fa کاربرد گزینش متغیر گیبز (GVS) برای مطالعه کنترل ژنتیکی تحمل به تنش کم آبی در گندم اصلاح نباتات، بیومتری اصلاح نباتات، بیومتری پژوهشي Research <p dir="RTL" style="text-align: justify;"><span style="font-size:11px;"><strong>خشکی مهم&shy;ترین تنش غیرزیستی است که تولید و کیفیت محصول گندم را در ایران تحت&shy;تاثیر قرار می &shy;دهد. اطلاعات درباره کنترل ژنتیکی توارث تحمل به تنش خشکی عملکرد دانه برای تعیین نوع برنامه اصلاحی و تولید ارقام متحمل ضروری است. این امر اصلاح&shy;گران را قادر می&shy; سازد تا مناسب &shy;ترین راه&shy;کار را برای اصلاح صفت انتخاب کنند. در این مطالعه، استنباط بیزی با به کارگیری روش گزینش متغیر گیبز (</strong><strong><span dir="LTR">GVS</span></strong><strong>) برای شناسایی مهم&shy;ترین اثرات ژنتیکی مرتبط با تحمل به خشکی و شرایط عادی در چارچوب روش تجزیه میانگین نسل&shy; ها مورد استفاده قرار گرفت. به همین منظور آزمایش&shy;هایی شامل دو جفت تلاقی با ارقام حساس و متحمل (هامون &times; دریا و سپاهان &times; مروارید) و نسل&shy;های حاصل از تلاقی آنها برای دو سال به صورت کرت &shy;های خرد شده در دو شرایط آبیاری مطلوب و قطع آبیاری از زمان گرده افشانی بر پایه طرح بلوک&shy;های کامل تصادفی با سه تکرار اجرا شدند. برای مطالعه توارث صفت در تجزیه میانگین نسل&shy;ها از آزمون مقیاس مشترک استفاده می&shy;شود. محدود بودن درجات آزادی به تعداد پارامترهای موجود در مدل و امکان برآورد بیش از حد یا کمتر از حد اثرات اصلی و اپیستازی از معایب این روش هستند. یک روش جایگزین برای رفع این محدودیت&shy; ها استفاده از استنباط بیزی و روش&shy;های گزینش مدل مثل </strong><strong><span dir="LTR">GVS</span></strong><strong> است. </strong><strong><span dir="LTR">GVS</span></strong><strong> با برآورد احتمالات پسین در بر گرفتن پارامترهای مدل، شناسایی اثرات برخوردار از بیشترین قدرت تمایز در مدل را امکان&shy;پذیر&nbsp; می &shy;سازد. نتایج نشان&shy;دهنده کنترل توارث عملکرد دانه در شرایط تنش و غیرتنش توسط عمل ژنی افزایشی، غالبیت و اپیستازی بودند. بنابراین استفاده از روش&shy;هایی مانند گزینش دوره&shy;ای و به دنبال آن روش شجره&shy;ای که تمام اثرهای ژنی را در بردارند می&shy;تواند روشی سودمند برای بهبود تحمل به تنش خشکی باشد.</strong> <strong>از آن&shy;جایی که عمل ژنی افزایشی، غالبیت و اپیستازی در توارث عملکرد دانه مؤثر بودند، روش&shy;هایی که از تمام اثرهای ژنی استفاده می&shy;کنند مثل تولید بذر هیبرید ممکن است در بهبود عملکرد گندم در شرایط مختلف مؤثر باشد.</strong><br> &nbsp;</span><br> &nbsp;</p> <p>Drought is the main abiotic stress seriously influencing wheat production and quality in Iran. Information about genetic controlling drought tolerance inheritance for grain yield is necessary to determine the type of breeding program as well as develop tolerant cultivars, enabling breeders to choose the most appropriate strategy to breeding trait of interest. In this study, Bayesian inference using Gibbs variable selection (GVS) approach used to identify the most important gene effects related to drought tolerance in context generation mean analysis. For this purpose, field experiments consist of two pairs of crosses with non-tolerant and tolerant cultivars and generations derived from them were carried out across two years as split plot designs based on RCBD with three replications in which main plots assigned to irrigation treatment consist of two levels (well watered and cessation of irrigation at pollination stage) and sub-plots given to the generations. To study the inheritance of any trait in generation mean analysis, joint scaling test is applied. Restrictions of degrees of freedom to number of parameters of model and over- or underestimation of the main and epistatic effects are disadvantages of this method. An alternative approach to obviate these limitations is to perform Bayesian inference and model selection strategies like GVS. GVS using estimation of posterior inclusion probabilities of effects identifies the most discriminant effects in the model. Since the additive, dominance and epistatic gene actions involved in drought tolerance inheritance, methods which utilize all type of gene effects, like recurrent selection followed by pedigree method may be useful for drought tolerance stress improvement. Also hybrid seed production, which utilizes all types of gene effects, may be useful in improving yield in wheat.<br> &nbsp;</p> آزمون مقیاس مشترک, استنباط بیزی, تجزیه میانگین نسل ها Bayesian inference, Generation mean analysis, Joint scaling test 168 177 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-229-3&slc_lang=fa&sid=1 Parviz Safari پرویز صفری parvizsi@gmail.com 100319475328460011242 100319475328460011242 No Graduated Ph. D., Dept. of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Tabriz, Tabriz, Iran دانش آموخته دکتری، گروه به نژادی و بیوتکنولوژی گیاهی، دانشکده کشاورزی ، دانشگاه تبریز، تبریز، ایران Seyyedeh Fatemeh Danyali سیده فاطمه دانیالی danyalisf@gmail.com 100319475328460011243 100319475328460011243 No Graduated Ph. D., Dept. of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Tabriz, Tabriz, Iran دانش آموخته دکتری، گروه به نژادی و بیوتکنولوژی گیاهی، دانشکده کشاورزی ، دانشگاه تبریز، تبریز، ایران Mehdi Rahimi مهدی رحیمی mehdi83ra@yahoo.com 100319475328460011244 100319475328460011244 Yes Department of Biotechnology, Institute of Science and High Technology and Environmental Sciences, Graduate University of Advanced Technology, Kerman, Iran. گروه بیوتکنولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران. Ahmad Mahdavi Meyghan احمد مهدوی میقان a.mahdavimeyghan@gmail.com 100319475328460011245 100319475328460011245 No PhD student of plant breeding, Department of Agronomy and Plant Breeding, Faculty of Agricultural Science, University of Guilan, Rasht, Iran دانشجوی دکتری اصلاح نباتات، گروه زراعت و اصلاح نباتات، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران