Journal of Crop Breeding

fa شناسایی روابط ژنوتیپ‌های مطلوب نخود برای شرایط دیم سردسیر با استفاده از بای‌پلات‌های دوگانه و سه‌گانه Identification of Relationship Desirable Chickpea Genotypes for Cold Rainfed Conditions Using Double and Triple Biplots اصلاح نباتات General پژوهشي Research چکیده مبسوط مقدمه: انتخاب و اصلاح برای عملکرد بالا در نخود همیشه یکی از اهداف اصلی برای اصلاح‌کنندگان نخود بوده است. این فرآیند زمانی پیچیده‌تر می‌شود که علاوه بر عملکرد دانه، صفات دیگری نیز در انتخاب در نظر گرفته شوند. درعین حال عملکرد یک صفت کمی پیچیده است که اغلب توسط چندین ژن کنترل می‌شود و تحت تأثیر شرایط محیطی قرار می‌گیرد. از طرفی دستیابی به عملکرد بالاتر اغلب به دلیل همبستگی منفی بین صفات کمی، کار پیچیده‌ای است. بنابراین، انتخاب ژنوتیپ‌های برتر با در نظر گرفتن چندین صفت، یکی از چالش‌های اصلی برای اصلاح‌کنندگان است. دو روش گرافیکی تجزیه ژنوتیپ و عملکرد (GT) و ژنوتیپ و عملکرد- صفت (GYT) برای انتخاب ژنوتیپ برتر با در نظر گرفتن صفات متعدد برای غلبه بر مشکل برهمکنش صفات/ژنوتیپ با محیط و ارتباط منفی بین صفات مطلوب، پیشنهاد شده است. این مطالعه با هدف شناسایی رابطه بین صفات نخود و رتبه‌بندی ژنوتیپ‌ها بر اساس چند صفت انجام شد. مواد و روش‌ها: در این مطالعه 16 ژنوتیپ نخود سفید به همراه ارقام شاهد ثمین و جم، در قالب طرح بلوک‌های کامل تصادفی در 4 تکرار و در کشت بهاره ایستگاه‌های تحقیقاتی کردستان، مراغه، همدان و ارومیه به مدت دو سال زراعی(2019-2021) مورد ارزیابی قرار گرفتند. ژنوتیپ&lrm;‌های مورد بررسی در چهار خط به طول چهار متر و به فاصله 30 سانتی&lrm;متر از یکدیگر کاشته شدند. تراکم بوته 35 دانه در متر مربع بود. کود فسفره در پاییز و کود نیتروژنه همزمان با کاشت در بهار به عنوان آغازگر به مزرعه آزمایشی افزوده شد. کشت مواد گیاهی در اولین فرصت و بلافاصله پس از آماده شدن شرایط مزرعه، در نیمه اول فروردین انجام شد. از دو بای‌پلات ژنوتیپ × صفت (GT) و ژنوتیپ × عملکرد × صفت (GYT) برای شناسایی ارتباط بین صفات و انتخاب بهترین ژنوتیپ‌های نخود بر اساس چند صفت، استفاده شد. صفات اندازه‌گیری شده شامل تعداد روز تا گلدهی، تعداد روز تا رسیدگی، ارتفاع بوته، وزن صددانه و عملکرد دانه بود. یافته‌ها: نتایج تجزیه واریانس مرکب بیانگر آن بود که اثر محیط، ژنوتیپ و اثرمتقابل ژنوتیپ × محیط برای اغلب صفات بسیار معنی‌دار بود که نشان‌دهنده تنوع ژنتیکی قابل توجه بین ژنوتیپ‌ها و واکنش متفاوت آن‌ها در شرایط محیطی متغیر است. بررسی میانگین صفات نشان داد که عملکرد دانه بین ژنوتیپ‌ها دامنه وسیعی داشت (از 7/106 تا 1176 کیلوگرم در هکتار)، در حالی که صفاتی مانند ارتفاع بوته، تعداد روز تا گلدهی و رسیدگی و وزن صد دانه نیز تنوع قابل توجهی را نشان دادند. همبستگی فنوتیپی بین صفات بیانگر آن بود که عملکرد دانه با وزن صد دانه همبستگی منفی و معنی‌دار دارد، که نشان‌دهنده رقابت بین بزرگی دانه و تعداد دانه در شرایط دیم است. همبستگی بسیار مثبت بین تعداد روز تا گلدهی، تعداد روز تا رسیدگی و ارتفاع بوته نیز تأییدکننده این نکته است که ژنوتیپ‌های دیررس معمولاً رشد رویشی بیشتری دارند اما این رشد لزوماً منجر به افزایش عملکرد نمی‌شود. نتایج حاصل از بای‌پلات ژنوتیپ- صفت (GT) در مجموع 8/99 درصد از کل تنوع داده‌ها را توجیه کردند. به &lrm;طور کلی، براساس نمایش چندضلعی بای‌پلات، ژنوتیپ‌های 6 و 7 ژنوتیپ‌های برتر بر اساس اکثر صفات مورد ارزیابی بودند. نتایج بای‌پلات روابط متقابل میان صفات نشان دادند بین عملکرد با تمام صفات مورد بررسی همبستگی منفی وجود داشت و همبستگی‌های مثبت بالایی بین تعداد روز تا گلدهی و تعداد روز تا رسیدگی با ارتفاع وجود داشت. صفت عملکرد دانه نزدیک‌ترین صفت به صفت ایده‌آل بود و بیشترین توان تمایز و نمایندگی را نشان داد. بای‌پلات مقایسه ژنوتیپ‌ها با ژنوتیپ ایده‌آل نشان داد که ژنوتیپ‌های 6 و 7 مطلوب‌ترین ژنوتیپ‌ها از نظر اغلب صفات مورد مطالعه بودند. نمودار گرافیکی بررسی ژنوتیپ‌ها براساس پایداری نشان داد که ژنوتیپ‌های 6 و 7 از نظر عملکرد قوی ولی از لحاظ سایر صفات شامل وزن صد دانه، ارتفاع بوته و تعداد روز تا گلدهی و رسیدگی ضعیف بودند و ژنوتیپ 2 از لحاظ اکثر صفات وضعیت پایدارتری در محیط‌های آزمایشی داشت. اگرچه برای تمامی صفات، مقدار پایین‌تر از میانگین کل داشت. محاسبه شاخص برتری با استفاده از داده‌های استاندارد GYT، ژنوتیپ‌های 6 و 7 را به عنوان بهترین ژنوتیپ‌ها از لحاظ ترکیب عملکرد- صفت تعیین کرد. بای‌پلات GYT حاصل از داده‌های استاندارد GYT در مجموع 9/92 درصد از تغییرات داده‌های عملکرد-صفت را توجیه کرد. براساس چندضعی بای‌پلات GYT ژنوتیپ‌های 6 و 7 ژنوتیپ‌های مطلوب از نظر ترکیب عملکرد با ارتفاع بوته و تعداد روز تا گلدهی و رسیدگی بودند و ژنوتیپ 15 ژنوتیپ مطلوب از نظر ترکیب عملکرد با وزن صددانه بود. همچنین تمام بردارهای ترکیبی عملکرد-صفات به یکدیگر نزدیک بودند که همبستگی مثبت آن‌ها را نشان می‌دهد. ترکیب عملکرد × ارتفاع، به عنوان ترکیب ایده‌آل عملکرد-صفت برای شناسایی ژنوتیپ‌های برتر تعیین شد و ژنوتیپ‌های 6 و 7 نزدیک‌ترین ژنوتیپ‌ها به ژنوتیپ ایده‌آل بودند. نمای ATC بای‌پلات GYT ژنوتیپ‌ ژنوتیپ 6 و بعد از آن ژنوتیپ 7 را به عنوان بهترین ژنوتیپ و ژنوتیپ 14 را به عنوان ضعیف‌ترین ژنوتیپ از نظر ترکیب عملکرد-صفت معرفی کرد. همچنین نتایج نشان داد که تجزیه خوشه‌ای بر اساس داده‌های استاندارد GYT می‌تواند روشی کارآمد برای شناسایی ژنوتیپ‌های بالاتر از میانگین مشابه نمودار دوبعدی میانگین × پایداری GYT باشد. نتیجه‌گیری: در مجموع نتایج این مطالعه نشان داد ژنوتیپ‌های 6 و 7 با دارا بودن عملکرد بالا در اغلب محیط‌ها و حفظ ثبات نسبی صفات، گزینه‌های مناسب برای استفاده در برنامه‌های اصلاحی و همچنین توصیه به کشاورزان در اقلیم سرد و شرایط کم‌بارش ایران محسوب می‌شوند. نتایج این مطالعه ضمن شناسایی ژنوتیپ‌های برتر، اهمیت توجه به اثر متقابل ژنوتیپ × محیط و نقش عملکرد دانه به عنوان شاخص اصلی انتخاب را برجسته می‌کند و اطلاعات ضروری و کاربردی برای بهبود بهره‌وری نخود در شرایط دیم فراهم می‌سازد. همچنین نتایج این مطالعه بیانگر کارایی دو بای‌پلات GT و GYT به عنوان ابزارهای گرافیکی قدرتمند جهت نمایش ژنوتیپ‌های برتر و پایدار است و با استفاده از آن‌ها می‌توان بهترین ژنوتیپ‌ها را در برنامه‌های اصلاحی شناسایی کرد.   Extended Abstract Introduction and Objectives: Selection and breeding for high yield in chickpea have always been one of the main goals for chickpea breeders. This process becomes more complicated when, in addition to grain yield, other traits are considered in selection. On the other hand, achieving higher yield is often difficult due to the negative correlation between quantitative traits. At the same time, yield is a complex quantitative trait a that is often controlled by several genes and is affected by environmental conditions. Therefore, selecting superior genotypes by considering multiple traits is one of the main challenges for breeders. Two graphical methods of genotype-yield (GT) and genotype-yield-trait (GYT) analysis for selecting superior genotypes by considering multiple traits have been proposed to overcome the problem of trait/genotype × environment interaction and negative correlation between desirable traits. This study aimed to identify the relationship between traits and rank chickpea genotypes based on multiple traits <a name="_Hlk220318598">Materials </a>and Methods: In this study, 16 kabuli chickpea genotypes along with two checks (‘Samin’ and ‘Jam’) were evaluated in a randomized complete block design with four replications at the research stations of Kurdistan, Maragheh, Hamedan, and Urmia under spring planting conditions over two cropping seasons (2019–2021). The genotypes were planted in in four lines four meters long and spaced 30 cm apart, with a plant density of 35 plants per square meter. Phosphorus fertilizer was applied in autumn, and nitrogen fertilizer was added at sowing in spring as a starter. Plant materials planting was carried out at the earliest possible time in early April, immediately after field conditions were suitable. The GT (genotype × trait) and GYT (genotype × yield × trait) biplots were used to identify relationships among traits and to select the best genotypes based on multiple traits. The measured traits included days to flowering, days to maturity, plant height, 100 seed weight, and seed yield. Results: The results of the combined analysis of variance indicated that the effects of environment, genotype, and genotype × environment interaction were highly significant for most traits, indicating significant genetic variation among genotypes and their different responses to variable environmental conditions. Mean comparisons revealed a wide range of seed yield among genotypes (106.7 to 1176 kg ha⁻¹), while other traits such as plant height, days to flowering and maturity, and 100 seed weight also showed significant variation. Phenotypic correlations between traits indicated that grain yield was negatively and significantly correlated with 100-seed weight, indicating competition between grain size and grain number under dryland conditions. Strong positive correlations among days to flowering, days to maturity, and plant height confirmed that late-maturing genotypes generally had greater vegetative growth, although this growth does not necessarily lead to increased yield. The results of the genotype-trait (GT) biplot explained a total of 99.8% of the total data variation. Based on the polygon view, genotypes 6 and 7 were identified as superior for most traits. The GT biplot also revealed negative correlations between yield and all other measured traits, while days to flowering, days to maturity, and plant height were strongly and positively correlated. Seed yield was the closest trait to the ideal trait and showed the highest discriminating ability and representativeness. Comparison with the ideal genotype showed that genotypes 6 and 7 were the most desirable for most traits. the genotype-ranking plot for stability indicated that although genotypes 6 and 7 were strong in yield, they performed relatively weak for other traits such as 100-seed weight, plant height, and days to flowering and maturity, whereas genotype 2 was more stable in terms of most traits in across environments. Although for all traits, it was lower than the overall average. The superiority index based on standardized GYT data identified genotypes 6 and 7 as the best genotypes for yield–trait combinations. The GYT biplot explained 92.9% of the variation in yield–trait combinations. According to the polygon view of the GYT biplot, genotypes 6 and 7 were the most desirable genotypes in terms of yield-plant height and days to flowering and maturity, and genotype 15 was the most desirable genotype in terms of yield-trait combination. All yield–trait vectors were closely aligned, indicating positive correlations among them. The yield × plant height combination was identified as the ideal yield-trait index to identify superior genotypes, and genotypes 6 and 7 were the closest genotypes to the ideal genotype. The ATC view of the GYT biplot identified genotype 6, followed by genotype 7, as the best genotypes, and genotype 14 as the weakest in terms of yield–trait combinations. Cluster analysis based on standardized GYT data also proved effective for distinguishing above-average genotypes, similar to the two-dimensional GYT mean × stability plot. Conclusion: Overall, the results of this study showed that genotypes 6 and 7, with high yield across most environments and relatively stable performance for multiple traits, are promising candidates for breeding programs and for recommendation to farmers in the cold and low-rainfall regions of Iran. This study highlights the importance of considering genotype × environment interaction and the central role of grain yield as the main selection indicator, providing essential and practical information for improving chickpea productivity under rainfed conditions. Furthermore, the findings demonstrate the effectiveness of both GT and GYT biplots as powerful graphical tools for identifying superior and stable genotypes in breeding programs. اثرمتقابل صفات/ژنوتیپ با محیط, بای‌پلات GT, بای‌پلات GYT, رتبه‌بندی براساس چند صفت, روابط بین صفات, نخود Genotype/trait × environment interaction, GT biplot, GYT biplot, Multi-trait ranking, Trait relationships, Chickpea. 0 0 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-954-2&slc_lang=fa&sid=1 Homayoun Kanouni همایون کانونی hkanouni@gmail.com 100319475328460027836 100319475328460027836 Yes Kurdistan Agricultural and Natural Resources Research and Education Center, AREEO مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی Soheila Moradi سهیلا مرادی moradisoheila2014@gmail.com 100319475328460027837 100319475328460027837 No Kurdistan Agricultural and Natural Resources Research and Education Center, AREEO مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی Yadollah Faraday یداله فرایدی farayedi45@yahoo.com 100319475328460027838 100319475328460027838 No Dryland Agricultural Research Institute, AREEO مؤسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی Ali Ehsan Nosrati علی احسان نصرتی aenosrati1342@gmail.com 100319475328460027839 100319475328460027839 No Hamedan Agricultural and Natural Resources Research and Education Center, AREEO مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج کشاورزی Vahid Shiralizadeh وحید سیرعلیزاده Vshiralizadeh@yahoo.com 100319475328460027840 100319475328460027840 No , West Azerbaijan Agricultural and Natural Resources Research and Education Center, AREEO مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی