استفاده از شاخص های گزینش برای بهبود عملکرد دانه در توده های بومی کنجد
محل انتشار: مجله پژوهش های ژنتیک گیاهی، دوره: 8، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PGRLU-8-2_009
تاریخ نمایه سازی: 28 فروردین 1401
چکیده مقاله:
انتخاب ژنوتیپ ها بر اساس صفات چندگانه، موضوعی اساسی و بخش مهمی از فرآیند به نژادی گیاهی می باشد. در پژوهش حاضر، کارایی شاخص های گزینش بر اساس صفات فنولوژیکی، مورفولوژیکی و فیزیولوژیکی برای بهبود عملکرد دانه در کنجد مورد مطالعه قرار گرفت. ارزیابی فنوتیپی ۲۵ توده بومی کنجد در قالب طرح کاملا تصادفی با ۱۰ تکرار تحت شرایط ارومیه در سال ۱۳۹۶ انجام شد. نتایج نشان داد که همبستگی های فنوتیپی و ژنوتیپی بین عملکرد دانه و صفات تعداد کپسول در بوته، تعداد دانه در کپسول، تعداد شاخه های جانبی، دمای برگ، شاخص سطح برگ و وزن بیولوژیک، مثبت و معنی دار بود. با تجزیه رگرسیون، صفات تعداد کپسول و تعداد شاخه های جانبی به عنوان متغیرهای علت ردیف اول و صفات وزن بیولوژیک، شاخص برداشت، شاخص سطح برگ، ارتفاع بوته و کلروفیل به عنوان متغیرهای علت ردیف دوم شناسایی شدند. جهت به دست آوردن شاخص های گزینشی از دو روش بهینه و پایه و نیز از ده بردار مختلف از ارزش های اقتصادی صفات استفاده شد. بردارها بر اساس اطلاعات تجزیه همبستگی، رگرسیون، علیت و وراثت پذیری صفات بودند. شاخص های سوم و چهارم که در آن ها متغیرهای علت ردیف اول وارد مدل شده بودند، سودمندی نسبی بالایی نشان دادند و از نظر این دو شاخص توده های شماره ۱۲، ۱۷، ۱۸ و ۱۹ به عنوان مطلوب ترین توده ها شناسایی شدند. در نهایت پیشنهاد می گردد که کارایی این شاخص ها در شرایط مزرعه نیز مورد ارزیابی قرار گیرد.
کلیدواژه ها:
نویسندگان
عبدالکریم طهماسبی
Urmia University
رضا درویش زاده
Urmia University
امیر فیاض مقدم
Urmia University
اسماعیل قلی نژاد
Payame Noor University
حسین عبدی
Urmia University
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 :