دوره 16، شماره 2 - ( تابستان 1403 )                   جلد 16 شماره 2 صفحات 52-42 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Pezeshkpour P, Amiri R, Karami I, Mirzaei A. (2024). Evaluation of Seed Yield Stability of Lentil Genotypes Based on REML/BLUP and Multi-Trait Stability Index (MTSI). J Crop Breed. 16(2), 42-52. doi:10.61186/jcb.16.2.42
URL: http://jcb.sanru.ac.ir/article-1-1518-fa.html
پزشکپور پیام، امیری رضا، کرمی ایرج، میرزایی امیر. ارزیابی پایداری عملکرد دانه ژنوتیپ‎ های عدس بر پایه REML/BLUP و شاخص پایداری چند صفتی (MTSI) پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (2) :52-42 10.61186/jcb.16.2.42

URL: http://jcb.sanru.ac.ir/article-1-1518-fa.html


1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‎آباد، ایران،
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‎آباد، ایران
3- مؤسسه تحقیقات کشاورزی دیم کشور، معاونت سرارود، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام، ایران
چکیده:   (863 مشاهده)
چکیده مبسوط
مقدمه و هدف: عدس یکی از حبوبات مهم در مناطق مدیترانهای است که بهخاطر ارزش تغذیهای و نقش آن در بهبود حاصلخیزی خاک، بهطور گستردهای کشت میگردد. علاقه به حبوبات، بهعنوان یک منبع پروتئینی جایگزین گوشت در آینده، در حال افزایش هست. شناسایی ژنوتیپهای با عملکرد بالا و سازگار به دامنه گستردهای از محیطها، یکی از هدف‏ های عمده در برنامه ‏های به ‏نژادی گیاهان زراعی از جمله عدس میباشد. ترکیب دو روش ارزیابی پایداری بهترین پیش‏ بینی نااریب خطی (BLUP) و اثرات اصلی جمعپذیر و برهمکنشهای ضرب ‏پذیر (AMMI) در آزمایشهای ناحیه‏ ای و گزینش پایداری چندصفتی (MTSI)، به ارزیابی بهتر ژنوتیپ ‏های گیاهی و دستیابی به نتایج دقیق ‏تر کمک می ‏کند. مدل‌های اثرات اصلی جمعپذیر و برهمکنش ضربپذیر (AMMI) و بهترین پیشبینی نااریب خطی (BLUP)، از جمله روش‌های چند متغیره کاربردی در ارزیابی آزمایش‌های چند محیطی هستند. مدل اثرهای مختلط خطی (LMM) و روش برآوردگر حداکثر درستنمایی محدود شده (REML)، از روشهای مهمی هستند که برای تجزیه دادههای آزمایشهای چند محیطی پیشنهاد شدهاند. در این راستا، با تجزیه به مؤلفههای اصلی یا تجزیه ارزش منفرد بر روی ماتریس، بهترین پیشبینیهای نااریب خطی (BLUP ها) بهدست آمده از برهمکنش ژنوتیپ و محیط انجام میشود. در این روش از شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیشبینیهای نااریب خطی (WAASB)، میانگین وزنی شاخص پایداری WAASB و متغیر وابسته (WAASBY) استفاده میشود. محققان شاخص پایداری چند صفتی (MTSI) بر مبنای تجزیه عاملی را نیز پیشنهاد کردهاند که در آن، عملکرد دانه و صفات دیگر و پایداری هر کدام از آنها به طور همزمان برای شناسایی ژنوتیپهای پایدار استفاده میشود. این پژوهش برای شناسایی ژنوتیپهای پایدار و پرمحصول عدس در کشت پائیزه انجام شد.
مواد و روش ‏ها: برای ارزیابی پایداری عملکرد دانه 12 ژنوتیپ عدس به همراه سه شاهد کیمیا، بیله سوار و توده محلی، آزمایشی در قالب طرح بلوکهای کامل تصادفی در سه تکرار در ایستگاههای تحقیقات کشاورزی خرمآباد (لرستان)، زنجیره (ایلام) و سرارود (کرمانشاه) بهمدت سه سال زراعی (401 -1398) اجرا گردید. هر کرت شامل چهار خط کاشت بهطول چهار متر و با فاصله 25 سانتی‏ متر از یکدیگر بود. در طول فصل رشد، علاوه بر مراقبت­های معمول زراعی نظیر وجین علف‏ های هرز و مبارزه با آفات، از صفات و خصوصیات موردنظر مانند تعداد روز تا 50% گلدهی، ارتفاع بوته و تعداد روز تا رسیدگی یاداشتبرداری بهعمل آمد. پس از رسیدگی و برداشت آزمایش، وزن صد دانه و عملکرد هر کرت اندازه­ گیری ‏گردید. تجزیه واریانس مرکب با استفاده از نرمافزار SAS انجام و میانگین صفات تیمارها بهروش LSD مورد مقایسه قرار ‏گرفت. برای تجزیههای آماری، بسته تجزیه آزمایشهای چند محیطی با نام Metan Ver.1.9.0 در محیط نرمافزار R بهکار گرفته شد. برای برآورد کمیت‏ های پایداری، تجزیه مقادیر منفرد (SVD) بر روی ماتریس بهترین پیشبینیهای نااریب خطی (BLUPها) بهدست آمده از برهمکنش‏ های ژنوتیپ در محیط با یک مدل اثر مختلط خطی (LMM) بهکار برده شد. اجزای واریانس با روش حداکثر درستنمایی محدود شده (REML) برآورد شدند. پس از تجزیه واریانس دادهها، برای برآورد پارامترهای پایداری WAASB و WAASBY (برای انتخاب همزمان بر اساس میانگین عملکرد و پایداری) ریشههای مشخصه حاصل از تجزیه AMMI بر روی BLUP، بهکار برده شدند و بهترین ژنوتیپها با این دو شاخص گزینش شدند. از شاخص میانگین هارمونیک ارزشهای ژنوتیپی (HMGV)، مقادیر پایداری ژنوتیپی بهدست آمد. سازگاری ژنوتیپها بر پایه شاخص عملکرد نسبی ارزشهای ژنوتیپی (RPGV) ارزیابی شد. شاخص میانگین هامونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV) برای ارزیابی همزمان پایداری، سازگاری و عملکرد دانه استفاده شد.
یافتهها: اثر محیط، ژنوتیپ و برهمکنش ژنوتیپ در محیط بر صفات عملکرد دانه، ارتفاع بوته، تعداد روز تا گلدهی، تعداد روز تا رسیدگی، دوره پر شدن دانه، سرعت پر شدن دانه، سرعت تشکیل عملکرد دانه، بهرهوری از بارش و متوسط وزن تک دانه، معنی ‏دار بود. اثر ژنوتیپ بر همه صفات بهجز دوره پر شدن دانه معنیدار بود. بر پایه تجزیه بای پلات، ژنوتیپهای 4، 6، 7، 9 و 10 علاوه بر داشتن بیشترین عملکرد دانه، از پایداری عملکرد بیشتری هم برخوردار بودند. آزمون اسکری نشان داد سه مؤلفه اصلی اول، بهترتیب 45/41، 19/13 و 14/34 درصد از تغییرات برهمکنش ژنوتیپ × محیط بهدست آمده از BLUP را برای عملکرد دانه و روی هم 78/87 درصد از تغییرات را توجیه کردند. بر اساس شاخص پایداری میانگین وزنی نمرات مطلق بهترین پیشبینی نااریب خطی (WAASB) ژنوتیپهای 6 ، 10 و 12 پرمحصول و پایدار بودند. ژنوتیپ ‏های 1 و 10 از نظر شاخص گزینش چند صفتی (MTSI)، ژنوتیپ ‏های برتر بودند. شاخص میانگین هارمونیک و عملکرد نسبی ارزش ژنوتیپی (HMRPGV)، ژنوتیپهای 10، 9، 4 و 12 را بهعنوان ژنوتیپهایی معرفی کرد که علاوه بر عملکرد دانه، از پایداری و سازگاری بالایی نیز برخوردار بودند.
نتیجهگیری: در مجموع و بر اساس تمام تجزیهها، ژنوتیپ‏ 10 پایدارترین ژنوتیپ بود که علاوه بر عملکرد دانه، از نظر سایر صفات اندازه ‏گیری شده نیز بر ژنوتیپ‏ های دیگر برتری داشت و می ‏تواند نامزد معرفی بهعنوان رقم جدید باشد.

 
متن کامل [PDF 1291 kb]   (299 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1402/8/22 | پذیرش: 1402/11/8

فهرست منابع
1. Abo-Hegazy, S. R. E., Selim, T., & Ashrie, A. A. M. (2013). Genotype × environment interaction and stability analysis for yield and its components in lentil. Journal of Plant Breeding and Crop Science, 5(5), 85-90. [DOI:10.5897/JPBCS12.066]
2. Akinci, C., Bicer, B. T., Kizilgeci, F., Albayrak, Ö., & Yildirim, M. (2018). Stability parameters in lentil genotypes. El-Cezerî Journal of Science and Engineering, 5(2), 287-291. [DOI:10.31202/ecjse.403995]
3. Barrios, A., Aparicio, T., Rodríguez, M. J., de la Vega, M. P., & Caminero, C. (2016). Winter sowing of adapted lines as a potential yield increase strategy in lentil (Lens culinaris Medik.). Spanish Journal of Agricultural Research, 14(2), e0702. [DOI:10.5424/sjar/2016142-8092]
4. Bhattacharya, S., Das, A., Banerjee, J., Mandal, S. N., Kumar, S., & Gupta, S. (2022). Elucidating genetic variability and genotype× environment interactions for grain iron and zinc content among diverse genotypes of lentils (Lens culinaris). Plant Breeding, 141(6), 786-800. https://hdl.handle.net/20.500.11766/68227 [DOI:10.1111/pbr.13053]
5. Ceccarelli, S. (1989). Wide adaptation: How wide? Euphytica, 40, 197-205. [DOI:10.1007/BF00024512]
6. Dehghani, H., Sabaghpour, S. H., & Sabaghnia, N. (2008). Genotype x environment interaction for grain yield of some lentil genotypes and relationship among univariate stability statistics. Spanish Journal of Agricultural Research, (3), 385-394. [DOI:10.5424/sjar/2008063-5292]
7. Coan, M. M. D., Marchioro, V. S., Franco, F. D. A., Pinto, R. J. B., Scapim, C. A., & Baldissera, J. N. C. (2018). Determination of genotypic stability and adaptability in wheat genotypes using mixed statistical models. Journal of Agricultural Science and Technology, 20(7), 1525-1540.
8. Fernandez, G. C. (1991). Analysis of genotype× environment interaction by stability estimates. HortScience, 26(8), 947-950. [DOI:10.21273/HORTSCI.26.8.947]
9. Ghaffar, M., Asghar, M. J., Shahid, M., & Hussain, J. (2023). Estimation of G× E Interaction of Lentil Genotypes for yield using AMMI and GGE Biplot in Pakistan. Journal of Soil Science and Plant Nutrition, 23, 2316-2330. [DOI:10.1007/s42729-023-01182-x]
10. Holland, J. B. (2006). Estimating genotypic correlations and their standard errors using multivariate restricted maximum likelihood estimation with SAS Proc MIXED. Crop Science, 46(2), 642-654. [DOI:10.2135/cropsci2005.0191]
11. Jahufer, M. Z. Z., & Casler, M. D. (2015). Application of the Smith‐Hazel selection index for improving biomass yield and quality of switchgrass. Crop Science, 55(3), 1212-1222. [DOI:10.2135/cropsci2014.08.0575]
12. Jeberson, M. S., Shashidhar, K. S., Wani, S. H., Singh, A. K., & Dar, S. A. (2019). Identification of stable lentil (Lens culinaris Medik) genotypes through GGE biplot and AMMI analysis for North Hill Zone of India. Legume Research-An International Journal, 42(4), 467-472. [DOI:10.18805/LR-3901]
13. Karimizadeh, R., Mohammadi, M., & Sabaghmia, N. (2013). Site regression biplot analysis for matching new improved lentil genotypes into target environments. Journal of Plant Physiology and Breeding, 3(2), 51-65.
14. Kochaki, A., & Banayan aval, M. (1993). Pulse crops. Mashhad University of jihad Press. 236 pp.
15. Lin, C. S., & Binns, M. R. (1991). Genetic properties of four types of stability parameter. Theoretical and Applied Genetics, 82, 505-509. [DOI:10.1007/BF00588606]
16. Namdari, A., Pezeshkpour, P., Mehraban, A., Naseri, A., Vaezi, B., & Nazarli, H. (2022). Evaluation the grain yield stability of promising rainfed lentil genotypes using parametric and non-parametric statistics. Iranian Journal of Field Crop Science, 53(3), 153-167 (In Persian).
17. Olivoto, T., Lúcio, A. D., da Silva, J. A., Marchioro, V. S., de Souza, V. Q., & Jost, E. (2019a). Mean performance and stability in multi‐environment trials I: combining features of AMMI and BLUP techniques. Agronomy Journal, 111(6), 2949-2960. [DOI:10.2134/agronj2019.03.0220]
18. Olivoto, T., Lúcio, A. D., da Silva, J. A., Sari, B. G., & Diel, M. I. (2019b). Mean performance and stability in multi‐environment trials II: Selection based on multiple traits. Agronomy Journal, 111(6), 2961-2969. [DOI:10.2134/agronj2019.03.0221]
19. Olivoto, T., & Nardino, M. (2021). MGIDI: Toward an effective multivariate selection in biological experiments. Bioinformatics, 37(10), 1383-1389. [DOI:10.1093/bioinformatics/btaa981]
20. Pezeshkpour, P., & Karimizadeh, R. (2023). Evaluation of the mean performance and stability of chickpea genotypes by integration AMMI and BLUP models and selection based on Multi-Trait Stability Index (MTSI). Journal of Crop Breeding, 15(46), 73-83 (In Persian). [DOI:10.61186/jcb.15.46.73]
21. Pour-Aboughadareh, A., Ghazvini, H., Barati, A., Koohkan, S., & Arazmjoo, E. (2023). Selection of promising genotypes of barley using the best linear unbiased predictor model (BLUP). Journal of Crop Breeding, 15(46), 1-10 (In Persian). [DOI:10.61186/jcb.15.46.1]
22. de Resende, M. D. V. (2007). Matemática e estatística na análise de experimentos e no melhoramento genético. Colombo: Embrapa Florestas, 2007.
23. Rocha, J. R. D. A. S. D. C., Machado, J. C., & Carneiro, P. C. S. (2018). Multitrait index based on factor analysis and ideotype‐design: Proposal and application on elephant grass breeding for bioenergy. GCB Bioenergy, 10(1), 52-60. [DOI:10.1111/gcbb.12443]
24. Sabaghpour, S. H., Safikhni, M., Sarker, A., Ghaffri, A., & Ketata, H. (2004, June). Present status and future prospects of lentil cultivation in Iran. In Proc 5th European Conference on Grain Legumes (pp. 7-11).
25. Sabaghnia, N., Dehghani, H., & Sabaghpour, S. H. (2006). Nonparametric methods for interpreting genotype× environment interaction of lentil genotypes. Crop Science, 46(3), 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
26. Sellami, M. H., Pulvento, C., Aria, M., Stellacci, A. M., & Lavini, A. (2019). A systematic review of field trials to synthesize existing knowledge and agronomic practices on protein crops in Europe. Agronomy, 9(6), 292. [DOI:10.3390/agronomy9060292]
27. Sellami, M. H., Pulvento, C., & Lavini, A. (2021). Selection of suitable genotypes of lentil (Lens culinaris Medik.) under rainfed conditions in south Italy using multi-trait stability index (MTSI). Agronomy, 11(9), 1807. [DOI:10.3390/agronomy11091807]
28. Sharifi, P. 2020. Application of Multivariate Analysis Methods in Agriculural Sciences. Rasht Branch, Islamic Azad University Press, IR., 288 pp (In Persian).
29. Sharifi, P., Sheikh, F., Miri, K., Sekhavat, R., & Asteraki, H. (2022). Evaluation of seed yield stability of faba bean genotypes by linear mixed-effects models (LMM). Iranian Journal of Field Crop Science, 53(2), 97-107 (In Persian).
30. Yadav, N. K., Ghimire, S. K., Sah, B. P., Sarker, A., Shrestha, S. M., & Sah, S. K. (2016). Genotype x environment interaction and stability analysis in lentil (Lens culinaris Medik.). International Journal of Environment, Agriculture and Biotechnology, 1(3), 238539. [DOI:10.22161/ijeab/1.3.7]
31. Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press. [DOI:10.1201/9781420040371]
32. Zaccardelli, M., Sonnante, G., Lupo, F., Branca, F., & de Falco, E. (2010). Leguminose Minori (Cece, Lenticchia, Cicerchia, Fava); Consiglio per Ricerca Sperimentazione Agricoltura: Rome, Italy, 73 pp ISBN 978-88-97081-00-5.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb