Journal of Crop Breeding

fa ارزیابی پتانسیل ژنتیکی و گزینش هیبریدهای برتر چغندرقند بر پایه عملکرد و کیفیت تکنولوژیک Evaluation of the Genetic Potential and Selection of Superior Sugar Beet Hybrids Based on Root Yield and Technological Quality اصلاح نباتات General پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: چغندر قند به‌عنوان یکی از دو منبع اصلی تولید شکر در جهان، نقشی حیاتی را در امنیت غذایی و پایداری اقتصاد کشاورزی کشورها ایفا می‌کند. با توجه به رشد روزافزون جمعیت و نیاز فزاینده به شکر، بهبود مستمر پتانسیل ژنتیکی این گیاه برای دستیابی به عملکرد بالاتر، کیفیت مطلوب و سازگاری با شرایط متغیر اقلیمی، یک ضرورت انکارناپذیر است. هدف اصلی در برنامه‌های به‌نژادی چغندرقند، بهبود هم‌زمان عملکرد ریشه و کیفیت تکنولوژیک (درصد قند بالا و ناخالصی‌های کم) است. با این حال، دستیابی به این هدف به&lrm;دلیل وجود همبستگی منفی فیزیولوژیک بین این دو صفت، همواره یکی از چالش‌های اساسی در برنامه‌های به‌نژادی بوده است. این تضاد فیزیولوژیک، به‌کارگیری روش‌های آماری و گزینشی پیشرفته را برای شناسایی ژنوتیپ‌هایی با تعادل بهینه بین صفات اجتناب‌ناپذیر می‌سازد. ارزیابی دقیق ژرم‌پلاسم و برآورد پارامترهای ژنتیکی اطلاعاتی ارزشمندی را در اختیار به‌نژادگران قرار می‌دهد تا بتوانند مؤثرترین برنامه گزینش را تدوین نمایند. در همین راستا، مطالعه حاضر با هدف ارزیابی پتانسیل ژنتیکی و گزینش هیبریدهای برتر چغندرقند بر پایه تجزیه و تحلیل صفات کمی و کیفی طراحی و اجرا گردید تا از یک سو برترین هیبریدها برای معرفی و ورود به مراحل بعدی ارزیابی شناسایی شوند و از سوی دیگر، والدین امیدبخش برای تلاقی‌های آینده و ایجاد ژنوتیپ‌های جدید انتخاب گردند. مواد و روش‌ها: این مطالعه در سال ۱۴۰۲ در ایستگاه تحقیقات چغندرقند مهندس مطهری کرج وابسته به مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند انجام شد. مواد گیاهی شامل ۱۴۰ هیبرید آزمایشی به&lrm; همراه چهار رقم شاهد خارجی بودند. به &lrm;دلیل تعداد زیاد ژنوتیپ‌ها، جهت ارزیابی دقیق آن‌ها، از طرح مقایسه عملکرد مقدماتی (آگمنت) در قالب پنج بلوک ناقص استفاده شد. این طرح با تکرار ارقام شاهد در تمام بلوک &lrm;ها، امکان کنترل خطای محیطی و در نتیجه، برآورد مقادیر تصحیح شده صفات برای هیبریدهای آزمایشی (بدون تکرار) را فراهم آورد. کلیه عملیات زراعی بر اساس دستورالعمل‌های استاندارد منطقه اجرا گردیدند. در مرحله برداشت، صفات کلیدی شامل عملکرد ریشه، درصد قند ناخالص و عملکرد شکر مورد ارزیابی قرار گرفتند. تجزیه‌های آماری با استفاده از نرم‌افزار R انجام شدند. تجزیه واریانس برای ارزیابی معنی‌داری تفاوت‌های ژنتیکی انجام گرفت. پارامترهای ژنتیکی شامل واریانس‌های فنوتیپی و ژنتیکی، ضرایب تنوع فنوتیپی و ژنتیکی، وراثت‌پذیری عمومی و پیشرفت ژنتیکی مورد انتظار از گزینش برآورد شدند. برای گزینش هم‌زمان بر اساس چند صفت و شناسایی ژنوتیپ‌های نزدیک به ژنوتیپ ایده‌آل، شاخص گزینش ژنوتیپ ایده‌آل (SIIG) به&lrm;کار گرفته شد. در نهایت، به‌منظور طبقه‌بندی ژنوتیپ‌ها تجزیه خوشه‌ای به &lrm;روش Ward بر اساس فاصله اقلیدسی انجام پذیرفت. یافته‌ها: نتایج تجزیه واریانس حاکی از وجود تنوع ژنتیکی معنی‌دار برای صفات عملکرد ریشه و عملکرد شکر در بین ژنوتیپ‌های مورد مطالعه بودند که پیش‌نیاز اصلی برای موفقیت در گزینش ژنوتیپ‌ها است. در مقابل، برای صفت درصد قند تفاوت معنی‌داری چه در بین کل ژنوتیپ‌ها و چه در مقایسه درون‌گروهی هیبریدها و شاهدها مشاهده نشد که می‌تواند به &lrm;دلیل دامنه محدودتر تنوع ژنتیکی برای این صفت در مواد آزمایشی یا اثر غالب محیط در سال اجرای آزمایش باشد. برآورد پارامترهای ژنتیکی، اطلاعات عمیق‌تری را در خصوص کنترل ژنتیکی صفات فراهم آورد. صفات عملکرد ریشه و عملکرد شکر، وراثت‌پذیری عمومی بسیار بالایی (بیش از ۷۰ درصد) را به &lrm;همراه پیشرفت ژنتیکی مورد انتظار قابل&lrm; توجهی نشان دادند. این نتیجه، به &lrm;ویژه هنگامی که همراه با پیشرفت ژنتیکی بالای مورد انتظار در نظر گرفته شود، قویاً بر اهمیت بالای اثرات ژنتیکی افزایشی در کنترل این صفات دلالت دارد و نشان می‌دهد که گزینش مستقیم فنوتیپی می‌تواند با کارایی بالا منجر به بهبود ژنتیکی آن‌ها شود. در مقابل، وراثت‌پذیری پایین برآورد شده برای درصد قند ناخالص، تأثیرپذیری بیشتر این صفت از عوامل محیطی و پیچیدگی کنترل ژنتیکی آن را در این مجموعه مواد گیاهی نشان داد. نتایج مقایسه میانگین‌ها نشان دادند که هیبریدهای 35458 و 37350 با عملکرد ریشه بیش از ۱۱۴ تن در هکتار، برتری قابل توجهی نسبت به شاهدها داشتند. از نظر عملکرد شکر نیز ژنوتیپ 35458 با تولید 17/61 تن در هکتار، عملکردی هم‌تراز با بهترین شاهد خارجی یعنی BTS6975N به ثبت رساند. برای گزینش بر مبنای چندصفت، شاخص SIIG به کار گرفته شد. شاهد BTS6975N با امتیاز شاخص SIIG 0/88 و هیبرید 35458 با امتیاز شاخص SIIG 0/85 به‌عنوان نزدیک‌ترین ژنوتیپ‌ها به ژنوتیپ ایده‌آل شناسایی شدند. همخوانی بالای نتایج این شاخص با نتایج مقایسه میانگین، اعتبار ژنوتیپ‌های برتر شناسایی‌شده را دوچندان کرد. در نهایت، تجزیه خوشه‌ای ژنوتیپ‌ها را در پنج گروه متمایز طبقه‌بندی نمود. ژنوتیپ‌های برتر عمدتاً در دو خوشه با ویژگی‌های عملکرد ریشه بالا و عملکرد ریشه متعادل و با کیفیت تکنولوژیک بالا قرار گرفتند. فاصله ژنتیکی قابل توجه بین این خوشه‌ها، پتانسیل بالایی را برای ایجاد هتروزیس در صورت استفاده از لاین‌های والدی این هیبریدها در تلاقی‌های آینده نشان می‌دهد. نتیجه‌گیری: نتایج مطالعه حاضر نشان می&lrm; دهند که ژرم‌پلاسم مورد بررسی، منبع غنی از تنوع ژنتیکی برای بهبود صفات در چغندرقند است. هیبریدهای مطلوبی همچون 35458، 37412 و 37352 به‌عنوان کاندیداهای مناسبی برای پیشبرد مراحل بعدی برنامه‌های اصلاحی و یا معرفی برای کشت شناسایی شدند. نتایج به‌وضوح نشان می&lrm; دهند که در این مجموعه مواد ژنتیکی، تمرکز بر گزینش برای عملکرد ریشه بالا، مؤثرترین و کارآمدترین راه برای دستیابی به حداکثر عملکرد شکر است. گروه‌بندی ژنتیکی به‌دست‌آمده نیز می‌تواند به‌عنوان یک نقشه راه عملی برای طراحی تلاقی‌های هدفمند و بهره‌گیری از پتانسیل ژنتیکی موجود برای تولید نسل بعدی هیبریدهای برتر مورد استفاده قرار گیرد.  </div> <div style="text-align: justify;">Extended Abstract Background: Sugar beet, as one of the two main sources of sugar production in the world, plays a vital role in food security and the sustainability of the agricultural economy in various countries. Given the growing global population and increasing demand for sugar, the continuous improvement of this plant's genetic potential is an undeniable necessity to achieve higher yield, desirable quality, and adaptation to changing climatic conditions. The primary goal in sugar beet breeding programs is the simultaneous improvement of root yield and technological quality (high sugar content and low impurities). However, achieving this goal has always been a fundamental challenge in breeding programs due to the physiological negative correlation between these two traits. This physiological trade-off necessitates the use of advanced statistical and selection methods to identify genotypes with an optimal balance between traits. Nevertheless, the cornerstone of any successful breeding program and the efficiency of selection methods depend on the existence of sufficient genetic diversity in the base population. Accordingly, the accurate evaluation of germplasm and the estimation of genetic parameters provide valuable information for breeders to formulate the most effective selection program. In this context, the present study was designed and conducted to evaluate the genetic potential and select superior sugar beet hybrids based on the analysis of quantitative and qualitative traits to identify superior hybrids for introduction into advanced trials and to select promising parents for future crosses and the development of new genotypes. Methods: This study was conducted at the Motahari Sugar Beet Research Station in Karaj, affiliated with the Sugar Beet Seed Institute (SBSI), during the 2023 growing season. The plant materials consisted of 140 experimental hybrids, along with four foreign check varieties. A preliminary yield trial using an augmented design with five incomplete blocks was employed to accurately evaluate this large number of genotypes. By replicating the check varieties in all blocks, this design allowed for the control of environmental error and the estimation of adjusted trait values for the unreplicated hybrids. All agronomic practices were carried out according to the standard protocols for the region. Key traits, including root yield, sugar content, and sugar yield, were evaluated at the harvest stage. Statistical analyses were performed using R software. Data were first adjusted based on the statistical model of the augmented design. Then, an analysis of variance was conducted to assess the significance of genetic differences. Genetic parameters, including phenotypic and genotypic variances, phenotypic and genotypic coefficients of variation, broad-sense heritability, and expected genetic advance from selection, were estimated afterward. The selection index of ideal genotype (SIIG) was applied for simultaneous selection based on multiple traits and to identify genotypes close to the ideal genotype. Finally, to classify the genotypes and investigate the genetic structure of the population, cluster analysis was performed using Ward's method based on Euclidean distance. Results: The results of the analysis of variance indicated significant genetic variation for root yield and sugar yield among the studied genotypes, which is the primary prerequisite for successful genotype selection. In contrast, no significant differences were observed for sugar content, neither among the entire set of genotypes nor within the hybrid and check groups, which could be attributed to the limited range of genetic diversity for this trait in the experimental materials or the predominant effect of the environment during the experimental year. The estimation of genetic parameters provided deeper insights into the genetic control of the traits. Root yield and sugar yield exhibited very high broad-sense heritability along with considerable expected genetic advance. This finding, particularly when combined with the considerable expected genetic advance, indicates the predominance of additive genetic effects in the control of these traits and implies that direct phenotypic selection can lead to their genetic improvement with high efficiency. Conversely, the low heritability estimated for sugar content demonstrated its greater susceptibility to environmental factors and the complexity of its genetic control in this set of plant materials. In the mean comparison, hybrids (such as 35458 and 37350) exhibited a significant superiority over the checks, with root yields exceeding 114 t.ha⁻¹. In terms of sugar yield, genotype 35458 recorded 17.61 t.ha⁻¹, a performance on par with the best commercial check. The SIIG index was employed for multi-trait selection. The check variety BTS6975N (with a score of 0.88) and the hybrid 35458 (with a score of 0.85) were identified as the closest genotypes to the ideal genotype. The high consistency between the results of this index and the mean comparison analysis further validated the superiority of the identified elite genotypes. Finally, cluster analysis classified the genotypes into five distinct groups. The superior genotypes were mainly placed in the high root yield and balanced and high-quality clusters. The significant genetic distance between these clusters promises a high potential for heterosis in future crosses utilizing the parental lines of these hybrids. Conclusion: This research successfully demonstrated that the studied germplasm is a rich source of genetic diversity for sugar beet improvement. Elite hybrids (such as 35458, 37412, and 37352) were identified as superior candidates for advanced stages of breeding programs or for introduction to farmers. The results clearly indicate that, within this genetic collection, focusing on selection for high root yield is the most effective and efficient strategy for achieving maximum sugar yield. The genetic grouping obtained can also serve as a practical roadmap for designing targeted crosses and exploiting the existing genetic potential to produce the next generation of superior hybrids.  </div> پارامترهای ژنتیکی, تجزیه خوشه‌ای, چغندرقند, شاخص گزینش, عملکرد ریشه Cluster analysis, Genotype selection, Genetic parameters, Root yield, Sugar beet, Selection index 103 116 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-1263-2&slc_lang=fa&sid=1 Roohallah Jafari Solhdarkalaee روح‌اله جعفری صلحدارکلائی jafarisl.roo@gmail.com 100319475328460027488 100319475328460027488 No Department of Agronomy and Plant Breeding, Ka.C., Islamic Azad University, Karaj, Iran گروه زراعت و اصلاح نباتات، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران Saeed Sadeghzadeh Hemayati سعید صادق زاده حمایتی s.sadeghzadeh@areeo.ac.ir 100319475328460027489 100319475328460027489 Yes Sugar Beet Seed Institute (SBSI), Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران Khodadad Mostafavi خداداد مصطفوی mostafavik@gmail.com 100319475328460027490 100319475328460027490 No Department of Agronomy and Plant Breeding, Ka.C., Islamic Azad University, Karaj, Iran گروه زراعت و اصلاح نباتات، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران Ali Saremirad علی صارمی راد Asaremirad@gmail.com 100319475328460027491 100319475328460027491 No Sugar Beet Seed Institute (SBSI), Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران Abdollah Mohammadi عبداله محمدی irabdollah@yahoo.com 100319475328460027492 100319475328460027492 No Department of Agronomy and Plant Breeding, Ka.C., Islamic Azad University, Karaj, Iran گروه زراعت و اصلاح نباتات، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران