ارزیابی تنوع ژنتیکی و شناسایی صفات موثر بر عملکرد لاین های نخود با استفاده از روش های آماری چندمتغیره

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 81

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SCJS-15-2_002

تاریخ نمایه سازی: 11 آبان 1400

چکیده مقاله:

سابقه و هدف: نخود محتوای پروتئینی بالا و نقش بسیار مهمی در سیکل امنیت غذایی در جهان و به ویژه در توسعه کشورهایی نظیر ایران دارد. ایران یکی از مهمترین کشورهای آسیایی در تولید نخود است. نخود ایرانی در ۳۳ کشور کشت می شود و سطح زیر کشت آن در ایران ۶۵۰۰۰۰ هکتار است. اما یکی از مشکلات بسیار اساسی، عملکرد پایین دانه نخود در ایران است. بنابراین اصلاح گیاهان روش مناسبی برای حل این مشکل است. تنوع ژنتیکی، وراثت پذیری و شدت گزینش سه عامل موثر در پاسخ به گزینش برای یک صفت است. استفاده از روش های آماری چندمتغیره روش مناسبی برای شناسایی تنوع ژنتیکی در برنامه های اصلاحی است. بنابراین تجزیه به مولفه های اصلی، تجزیه عاملی، تجزیه کلاستر و تجزیه تابع تشخیص از جمله مهمترین روش های آماری چندمتغیره هستند که به صورت عمومی برای تعیین تنوع در گیاهان استفاده می شود. خیلی از محققان از روش های آماری چندمتغیره در گیاهانی نظیر برنج، سیب زمینی، گندم و نخود استفاده کردند و اثر ژنوتیپ و صفات در نخود در ارتباط با تنوع ژنوتیپی مهمترین موضوعات در تحقیقات اخیر بوده است. مواد و روش ها: مهم ترین اهداف این پژوهش، ارزیابی تنوع ژنتیکی در ۱۹ لاین نخود و شناسایی صفات موثر بر عملکرد دانه با استفاده از روش های آماری چندمتغیره مختلف بود. بنابراین، تحقیق حاضر در قالب یک طرح بلوک های کامل تصادفی با سه تکرار در شرایط مطلوب رطوبتی اجرا شد. آزمایش در مزرعه تحقیقاتی دانشگاه بوعلی سینا (و آزمایشگاه دانشگاه پیام نور اسدآباد) در فصل رشد انجام شد. صفات شاخص کلروفیل، ارتفاع گیاه، تعداد شاخه در هر بوته، تعداد غلاف در بوته، تعداد دانه در بوته، تعداد دانه در غلاف، وزن صد دانه، عملکرد دانه، عملکرد بیولوژیک و شاخص برداشت اندازه گیری شد. پس از اندازه گیری صفات، روش های آماری تجزیه به مولفه های اصلی، تجزیه عاملی، تجزیه کلاستر و تجزیه تابع تشخیص برای داده های به دست آمده انجام شد. نتایج و بحث: نتایج تجزیه به مولفه های اصلی نشان داد که سه مولفه اول در مجموع ۹/۶۸ درصد از واریانس کل داده ها را توجیه کردند. مولفه اول و دوم به ترتیب به عنوان مولفه های "عملکرد دانه" و " شاخص برداشت" نام گذاری شدند که مقدار زیاد آنها مورد نظر بود. نتایج تجزیه به عامل ها، به ترتیب سه عامل "عملکرد دانه"،"شاخص برداشت" و "بنیه گیاه" را شناسایی کرد که این سه عامل هم در مجموع ۸/۶۸ درصد از واریانس کل را توجیه کردند. تجزیه خوشه ای بیانگر تنوع قابل توجه در بین لاین ها بود به طوری که لاین ها را در چهار خوشه مجزا گروه بندی کرد. نتایج تجزیه تابع تشخیص نیز، صحت گروه بندی تجزیه خوشه ای را به طور صد در صد تایید کرد. به طور کلی، لاین ها دارای تنوع ژنتیکی بالا و قابل توجهی بودند و با توجه به نتایج حاصله، لاین های شماره ۱۲ و ۱۸ به ترتیب به عنوان مطلوب ترین و نامطلوب ترین لاین ها تحت شرایط این آزمایش شناسایی شدند. نتایج نشان داد در حالی که افزایش صفات تعداد غلاف در بوته، وزن صد دانه و شاخص برداشت، بیشترین تاثیر را بر افزایش عملکرد دانه داشتند، ولی افزایش صفت تعداد شاخه (مجموع تعداد شاخه های اصلی و فرعی) در بوته منجر به کاهش عملکرد دانه در این تحقیق شد. نتیجه گیری: بر اساس نتایج به دست آمده از این تحقیق، روش های آماری چندمتغیره، روش های مناسب و مفیدی برای انتخاب عملکرد دانه هستند که می تواند به طور موفقیت آمیزی ژنوتیپ ها و صفات را از هم تفکیک کند. هدف اصلی این تحقیق بررسی تنوع ژنتیکی ۱۹ ژنوتیپ نخود برای برنامه های اصلاحی است. بر اساس نتایج کلی، صفات تعداد غلاف در بوته مناسب ترین صفت برای انتخاب غیرمستقیم عملکرد دانه است و ژنوتیپ شماره ۱۲ مناسب ترین ژنوتیپ از نظر داشتن بیشترین مقدار صفت تعداد غلاف در بوته، وزن صد دانه و شاخص برداشت است، در حالی که ژنوتیپ شماره ۱۸ یک ژنوتیپ نامناسب است، هرچند دارای بیشترین مقدار صفت تعداد شاخه در گیاه نیز است.

کلیدواژه ها:

نویسندگان

مهدی کاکائی

بخش مهندسی کشاورزی، دانشگاه پیام نور، تهران- ایران

سید سعید موسوی

گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmed Khan, T., ۲۰۰۹. Application of univariate and multivariate techniques ...
  • Chegamirza, S.H., Chegamirza, K. and Mohammadi, R., ۲۰۱۱. Study of ...
  • Dargahi, H.R., ۲۰۰۶. Assessing genetic diversity of some white bean ...
  • Falconer, D S., ۱۹۸۹. Introduction to Quantitative Genetics”. (۳rd edition). ...
  • Farshadfar, A., ۱۹۹۷. The Application of Quantitative Genetics in Plant ...
  • Farshadfar, A., ۲۰۰۵. Principles and Multivariate Statistical Methods. Kermanshah Taq-e ...
  • Food and Agricultural Organization of the United Nations ۲۰۱۲. FAOSTAT. ...
  • Food and Agricultural Organization of the United Nations ۲۰۱۴. Statistical ...
  • Fayyas, F. and Talebi, R., ۲۰۱۱. Determine the relationship between ...
  • Fazeli, F. and Cheghamirza, K., ۲۰۱۱. Genetic diversity of chickpea ...
  • Ghafoor, A. and Arshad, M., ۲۰۰۸. Multivariate analyses for quantitative ...
  • Gholipour, M., and Mohammad-Salehi, M.S., ۲۰۰۳. Factor analysis and causality ...
  • Jafari, A.A., Ziaee-Nasab, M., Hesamzade, M. and Madah-Arefi, H., ۲۰۰۴. ...
  • Jeena, A.S. and Arora, P.P., ۲۰۰۲. Multivariate techniques in chickpea. ...
  • Jomova k, Benkova M, Zakova M, Gregova E, Kraic J., ...
  • Kanouni, H., Farayedi, Y., Sabaghpour, S.H. and Saeid, A., ۲۰۱۶. ...
  • Kanouni, G., Bekele, E., Assefa, F., Imtiaz, M., Debele, T., ...
  • Mardi, M., Talei, A. and Omidi, M., ۲۰۰۳. Genetic diversity ...
  • Moghadam, M., Mohammadi-Shooty, S.A. and Aghaie Sarbarze, M., ۱۹۹۴. Introduction ...
  • Mohammadi, M., Ghanadha, M.R. and Talei, A., ۲۰۰۲. Genetic diversity ...
  • Moosavi, S.S., Abdollahi, M.R, Ghanbari, F, and Kanouni, H., ۲۰۱۵. ...
  • Moosavi, S.S., Kian-ersi, F. and Abdollahi, M.R., ۲۰۱۳. Application of ...
  • Moshtaghi, N., Bagheri, A.R., Jalali-Javaran, M. and Ghareh-Yazi, B., ۲۰۰۶. ...
  • Nematzadeh, G.h. and Kiyani, G.h., ۲۰۱۰. Plant breeding; classical methods. ...
  • Rabie, K., Khodambashi, M. and Rezai, S., ۲۰۰۸. Identification of ...
  • Ray chadhury. P., Tanveer, H. and Dixit, G.P., ۲۰۰۷. Identification ...
  • Saman, S., Mozaffari, M.J., Vaezi, S.h., Abbasi-Moghadam, A. and Mostafaei, ...
  • Sharma, B.D. and Hore, D.K., ۱۹۹۳. Multivariate analysis of divergence ...
  • Toker, C., ۲۰۰۳. Evaluation of yield criteria with phenotypic correlations ...
  • Toker, C. and Cagirgan, M.I., ۲۰۰۴.The use of phenotypic correlations ...
  • Ward, J.H., ۱۹۸۳. Hierarchical grouping to optimize an objective function. ...
  • Zabet, M. and Hassan zadeh, A., ۲۰۱۱. Determine the traits ...
  • نمایش کامل مراجع