بررسی تنوع ژنتیکی لاین های ذرت (Zea mays L.) بر اساس صفات اگرومورفولوژیک با استفاده از تحلیل عاملی تحت شرایط کمبود روی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران

2 دانشیار، گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران

3 استاد، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

4 استاد، گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران

5 استادیار، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، مجتمع آموزش عالی سراوان، سراوان، ایران

چکیده

مقدمه: اولین گام در برنامه‌های به‌نژادی، استفاده از تنوع ژنتیکی موجود در بین جمعیت‌ها، ارقام و لاین‌های موجود است. ذرت به­عنوان یک گیاه مدل برای مطالعات ژنتیک صفات مختلف استفاده می‌شود. ذرت نسبت به سایر محصولات زراعی، نیاز بالایی به روی (Zn) دارد و به‌عنوان شاخص ارزیابی کمبود روی در خاک شناخته می­شود. ایران از نظر شرایط آب و هوایی در منطقه خشک و نیمه‌خشک قرار دارد و عموماً کمبود عناصر ریزمغذی به‌ویژه روی در آن وجود دارد. کمبود عناصر غذایی از قبیل روی یکی از تنش‌های غیرزیستی مهمی است که بر رشد و نمو گیاهان از جمله ذرت تاثیر می‌گذارد. هدف از انجام این مطالعه، ارزیابی تنوع ژنتیکی تعدادی از لاین‌های ذرت تحت دو شرایط بهینه و کمبود روی بود.
مواد و روش­ ها: به‌منظور ارزیابی تنوع ژنتیکی 95 لاین ذرت بر اساس صفات اگرو- مورفولوژیک، آزمایشی در قالب طرح آلفا لاتیس در دو تکرار تحت دو شرایط نرمال یا بهینه (استفاده از کود سولفات روی) و کمبود روی (عدم استفاده از کود سولفات روی) در مرکز تحقیقات کشاورزی زابل به‌مدت دو سال اجرا شد. لاین‌های ذرت مورد تحقیق از دانشگاه رازی کرمانشاه، مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی و مؤسسه تحقیقات اصلاح و تهیه نهال و بذر کرج در قالب طرح تحقیقاتی شماره 94/101/T.T مصوب پژوهشکده زیست­فناوری دانشگاه ارومیه تهیه شدند. تعداد 29 صفت اندازه‌گیری و ثبت شد. تجزیه واریانس مرکب صفات مورد مطالعه تحت شرایط نرمال و کمبود روی با استفاده از نرم‌افزار SAS نسخه 9.4 انجام شد. سایر تجزیه‌های آماری با استفاده از نرم‌افزار R و بسته‌های مختلف شامل آماره‌های توصیفی با استفاده از بسته pastecs، ضریب همبستگی پیرسون با استفاده از بسته corrplot، تحلیل رگرسیون گام‌به‌گام پیشرو با استفاده از بسته olsrr و تحلیل عاملی با استفاده از بسته psych انجام شد.
یافته­ های تحقیق: نتایج این مطالعه نشان داد که تغییرات فنوتیپی زیادی در میان لاین‌های ذرت مورد استفاده برای تمامی صفات در هر دو شرایط محیطی وجود داشت. نتایج تجزیه واریانس وجود تنوع فنوتیپی بالا در بین لاین‌های ذرت را تائید کرد. همه صفات تحت تاثیر محیط قرار گرفتند و تفاوت آماری معنی‌داری بین دو محیط از نظر تمامی صفات اندازه‌گیری شده در لاین‌ها مشاهده شد. برهم­کنش ژنوتیپ× محیط نیز برای بیش­تر صفات مطالعه شده معنی‌دار بود. برآورد آماره‌های توصیفی نشان داد که تنوع قابل توجهی در میان لاین‌ها وجود داشت، به­طوری که برای صفات مورفولوژی در هر دو محیط کمبود روی و نرمال، بیش‌ترین میزان تنوع در صفات عملکرد در واحد سطح، عملکرد اقتصادی و تعداد دانه در بلال مشاهده شد. از لحاظ همبستگی، صفات وزن پنج بلال، تعداد دانه در بلال و وزن 100 دانه در هر دو محیط نرمال و کمبود روی دارای همبستگی مثبت و معنی­داری با عملکرد اقتصادی بودند. بنابراین این سه صفت را می‌توان به‌عنوان صفاتی مهم در گزینش اولیه لاین‌های متحمل به کمبود روی معرفی کرد. در تحلیل عاملی صفات مورفولوژی با استفاده از روش تجزیه و تحلیل موازی، تعداد چهار عامل مستقل و پنهانی در هر دو شرایط نرمال و کمبود روی تعیین شد که به­ترتیب 63 و 57 درصد از تنوع کل لاین‌ها را توجیه کردند. بر اساس نتایج تحلیل عاملی، صفات تعداد روز تا تاسل‌دهی، تعداد روز تا ظهور گرده، تعداد روز تا بلال‌دهی، ارتفاع بوته، قطر و عرض بلال، تعداد دانه در بلال، عملکرد اقتصادی، عملکرد در واحد سطح و شاخص برداشت که میزان اشتراک بالایی در هر دو شرایط بهینه و کمبود روی داشتند، به‌عنوان صفات کلیدی جهت انتخاب لاین‌های متحمل به کمبود روی پیشنهاد می‌شوند.
نتیجه­ گیری: نتایج این تحقیق نشان داد که تنوع ژنتیکی قابل توجهی از لحاظ صفات مورفولوژی در بین لاین‌های ذرت مورد مطالعه تحت هر دو شرایط نرمال و کمبود روی وجود داشت که امکان استفاده از این لاین‌ها را در برنامه‌های به­نژادی به‌عنوان یک منبع ژنی ارزشمند جهت بهبود عملکرد لاین‌‌ها و تولید لاین‌های اصلاح شده در شرایط نرمال و کمبود روی فراهم می‌کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of genetic diversity of maize lines (Zea mays L.) based on agro-morphological traits using factor analysis under zinc deficiency conditions

نویسندگان [English]

  • Maryam Harati Rad 1
  • Nafiseh Mahdinezhad 2
  • Reza Darvishzadeh 3
  • Barat Ali Fakheri 4
  • Mitra Jabbari 5
1 Ph.D. Student, Department of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Zabol, Zabol, Iran
2 Associate Professor, Department of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Zabol, Zabol, Iran
3 Professor, Department of Plant Production and Genetics, Faculty of Agriculture and Natural Resources, Urmia University, Urmia, Iran
4 Professor, Department of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Zabol, Zabol, Sistan and Baluchestan, Iran
5 Assistant Professor, Department of plant production and genetic engineering, Faculty of Agriculture, Higher Education Complex of Saravan. Saravan, Sistan and Baluchestan, Iran
چکیده [English]

Introduction
The first step in breeding programs is to use the genetic diversity among existing populations, cultivars and lines. Maize is used as a model plant to study the genetics of various traits. Compared to other crops, maize has a high demand for zinc (Zn) and is known as an indicator of zinc deficiency in the soil. In terms of climatic conditions, Iran is located in a arid and semi-arid region, and there is a lack of micronutrients specially Zn in this region. Lack of nutrients such as Zn is one of the important abiotic stresses that affects the growth and development of plants including maize. The objective of this study was to evaluate the genetic diversity of a number of corn lines under normal and zinc deficiency conditions.
Materials and methods
To assess the genetic diversity of 95 maize lines using agro-morphological traits, an experiment was carried out in alpha lattice design in two replications under two normal (use of zinc sulfate fertilizer) and zinc deficiency (no use of zinc sulfate fertilizer) conditions in Zabol Agricultural Research Center during two years. The studied maize lines were obtained from Razi University of Kermanshah, Khorasan Razavi Agricultural and Natural Resources Research Center, and Seed and Plant Improvement Institute (SPII) in the form of research project No. 94/101/T.T. approved by Biotechnology Institute of Urmia University. Twenty-nine traits were measured and recorded. Combined analysis of variance of the studied traits under normal and zinc (Zn) deficiency conditions were performed using SAS ver. 9.4 software. Other statistical analyzes including descriptive statistics, Pearson correlation coefficient, forward stepwise regression and factor analysis method were done using R software by pastecs, corrplot, olsrr, and psych packages, respectively.
Research findings
The results of this study revealed high phenotypic variation among the studied maize lines for all investigated traits under both normal and zinc (Zn) deficiency stress conditions. The results of analysis of variance confirmed the presence of high phenotypic diversity among maize lines. All traits were affected by environment, and a statistically significant difference was observed between two environments for the all measured traits in maize lines. Genotype × environment interaction was also significant for most of the studied traits. Descriptive statistics showed a considerable diversity among the lines, and the highest diversity in both normal and zinc deficiency conditions was observed for yield per unit area, economic yield, and number of grains per cob. In correlation analysis, weight of five cobs, number of grains per cob, and 100-grain weight showed a positive and significant correlation with economic yield in both normal and zinc deficiency conditions. Therefore, these three can be introduced as important traits in the initial selection of zinc deficiency tolerant lines. In factor analysis of morphological traits using the parallel analysis method, four hidden and independent factors were determined under both normal and zinc deficiency conditions, which explained 63% and 57% of the total variation of the lines, respectively. Based on the results of the factor analysis, the traits number of days to tasseling, number of days to pollen emergence, number of days to cob emergence, plant height, ear diameter and width, number of grains per cob, economic yield, yield per unit area, and harvest index with high degree of commonality under both normal and zinc deficiency conditions, can be suggested as key traits for the selection of zinc deficiency tolerant lines.
Conclusion
The results of this research showed that there is a high genetic diversity among the studied maize lines in terms of morphological traits under both normal and zinc deficiency stress conditions. It makes it possible to use these lines in breeding programs as a valuable genic source to improve the performance of lines and produce improved lines under normal and zinc deficiency conditions.

کلیدواژه‌ها [English]

  • Correlation
  • Economic performance
  • Hidden factors
  • Maize
  • Zinc deficiency stress
Ahmad Hisham, A.R., Ch’ng, H.Y., Rahman, M.M., Mat, K. and Zulhisyam, A.K. 2021. Effects of zinc on the growth and yield of maize (Zea mays L.) cultivated in a tropical acid soil using different application techniques. Earth and Environmental Science, 756, 01205. http://doi.org/10.1088/1755-1315/756/1/012056.
Arzhangh, S., Darvishzadeh, R. and Alipour, H. 2021. Evaluation of genetic diversity of maize lines (Zea mays L.) under normal and salinity stress conditions. Cereal Research, 11(3), pp. 268-243. [In Persian]. http://doi.org/10.22124/CR.2022.21075.1699.
Aziz, M.A., Ahmad, H.R., Corwin, D.L., Sabir, M., Hakeem, K.R. and Ozturk, M. 2017. Influence of farmyard manure on retention and availability of nickel, zinc and lead in metal-contaminated calcareous loam soils. Journal of Enviromental Engineering and Landscap Management, 25(3), pp. 289–296. https://doi.org/10.3846/16486897.2016.1254639.
Bukvic, V. and Bartlett, W. 2003. Financial barriers to SME growth in Slovenia. Economic and Business Review for Central and South-Eastern Europe, 5(3), pp. 161-181.
Cakmak, I. and Kutman, U.B. 2018. Agronomic biofortification of cereals with zinc: A review. EuropeanJournal of Soil Science, 69(1), pp. 172-180. https://doi.org/10.1111/ejss.12437.
Cooper, J. C. B. 1983. Factor analysis. An overview. The Amerian Statistician, 37(2), pp. 141-147. https://doi.org/10.2307/2685875.
Falconer, D.S. and  Mackay, T.F.C. 1996. Introduction to Quantitative Genetics. 4th Edition. Addison Wesley Longman, Harlow.
Genc, Y., Verbyla, A.P., Torun, A., Cakmak, I., Willsmore, K., Wallwork, H. and McDonald, G.K. 2009. Quantitative trait loci analysis of zinc efficiency and grain zinc concentration in wheat using whole genome average interval mapping. Journal of Plant and Soil, 314, pp. 49-66. https://doi.org/10.1007/s11104-008-9704-3.
Harada, K., Huan, N.V. and Ueno, H. 2009. Classification of maize landraces from Shikoku and Kyushu, Japan, based on phenotypic characteristics. Japan Agricultural Research Quarterly, 43(3), pp. 213-220. https://doi.org/10.6090/jarq.43.213.
Hanway, J.J. 1986. How a corn plant develops. Special Report 48. Iowa State University of Science and Technology. Cooperation and Extension Service, Ames, Iowa.
Hong, W. and Ji-Yun, Jin. 2007. Effects of zinc deficiency and drought on plant growth and metabolism of reactive oxygen species in maize (Zea mays L). Agricultural Sciences in China, 6(8), pp. 988-995. https://doi.org/10.1016/S1671-2927(07)60138-2.
Hodge, A. 2006. Plastic plants and patchy soils. Journal of Experimental Botany, 57(2), pp. 401-411. https://doi.org/10.1093/jxb/eri280.
Khodarahmpour, Z. 2012. Morphological classification of maize (Zea mays L.) genotypes in heat stress condition. Journal of Agricultural Science, 4(5), pp. 31-40. https://doi.org/10.5539/jas.v4n5p31.
Lautenschlager, G.J. 1989. A comparison of alternatives to conducting Monte Carlo analysis for determining parallel analysis criteria. Multivariate Behavioral Research,  24(3), pp. 365-395. 10.1207/s15327906mbr2403_6.
Malakouti, M.J. 2003. The role of zink in plant growth and enhancing animal and human health. Regional Expert Consultion on Plant, Animal and Human Nutrition. Interaction and Impact. Damascus, Syria Damascus, Syria.
Mohammadi, S.A. and Prasanna, B.M. 2003. Analysis of genetic diversity in crop plants-salient statistical tools and considerations. Crop Science, 43(4), pp. 1235-1248. https://doi.org/10.2135/cropsci2003.1235.
Montoya, M., Guardia, G., Recio, J., Castellano-Hinojosa, A., Ginés, C., Bedmar, E.J., Alvarez, J.M. and Vallejo, A. 2021. Zinc-nitrogen co-fertilization influences N2O emissions and microbial communities in an irrigated maize field. Geoderma, 383, 114735. https://doi.org/10.1016/j.geoderma.2020.114735.
Nikolić, D., Rakonjac, V., Milatović, D. and Fotirić, M. 2010. Multivariate analysis of vineyard peach [Prunus persica (L.) Batsch.] germplasm collection. Euphytica, 171(2), pp. 227-234. https://doi.org/10.1007/s10681-009-0032-3.
Peaslee, D.E. and Phillips, R.E. 1981. Phosphorus dissolution‐desorption in relation to bioavailability and environmental pollution. Chemistry in the Soil Environment, 40, pp. 241-259. https://doi.org/10.2134/asaspecpub40.c13.
Reddy, M.P., Sarla, N. and  Siddiq, E.A. 2002. Inter simple sequence repeat (ISSR) polymorphism and its application in plant breeding. Euphytica, 128(1), pp. 9-17. https://doi.org/10.1023/A:1020691618797.
Rehman, R., Asif, M., Cakmak, I. and Ozturk, L. 2021. Differences in uptake and translocation of foliar-applied Zn in maize and wheat. Plant and Soil, 462(12), pp. 235-244. https://doi.org/10.1007/s11104-021-04867-3.
Revelle., W. 2016. R package ‘psych’. Ver. 1.6.4. Procedures for personality and psychological research. Northwestern University, Evanston, Illinois, USA.
Sadeghi, F. and  Rahimi, M. 2017.  The use of cluster analysis for best lines selection in maize at S6 generation. Journal of Crop Breeding, 8(20), pp. 91-98. [In Persian].
Shemi, R., Wang, R., Gheith, E. M.S., Hussain, H.A., Hussain, S., Irfan, M., Cholidah, L., Zhang, K. and Zhang, S. 2021. Effects of salicylic acid, zinc and glycine betaine on morphophysiological growth and yield of maize under drought stress. Scientific Reports, 11(1), pp. 3195-3210. https://doi.org/10.1038/s41598-021-82264-7.
Suganya, A., Saravanan, A., Baskar, M., Pandiyarajan, P. and Kavimani, R. 2021. Agronomic biofortification of maize (Zea mays L.) with zinc by using of graded levels of zinc in combination with zinc solubilizing bacteria and Arbuscular mycorrhizal fungi. Journal of Plant Nutrition, 44(7), pp. 988-994. https://doi.org/10.1080/01904167.2020.1845383.
Welsh, J.R. 1981. Fundamentals of plant genetics and breeding. John Wiley and Sons، Inc
Wei, T. and Simko, V. 2021. R package ‘corrplot’. Ver. 0.92. Visualization of a correlation matrix.
Yu, B.G., Chen, X.X., Cao, W.Q., Liu, Y.M. and Zou, C.Q. 2020. Responses in zinc uptake of different mycorrhizal and non-mycorrhizal crops to varied levels of phosphorus and zinc applications. Frontiers in Plant Science, 11, 606472. https://doi.org/10.3389/fpls.2020.606472.
Zhang, L., Yan, M., Ren, Y., Chen, Y. and  Zhang, S. 2021. Zinc regulates the hydraulic response of maize root under water stress conditions. Plant Physiology and Biochemistry, 159, pp. 123-134. https://doi.org/10.1016/j.plaphy.2020.12.014.