیک و آمار چندمتغیره در بین جمعیت در حال تفرق F2 برنج برای انتخاب لاین &lrm;هایی با پتانسیل عملکرد بالا برای نسل بعد است. مواد و روش: در این تحقیق، تعداد 2000 بذر F2 حاصل از تلاقی نعمت به&lrm; عنوان پایه مادری با رقم محلی سنگ &lrm;طارم به&lrm; عنوان پایه &lrm;پدری در مزرعه تحقیقاتی برنج پژوهشکده ژنتیک و زیست&lrm; فناوری کشاورزی طبرستان دانشگاه علوم کشاورزی و منابع طبیعی ساری به تعداد 50 ردیف به &lrm;طول 10 متر و فاصله کشت 25×25 در مساحتی حدود 125 متر مربع نشاء&lrm;کاری شدند. تعداد 18 بوته برتر از لحاظ صفات مورفولوژیکی انتخاب و برای تجزیه و تحلیل داده&lrm; های مورفولوژیکی نظیر صفات ارتفاع بوته، تعداد پنجه &lrm;بارور، طول خوشه، تعداد دانه پوک، تعداد دانه &lrm;پر، تعداد کل&lrm; دانه، وزن 100 دانه، طول دانه، عرض دانه و عملکرد بوته با استفاده از آمار چندمتغیره مورد تجزیه و تحلیل قرار گرفتند. از تجزیه کلاستر صفات با مقیاس فاصله اقلیدسی برای گروه&lrm; بندی بوت&lrm;ه ها و تابع تشخیص برای صحت گروه &lrm;بندی استفاده شد. برای بررسی ارتباط بین صفات از تجزیه همبستگی و رگرسیون استفاده شد. یافته&lrm; ها: نتیجه تجزیه خوشه &lrm;ای صفات، ژنوتیپ &lrm;ها را به سه گروه تقسیم کرد. گروه اول بیشترین میانگین عرض دانه (2/69)، تعداد دانه&lrm; کل (168/5)، تعداد دانه &lrm;پر (117/22) و کم&lrm;ترین میانگین ارتفاع بوته (121/83) را داشت و گروه سوم در میانگین صفات وزن 100 دانه (2/94)، تعداد پنجه &lrm;بارور (35) و طول خوشه (29/78) بالاترین مقادیر را نشان داد. کم&lrm;ترین میانگین تعداد دانه پوک (17/22) و بیشترین میانگین طول دانه (11) به گروه 2 مرتبط بودند. گروه سوم به &lrm;عنوان گروه عملکرد با بیش&lrm;ترین وزن 100 دانه، تعداد پنجه و ارتفاع بوته در نظر گرفته شد. صحت گروه &lrm;بندی بوته&lrm; های متعلق به گروه&lrm; ها توسط تابع تشخیص مورد تایید قرارگرفت. تابعی را که تجزیه تشخیص توانست معرفی کند، 94 درصد واریانس کل داده &lrm;های آزمایش را در برداشت و توانست با مقدار ویژه 32/67 به&lrm; خوبی گروه&lrm; ها را از همدیگر تفکیک کند. میانگین&lrm; های صفات تعداد پنجه، تعداد دانه پوک، تعداد کل دانه، وزن 100 دانه و عملکرد تک &lrm;بوته تفاوت &lrm;های معنی &lrm;داری بین گروه&lrm; ها داشتند و عامل اصلی تفرق بوته &lrm;ها بودند. در همبستگی ساده &lrm;خطی، صفات طول خوشه با ارتفاع بوته (566/ 0 r =)، تعداد دانه کل با تعداد دانه پر (0/553r =)، وزن 100 دانه با تعداد دانه پر (0/497- r = ) و عرض دانه با طول خوشه (0/489- r =) در سطح 5 درصد و تعداد دانه کل با تعداد دانه پوک (0/782 r = )، ارتفاع بوته و تعداد پنجه &lrm;بارور با عمکرد (به&lrm; ترتیب 0/708 و 0/789r = ) در سطح 1 درصد (حدود اطمینان 99%) ارتباطات معنی&lrm; داری داشتند. خروجی تجزیه رگرسیونی مدلی با ضریب تبیین تعدیل&lrm; شده 93/3% بود که نشان&lrm; دهنده میزان ارتباط بالای این صفات برای توجیه &lrm;پذیری تغییرات عملکرد است. در تفسیر تغییرات عملکرد با استفاده از تجزیه رگرسیونی به &lrm;روش توام، صفات ارتفاع بوته و تعداد پنجه &lrm;بارور اثرات مثبت و بسیار معنی &lrm;داری در تغییرپذیری عملکرد از خود نشان دادند. در مورد صفات تاثیرگذار در گروه&lrm; بندی و تفکیک ژنوتیپ&lrm; ها، بوته&lrm; های شماره 5 (87/83 گرم)، 10 (80/45)، 13 (78/93)، 4 (77/69)، 15 (72/24) و 12 (70/75) بیشترین عملکرد را داشتند. نتیجه&lrm; گیری: نتیجه تجزیه و تحلیل نشان داد که بوته&lrm; های شماره 5 (87/83 گرم عملکرد تک &lrm;بوته)، 10(80/45)، 13(78/93)، 4(77/69)، 15(72/24) و 12(70/75) با داشتن صفات مطلوب مورفولوژیکی به &lrm;عنوان بهترین ژنوتیپ&lrm; ها برای تولید لاین &lrm;های امیدبخش گزینش شدند. آمار چندمتغیره به&lrm; عنوان یک تکنیک مناسب در انتخاب ژنوتیپ برتر به&lrm; خوبی توانست در بین جمعیت در حال تفرق F2 برنج، بوته &lrm;های شماره 4، 5، 10، 12، 13 و 15 را با ویژگی &lrm;های مطلوب مورفولوژیکی مذکور و پتانسیل عملکرد بالا به&lrm; عنوان بوته &lrm;های برتر برای تولید لاین امید&lrm;بخش انتخاب کند.  </div> <div style="text-align: justify;">Extended Abstract Background: In many countries of the world, food supply, especially the food security of the countries, is a priority due to the biological and non-biological challenges and the growth of the world population. Rice is among the plants that have turned into a strategic plant due to its daily consumption and food needs of many countries. A suitable breeding program is needed to increase the potential of rice production. Genetic diversity in selected populations plays an important role in optimizing the breeding process, but genetic diversity has decreased due to the increase in genetic erosion and the intensity of breeding activities. One of the most important ways to increase rice production potential is to use a crossing system. Crossbreeding in rice is a very widely used method to increase yield due to the heterosis phenomenon and leads to the production of superior progeny from the parents or the commercial variety of the region. Multivariate statistics is a suitable method for analyzing different relationships between traits, identifying existing diversity, and evaluation accuracy in choosing the superior genotype to improve grain yield in rice. Cluster analysis and regression are powerful tools in multivariate statistics, being used as a selection index in determining traits affecting performance. Correlation by expressing the relationship between variables is a very effective method in determining the process of choosing the best plant in statistical analyses. This research aims to use classical breeding and multivariate statistics in an F2 rice population to select lines with high yield potential for the next generation. Methods: This research was conducted in the rice research farm of the Tabarestan Agricultural Genetics and Biotechnology Research Institute, Sari University of Agricultural Sciences and Natural Resources. In total, 2000 F2 seeds obtained from the crossing of Nemat as the maternal base with the local variety Seng Tarem as the paternal base were planted in 50 rows, 10 meters long, and a planting distance of 25x25 in an area of about 125 square meters. The best plants (n = 18) in terms of morphological traits were selected for the analysis of morphological traits, such as plant height, the number of fertile tillers, spike length, the number of hollow seeds, the number of full seeds, total number of seeds, hundred-seed weight, seed length, seed width, and plant yield using multivariate statistics. Cluster analysis of traits with the Euclidean distance scale was used to group the plants, and a detection function was used for grouping accuracy. Correlation and regression analysis were used to investigate the relationship between the traits. Results: The result of the cluster analysis divided the genotypes into three groups. The first group had the highest average seed width (2.69), total number of seeds (168.5), and the number of full seeds (117.22), and the lowest average plant height (121.83). The third group had the highest average values of 100-seed weight (2.94), the number of fertile tillers (35), and spike length (29.78). The lowest average number of hollow seeds (17.22) and the highest average seed length (11) belonged to Group 2. The third group was considered the yield group with the maximum 100-seed weight, the number of fertile tillers, and plant height. The correctness of the grouping of the plants belonging to the groups was confirmed by the detection function. The function introduced by the diagnostic analysis captured 94% of the variance of the test data and could distinguish the groups from each other with an eigenvalue of 32.67. The average traits of  the number of fertile tillers, the number of hollow seeds, total number of seeds, 100-seed weight, and the yield of a single plant were significantly different between the groups and were the main factors that differentiated the plants. In the simple linear correlation of the traits spike length with plant height (r = 0.566), total number of seeds with the number of full seeds (r = 0.533), 100-seed weight with the number of full seeds (r = -0.497), and seed width with spike length (r = -0.489) were significantly correlated at the 5% level. Total number of seeds with number of hollow seeds (r = 0.782), plant height, and number of fertile tillers with yield (r = 0.789 and 0.789, respectively) were significantly related at the 1% level (99% confidence level). The regression analysis output of the model with an adjusted explanation coefficient (93.3%) shows the high correlation of these traits for the justification of yield changes. In the interpretation of yield changes, using regression analysis with the combined method of plant height and the number of fertile tillers showed positive and very significant effects on yield variability. Regarding the influential traits in the grouping and separation of genotypes, the highest yields were obtained for plants 5 (87.83 g), 10 (80.45), 13 (78.93), 4 (77.69), 15 (72.24), and 12 (70.75). Conclusion: The results of the analysis showed that the plants 5 (87.83 g/plant), 10 (80.45), 13 (78.93), 4 (77.69), 15 (72.24), and 12 (70.75) having desirable morphological traits were selected as the best genotypes for producing promising lines. Multivariate statistics, as a suitable technique in the selection of the superior genotype, could distinguish between the F2 population of rice plants 4, 5, 10, 12, 13, and 15 with the desired morphological traits and high-yield potential as superior plants for producing promising lines. </div> برنج, نسل در حال تفرق F2, آمار چندمتغیره, عملکرد و گزینش Multivariate statistics, Rice, Segregating generation of the F2 population, Selection, Yield 1 9 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-48-9&slc_lang=fa&sid=1 Mehdi Vahed Semeskandeh مهدی واحد سمسکندهء wahdmhdy671@gmail.com 100319475328460026757 100319475328460026757 No Sari University of Agricultural Sciences and Natural Resources, Sari, Iran دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران Ghaffar Kiani غفار کیانی ghkiani@gmail.com 100319475328460026758 100319475328460026758 Yes Department of Plant Breeding, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran گروه اصلاح نباتات، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران Reza Ramezani رضا رمضانی rramzani57@gmail.com 100319475328460026759 100319475328460026759 No Sari University of Agricultural Sciences and Natural Resources, Sari, Iran دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران Mojtaba Aghajani Qara مجتبی آقاجانی قراء mojtaba.aghajanighara@gmail.com 100319475328460026760 100319475328460026760 No Gorgan University of Agricultural Sciences and Natural Resources, Tabarestan Agricultural Biotechnology and Genetics Research Institute, Gorgan, Iran دانشگاه علوم کشاورزی و منابع طبیعی گرگان، پژوهشکده ژنتیک و زیست ‎فناوری کشاورزی طبرستان، گرگان، ایران