دوره 16، شماره 3 - ( پاییز 1403 )
جلد 16 شماره 3 صفحات 124-114 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Bagheri M, Tahmasebi Z, Geravandi M. (2024). Genetic Diversity and Relationships Between some Agronomic Traits of Desi Chickpea Genotypes (Cicer arietinum L.) under
Autumn Sowing Conditions. J Crop Breed. 16(3), 114-124. doi:10.61186/jcb.16.3.114
URL: http://jcb.sanru.ac.ir/article-1-1564-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1564-fa.html
باقری مجتبی، طهماسبی زهرا، گراوندی مهدی. تنوع ژنتیکی و ارتباط بین برخی صفات زراعی نخود دسی در شرایط کشت پاییزه پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (3) :124-114 10.61186/jcb.16.3.114
مجتبی باقری1، زهرا طهماسبی* 
1، مهدی گراوندی2
1، مهدی گراوندی2
1- گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه ایلام، ایلام، ایران
2- معاونت سرارود، موسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
2- معاونت سرارود، موسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
چکیده: (467 مشاهده)
چکیده مبسوط
مقدمه و هدف: نخود از حبوباتی است که در مناطق دارای فصل خنک کشت می‌شود و از منابع اصلی پروتئین و انرژی است و نقش عمده‌ای در بهبود حاصلخیزی خاک دارد. نخود به دو گروه دسی و کابلی تقسیم‌بندی شده است. بذر دسی اندازه کوچکتر، چروکیده‌تر و تیره‌تر داشته در حالیکه کابلی رنگ دانه روشن‌تر، سفیدتر، اندازه بذر بزرگتر و سطح صاف دارد. عملکرد نخود در آمریکا 1199 کیلوگرم در هکتار، هند 1261 کیلوگرم در هکتار و در ایران 409 کیلوگرم در هکتار می‌باشد. مطالعات بیشتر تنوع ژنتیکی نخود در جهت بهبود عملکرد دارای اهمیت است. نخود دارای تنوع زیادی در مناطق مختلف جغرافیایی می‌باشد، که بایستی الگوی ژنتیکی و میزان تنوع درون و بین این جمعیت‌ها جهت پیشرفت در برنامه‌های اصلاحی و استفاده مؤثر از این مجموعه‌های ژرم‌پلاسم مشخص باشد. ارزیابی ژنوتیپ‌ها با دو چالش کلیدی روبرو است. اول اثر متقابل ژنوتیپ در محیط است و دومی اثرات متقابل بین صفات مورد بررسی است. این پژوهش با هدف بررسی تنوع ژنتیکی در ژرم‌پلاسم نخود دسی در شرایط کشت پائیزه و تجزیه و تحلیل روابط صفات مورفولوژیکی- زراعی و انتخاب ژنوتیپ‌های برتر از نظر برخی صفات مورفولوژیکی-زراعی انجام شد.
مواد و روش‌ها: در این پژوهش 416 ژنوتیپ شامل 335 توده بومی ایران و یک ژنوتیپ ایکاردا و 78 ژنوتیپ دریافت شده از ICRISAT بههمراه 2 رقم شاهد بهنامهای کاکا و پیروز در مزرعه آزمایشی معاونت مؤسسه تحقیقات کشاورزی دیم (سرارود) از نظر صفات مورفولوژیکی-زراعی شامل تعداد روز تا گلدهی، تعداد شاخه اصلی، تعداد شاخه فرعی، تعداد نیام در بوته، ارتفاع بوته، پایان تعداد روز تا رسیدگی، عملکرد دانه و وزن صد دانه مورد ارزیابی قرار گرفتند. آزمایش طی سال زراعی 1399-1400 در شرایط کاشت پاییزه و بهصورت آگمنت بر پایه طرح بلوک‌های کامل تصادفی با 9 بلوک با دو شاهد اجرا شد. جهت تجزیه واریانس و برآورد وراثت‌پذیری و پیشرفت ژنتیکی از نرمافزار R بسته augmented RCBD)) و جهت تجزیه بای‌بلات ژنوتیپ در صفت از بسته metan) و GGEBiplotGUI) نرمافزارR استفاده شد. جهت گروه‌بندی داده‌ها از الگوریتم K-mean روش Single و فاصله اقلیدوسی با نرمافزارR استفاده شده است. برای محاسبه تعداد گروه‌های مناسب حاصل از تجزیه خوشه‌ای از بسته ((NbClust نرمافزار R استفاده شد. با استفاده از بسته (metan) نرمافزار R با شاخص انتخاب(MGIDI) ژنوتیپ‌های برتر بر اساس چند صفت، رتبه‌بندی شدند.
یافته‌ها: طبق نتایج تجزیه واریانس نمونه‌های مورد بررسی از نظر صفات تعداد روز تا رسیدگی، وزن صد دانه و ارتفاع گیاه تفاوت معنی‌دار نشان دادند. بیشترین مقدار ضریب تغییرات برای صفت تعداد شاخه فرعی و کمترین مقدار ضریب تغییرات برای صفت روز تا رسیدگی بود. صفات ارتفاع بوته و وزن صد دانه مقادیر وراثت‌پذیری و پیشرفت ژنتیکی بالایی داشته‌اند. با توجه به نمودار بای‌پلات صفات، صفات روز تا رسیدگی با وزن صددانه، روز تا گلدهی با ارتفاع بوته و تعداد شاخه اصلی با تعداد نیام در بوته بیشترین ارتباط را با هم داشتند. با توجه به نتایج نمودار بای‌پلات ژنوتیپ در صفت ژنوتیپ‌های 148، 327، 391، 277 بهترین شرایط را از نظر وزن صد دانه و روز تا رسیدگی و ارتفاع بوته و روز تا گلدهی داشته‌اند. بیشترین ارتباط وزن صد دانه و روز تا گلدهی و صفات داشته است ژنوتیپ‌های 148، 327، 391، 277 شرایط بهتری را از نظر وزن صد دانه و روز تا رسیدگی و ارتفاع بوته و روز تا گلدهی داشته‌اند. ژنوتیپ‌های 6، 400، 18، 42، 26، 168، 152 بهترین شرایط را برای صفات تعداد غلاف در بوته، عملکرد دانه، تعداد شاخه اصلی و تعداد شاخه فرعی در بوته داشته‌اند. با توجه به نتایج بای‌پلات ژنوتیپ در صفت، بیشتر ژنوتیپ‌های انتخابی از توده بومی نخود ایران می‌باشند. خوشه‌بندی با استفاده از روش K-mean انجام شد و ژنوتیپ‌ها در دو گروه قرار گرفتند در گروه دوم ژنوتیپ شماره 6، 18، 148، 327، 91 فواصل بیشتری (با توجه به مرکز گروه) نسبت به بقیه ژنوتیپ‌ها داشته‌اند. با استفاده از شاخص MGIDI، 62 ژنوتیپ بهعنوان ژنوتیپ‌های برتر از نظر کلیه صفات انتخاب شدند.
نتیجه‌گیری: نتایج معنی‌دار صفت‌های مورد مطالعه در این پژوهش نشاندهنده امکان انتخاب در بین ژنوتیپ‌ها است. صفات ارتفاع بوته و وزن صد دانه مقادیر وراثت‌پذیری و پیشرفت‌ژنتیکی بالایی داشته‌اند که نشاندهنده اثرات افزایش ژن است و در تحقیقات روی جمعیت‌های نخود دسی می‌توان از روش اصلاحی گزینش در مورد اصلاح این صفات استفاده کرد. طبق نتایج بای‌پلات تعداد نیام در بوته اثرات مهمی برروی عملکرد دانه در شرایط کشت پائیزه داشته است و از نظر انتخاب ژنوتیپ‌های مرتبط با صفات موردنظر دارای اهمیت است. از طرفی وزن صد دانه همبستگی بالایی با ارتفاع بوته در نخود دسی داشت که ارتفاع بوته در برداشت مکانیکی نخود دارای اهمیت می‌باشد. از ژنوتیپ‌های برتر انتخاب شده در این پژوهش می‌توان بهعنوان والدین در برنامه‌های اصلاحی آتی نخود دسی در شرایط کشت پاییزه استفاده کرد. با گروه‌بندی که با الگوریتم خوشه‌بندی K-mean انجام گرفت روابط بین ژنوتیپ‌ها از نظر فواصل مشخص شده و بهتر می‌توانیم در مورد انتخاب والدین و بهره‌گیری از هیبریداسیون و تفکیک متجاوز تصمیم‌گیری کنیم.
مقدمه و هدف: نخود از حبوباتی است که در مناطق دارای فصل خنک کشت می‌شود و از منابع اصلی پروتئین و انرژی است و نقش عمده‌ای در بهبود حاصلخیزی خاک دارد. نخود به دو گروه دسی و کابلی تقسیم‌بندی شده است. بذر دسی اندازه کوچکتر، چروکیده‌تر و تیره‌تر داشته در حالیکه کابلی رنگ دانه روشن‌تر، سفیدتر، اندازه بذر بزرگتر و سطح صاف دارد. عملکرد نخود در آمریکا 1199 کیلوگرم در هکتار، هند 1261 کیلوگرم در هکتار و در ایران 409 کیلوگرم در هکتار می‌باشد. مطالعات بیشتر تنوع ژنتیکی نخود در جهت بهبود عملکرد دارای اهمیت است. نخود دارای تنوع زیادی در مناطق مختلف جغرافیایی می‌باشد، که بایستی الگوی ژنتیکی و میزان تنوع درون و بین این جمعیت‌ها جهت پیشرفت در برنامه‌های اصلاحی و استفاده مؤثر از این مجموعه‌های ژرم‌پلاسم مشخص باشد. ارزیابی ژنوتیپ‌ها با دو چالش کلیدی روبرو است. اول اثر متقابل ژنوتیپ در محیط است و دومی اثرات متقابل بین صفات مورد بررسی است. این پژوهش با هدف بررسی تنوع ژنتیکی در ژرم‌پلاسم نخود دسی در شرایط کشت پائیزه و تجزیه و تحلیل روابط صفات مورفولوژیکی- زراعی و انتخاب ژنوتیپ‌های برتر از نظر برخی صفات مورفولوژیکی-زراعی انجام شد.
مواد و روش‌ها: در این پژوهش 416 ژنوتیپ شامل 335 توده بومی ایران و یک ژنوتیپ ایکاردا و 78 ژنوتیپ دریافت شده از ICRISAT بههمراه 2 رقم شاهد بهنامهای کاکا و پیروز در مزرعه آزمایشی معاونت مؤسسه تحقیقات کشاورزی دیم (سرارود) از نظر صفات مورفولوژیکی-زراعی شامل تعداد روز تا گلدهی، تعداد شاخه اصلی، تعداد شاخه فرعی، تعداد نیام در بوته، ارتفاع بوته، پایان تعداد روز تا رسیدگی، عملکرد دانه و وزن صد دانه مورد ارزیابی قرار گرفتند. آزمایش طی سال زراعی 1399-1400 در شرایط کاشت پاییزه و بهصورت آگمنت بر پایه طرح بلوک‌های کامل تصادفی با 9 بلوک با دو شاهد اجرا شد. جهت تجزیه واریانس و برآورد وراثت‌پذیری و پیشرفت ژنتیکی از نرمافزار R بسته augmented RCBD)) و جهت تجزیه بای‌بلات ژنوتیپ در صفت از بسته metan) و GGEBiplotGUI) نرمافزارR استفاده شد. جهت گروه‌بندی داده‌ها از الگوریتم K-mean روش Single و فاصله اقلیدوسی با نرمافزارR استفاده شده است. برای محاسبه تعداد گروه‌های مناسب حاصل از تجزیه خوشه‌ای از بسته ((NbClust نرمافزار R استفاده شد. با استفاده از بسته (metan) نرمافزار R با شاخص انتخاب(MGIDI) ژنوتیپ‌های برتر بر اساس چند صفت، رتبه‌بندی شدند.
یافته‌ها: طبق نتایج تجزیه واریانس نمونه‌های مورد بررسی از نظر صفات تعداد روز تا رسیدگی، وزن صد دانه و ارتفاع گیاه تفاوت معنی‌دار نشان دادند. بیشترین مقدار ضریب تغییرات برای صفت تعداد شاخه فرعی و کمترین مقدار ضریب تغییرات برای صفت روز تا رسیدگی بود. صفات ارتفاع بوته و وزن صد دانه مقادیر وراثت‌پذیری و پیشرفت ژنتیکی بالایی داشته‌اند. با توجه به نمودار بای‌پلات صفات، صفات روز تا رسیدگی با وزن صددانه، روز تا گلدهی با ارتفاع بوته و تعداد شاخه اصلی با تعداد نیام در بوته بیشترین ارتباط را با هم داشتند. با توجه به نتایج نمودار بای‌پلات ژنوتیپ در صفت ژنوتیپ‌های 148، 327، 391، 277 بهترین شرایط را از نظر وزن صد دانه و روز تا رسیدگی و ارتفاع بوته و روز تا گلدهی داشته‌اند. بیشترین ارتباط وزن صد دانه و روز تا گلدهی و صفات داشته است ژنوتیپ‌های 148، 327، 391، 277 شرایط بهتری را از نظر وزن صد دانه و روز تا رسیدگی و ارتفاع بوته و روز تا گلدهی داشته‌اند. ژنوتیپ‌های 6، 400، 18، 42، 26، 168، 152 بهترین شرایط را برای صفات تعداد غلاف در بوته، عملکرد دانه، تعداد شاخه اصلی و تعداد شاخه فرعی در بوته داشته‌اند. با توجه به نتایج بای‌پلات ژنوتیپ در صفت، بیشتر ژنوتیپ‌های انتخابی از توده بومی نخود ایران می‌باشند. خوشه‌بندی با استفاده از روش K-mean انجام شد و ژنوتیپ‌ها در دو گروه قرار گرفتند در گروه دوم ژنوتیپ شماره 6، 18، 148، 327، 91 فواصل بیشتری (با توجه به مرکز گروه) نسبت به بقیه ژنوتیپ‌ها داشته‌اند. با استفاده از شاخص MGIDI، 62 ژنوتیپ بهعنوان ژنوتیپ‌های برتر از نظر کلیه صفات انتخاب شدند.
نتیجه‌گیری: نتایج معنی‌دار صفت‌های مورد مطالعه در این پژوهش نشاندهنده امکان انتخاب در بین ژنوتیپ‌ها است. صفات ارتفاع بوته و وزن صد دانه مقادیر وراثت‌پذیری و پیشرفت‌ژنتیکی بالایی داشته‌اند که نشاندهنده اثرات افزایش ژن است و در تحقیقات روی جمعیت‌های نخود دسی می‌توان از روش اصلاحی گزینش در مورد اصلاح این صفات استفاده کرد. طبق نتایج بای‌پلات تعداد نیام در بوته اثرات مهمی برروی عملکرد دانه در شرایط کشت پائیزه داشته است و از نظر انتخاب ژنوتیپ‌های مرتبط با صفات موردنظر دارای اهمیت است. از طرفی وزن صد دانه همبستگی بالایی با ارتفاع بوته در نخود دسی داشت که ارتفاع بوته در برداشت مکانیکی نخود دارای اهمیت می‌باشد. از ژنوتیپ‌های برتر انتخاب شده در این پژوهش می‌توان بهعنوان والدین در برنامه‌های اصلاحی آتی نخود دسی در شرایط کشت پاییزه استفاده کرد. با گروه‌بندی که با الگوریتم خوشه‌بندی K-mean انجام گرفت روابط بین ژنوتیپ‌ها از نظر فواصل مشخص شده و بهتر می‌توانیم در مورد انتخاب والدین و بهره‌گیری از هیبریداسیون و تفکیک متجاوز تصمیم‌گیری کنیم.
فهرست منابع
1. Banik, M., Deore, G., Mandal, A. K., & Mhase, L. (2018). Genetic variability and heritability studies in chickpea (Cicer arietinum L.). Current Journal of Applied Science and Technology, 31(1), 1-6. [DOI:10.9734/CJAST/2018/45863]
2. Berger, J., Ali, M., Basu, P., Chaudhary, B., Chaturvedi, S., Deshmukh, P., Dharmaraj, P., Dwivedi, S., Gangadhar, G., & Gaur, P. (2006). Genotype by environment studies demonstrate the critical role of phenology in adaptation of chickpea (Cicer arietinum L.) to high and low yielding environments of India. Field Crops Research, 98(2-3), 230-244. [DOI:10.1016/j.fcr.2006.02.007]
3. Chaturvedi, S. K., Mishra, N., & Gaur, P. M. (2014). An overview of chickpea breeding programs in India. Legume Perspectives(3), 50-52.
4. Dashtaki, M., Bihamta, M., & Puryamchy, H. (2012). Genetic diversity and relationships between morphological assessment germplasm Kabuli and Desi chickpea. Iran Bean Journal of Preceding Studies, 3(1), 16-17.
5. FAOSTAT. (2024). Database. 2022. In: Food and Agriculture Organization of the United Nations Rome, Italy.
6. Gediya, L. N., Patel, D. A., Kumar, S., Kumar, D., Parmar, D. J., & Patel, S. S. (2019). Phenotypic variability, path analysis and molecular diversity analysis in chickpea (Cicer arietinum L.). Vegetos, 32, 167-180. [DOI:10.1007/s42535-019-00020-9]
7. Gulwane, V., Deore, G., & Thakare, D. (2022). Correlation and path analysis studies in chickpea (Cicer arietinum L.). The Pharma Innovation Journal, 11(12), 1251-1255.
8. Haddad, N., Salkini, A., Jagatheeswaran, P., & Snobar, B. (1988). Methods of harvesting pulse crops. World crops: Cool season food legumes: A global perspective of the problems and prospects for crop improvement in pea, lentil, faba bean and chickpea, 341-350. [DOI:10.1007/978-94-009-2764-3_31]
9. Kanooni, H. (2020). An overwiew of chickpea breeding in Iran. In: Dryland Agricultural Research Institute.
10. Kassambara, A. (2017). Practical guide to cluster analysis in R: Unsupervised machine learning (Vol. 1). Sthda.
11. Mallikarjuna, B. P., Samineni, S., Thudi, M., Sajja, S. B., Khan, A. W., Patil, A., Viswanatha, K. P., Varshney, R. K., & Gaur, P. M. (2017). Molecular mapping of flowering time major genes and QTLs in chickpea (Cicer arietinum L.). Frontiers in Plant Science, 8, 1140. [DOI:10.3389/fpls.2017.01140]
12. Muehlbauer, F., & Singh, K. (1987). Genetics of Chickpea, 99-125. The Chickpea (Eds.: MC Saxena & KB Singh). CAB International, Wallingford, Oxon, UK.
13. Ningwal, R., Tripathi, M. K., Tiwari, S., Yadav, R., Tripathi, N., Solanki, R., Asati, R., & Yasin, M. (2023). Assessment of genetic variability, correlation and path coefficient analysis for yield and its attributing traits in chickpea (Cicer arietinum L.). Pharma Innov J, 12, 4851-4859.
14. Olivoto, T., Diel, M. I., Schmidt, D., & Lúcio, A. D. (2022). MGIDI: a powerful tool to analyze plant multivariate data. Plant Methods, 18(1), 121. [DOI:10.1186/s13007-022-00952-5]
15. Panse, V. G. (1957). Genetics of quantitative characters in relation to plant breeding.
16. Paux, E., Faure, S., Choulet, F., Roger, D., Gauthier, V., Martinant, J. P., Sourdille, P., Balfourier, F., Le Paslier, M. C., & Chauveau, A. (2010). Insertion site‐based polymorphism markers open new perspectives for genome saturation and marker‐assisted selection in wheat. Plant biotechnology journal, 8(2), 196-210. [DOI:10.1111/j.1467-7652.2009.00477.x]
17. Singh, R. P., Singh, I., Singh, S., & Sandhu, J. (2012). Assessment of genetic diversity among interspecific derivatives in chickpea. Journal of Food Legumes, 25(2), 150-152.
18. Solanki, R., Biswal, M., Kumawat, S., & Babbar, A. (2019). Characterization of indigenous and exotic chickpea lines for qualitative traits. International Journal of Chemical Studies, 7(4), 1018-1023.
19. Sundaram, P., Samineni, S., Sajja, S. B., Singh, S., Sharma, R., & Gaur, P. M. (2018). Genetic studies for seed size and grain yield traits in kabuli chickpea. Euphytica, 214, 1-11. [DOI:10.1007/s10681-018-2147-x]
20. Varshney, R. K., Thudi, M., & Muehlbauer, F. J. (2017). The chickpea genome: An introduction. Springer. [DOI:10.1007/978-3-319-66117-9_1]
21. Vinod, K., & Rajani, B. (2016). Genetic study for yield and yield attributing traits in Niger germplasm. International Journal of Agriculture Sciences, ISSN, 0975-3710.
22. Yan, W., & Frégeau-Reid, J. (2018). Genotype by yield* trait (GYT) biplot: a novel approach for genotype selection based on multiple traits. Scientific reports, 8(1), 8242. [DOI:10.1038/s41598-018-26688-8]
23. Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press. [DOI:10.1201/9781420040371]
24. Yousefi, V., Ahmadi, J., Sadeghzadeh-Ahari, D., & Esfandiari, E. (2023). Principal component and path analysis of agro-morphological traits of Kabuli chickpea genotypes (Cicer arietinum L.) under dryland spring-planting and autumn-planting. Iranian Journal Pulses Research, 14(1), 48-62.
25. Banik, M., Deore, G., Mandal, A. K., & Mhase, L. (2018). Genetic variability and heritability studies in chickpea (Cicer arietinum L.). Current Journal of Applied Science and Technology, 31(1), 1-6. [DOI:10.9734/CJAST/2018/45863]
26. Berger, J., Ali, M., Basu, P., Chaudhary, B., Chaturvedi, S., Deshmukh, P., Dharmaraj, P., Dwivedi, S., Gangadhar, G., & Gaur, P. (2006). Genotype by environment studies demonstrate the critical role of phenology in adaptation of chickpea (Cicer arietinum L.) to high and low yielding environments of India. Field Crops Research, 98(2-3), 230-244. [DOI:10.1016/j.fcr.2006.02.007]
27. Chaturvedi, S. K., Mishra, N., & Gaur, P. M. (2014). An overview of chickpea breeding programs in India. Legume Perspectives(3), 50-52.
28. Dashtaki, M., Bihamta, M., & Puryamchy, H. (2012). Genetic diversity and relationships between morphological assessment germplasm Kabuli and Desi chickpea. Iran Bean Journal of Preceding Studies, 3(1), 16-17.
29. FAOSTAT. (2024). Database. 2022. In: Food and Agriculture Organization of the United Nations Rome, Italy.
30. Gediya, L. N., Patel, D. A., Kumar, S., Kumar, D., Parmar, D. J., & Patel, S. S. (2019). Phenotypic variability, path analysis and molecular diversity analysis in chickpea (Cicer arietinum L.). Vegetos, 32, 167-180. [DOI:10.1007/s42535-019-00020-9]
31. Gulwane, V., Deore, G., & Thakare, D. (2022). Correlation and path analysis studies in chickpea (Cicer arietinum L.). The Pharma Innovation Journal, 11(12), 1251-1255.
32. Haddad, N., Salkini, A., Jagatheeswaran, P., & Snobar, B. (1988). Methods of harvesting pulse crops. World crops: Cool season food legumes: A global perspective of the problems and prospects for crop improvement in pea, lentil, faba bean and chickpea, 341-350. [DOI:10.1007/978-94-009-2764-3_31]
33. Kanooni, H. (2020). An overwiew of chickpea breeding in Iran. In: Dryland Agricultural Research Institute.
34. Kassambara, A. (2017). Practical guide to cluster analysis in R: Unsupervised machine learning (Vol. 1). Sthda.
35. Mallikarjuna, B. P., Samineni, S., Thudi, M., Sajja, S. B., Khan, A. W., Patil, A., Viswanatha, K. P., Varshney, R. K., & Gaur, P. M. (2017). Molecular mapping of flowering time major genes and QTLs in chickpea (Cicer arietinum L.). Frontiers in Plant Science, 8, 1140. [DOI:10.3389/fpls.2017.01140]
36. Muehlbauer, F., & Singh, K. (1987). Genetics of Chickpea, 99-125. The Chickpea (Eds.: MC Saxena & KB Singh). CAB International, Wallingford, Oxon, UK.
37. Ningwal, R., Tripathi, M. K., Tiwari, S., Yadav, R., Tripathi, N., Solanki, R., Asati, R., & Yasin, M. (2023). Assessment of genetic variability, correlation and path coefficient analysis for yield and its attributing traits in chickpea (Cicer arietinum L.). Pharma Innov J, 12, 4851-4859.
38. Olivoto, T., Diel, M. I., Schmidt, D., & Lúcio, A. D. (2022). MGIDI: a powerful tool to analyze plant multivariate data. Plant Methods, 18(1), 121. [DOI:10.1186/s13007-022-00952-5]
39. Panse, V. G. (1957). Genetics of quantitative characters in relation to plant breeding.
40. Paux, E., Faure, S., Choulet, F., Roger, D., Gauthier, V., Martinant, J. P., Sourdille, P., Balfourier, F., Le Paslier, M. C., & Chauveau, A. (2010). Insertion site‐based polymorphism markers open new perspectives for genome saturation and marker‐assisted selection in wheat. Plant biotechnology journal, 8(2), 196-210. [DOI:10.1111/j.1467-7652.2009.00477.x]
41. Singh, R. P., Singh, I., Singh, S., & Sandhu, J. (2012). Assessment of genetic diversity among interspecific derivatives in chickpea. Journal of Food Legumes, 25(2), 150-152.
42. Solanki, R., Biswal, M., Kumawat, S., & Babbar, A. (2019). Characterization of indigenous and exotic chickpea lines for qualitative traits. International Journal of Chemical Studies, 7(4), 1018-1023.
43. Sundaram, P., Samineni, S., Sajja, S. B., Singh, S., Sharma, R., & Gaur, P. M. (2018). Genetic studies for seed size and grain yield traits in kabuli chickpea. Euphytica, 214, 1-11. [DOI:10.1007/s10681-018-2147-x]
44. Varshney, R. K., Thudi, M., & Muehlbauer, F. J. (2017). The chickpea genome: An introduction. Springer. [DOI:10.1007/978-3-319-66117-9_1]
45. Vinod, K., & Rajani, B. (2016). Genetic study for yield and yield attributing traits in Niger germplasm. International Journal of Agriculture Sciences, ISSN, 0975-3710.
46. Yan, W., & Frégeau-Reid, J. (2018). Genotype by yield* trait (GYT) biplot: a novel approach for genotype selection based on multiple traits. Scientific reports, 8(1), 8242. [DOI:10.1038/s41598-018-26688-8]
47. Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press. [DOI:10.1201/9781420040371]
48. Yousefi, V., Ahmadi, J., Sadeghzadeh-Ahari, D., & Esfandiari, E. (2023). Principal component and path analysis of agro-morphological traits of Kabuli chickpea genotypes (Cicer arietinum L.) under dryland spring-planting and autumn-planting. Iranian Journal Pulses Research, 14(1), 48-62.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
