مروری بر روش‌های تجزیه پایداری در به‌نژادی گیاهی با تاکید بر غلات، 2- رویکردهای چندمتغیره و چشم‌اندازهای آینده

نوع مقاله : مقاله مروری

نویسندگان

1 محقق پسادکتری، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

2 دانشجوی دکتری، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

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

4 استاد، گروه تولید و ژنتیک گیاهی، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

5 دانشیار، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

6 دانش‌آموخته کارشناسی ارشد، انستیتو علوم اعصاب تولوز، تولوز، فرانسه

7 دانشیار، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه مراغه، مراغه، ایران

8 استادیار، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه سراوان، سراوان، ایران

چکیده

مقدمه: در عرصه به‌نژادی غلات، درک برهمکنش ژنوتیپ × محیط (GEI) و پایداری صفات مختلف، به‌عنوان کلید موفقیت در تولید محصولات کشاورزی با کیفیت شناخته می‌شود. برهمکنش‌ GE انتخاب بهینه ژنوتیپ‌ها برای محیط‌های هدف را پیچیده می‌کند. این موضوع نیاز به استفاده از روش‌های آماری مناسب جهت تجزیه و تحلیل GEI و شناسایی ژنوتیپ‌های پایدار و با عملکرد بالا را ضروری می‌سازد. روش‌های آماری چندمتغیره ابزار قدرت‌مندی برای تحلیل داده‌های پیچیده حاصل از آزمایش‌های چندمحیطی (MET; Multi-Environment Trials) هستند. روش‌هایی نظیر تجزیه خوشه‌ای (CA; Cluster Analysis)، تجزیه به مؤلفه‌های اصلی (PCA; Principal Component Analysis)، تجزیه به مختصات اصلی (PCoA; Principal Coordinate Analysis)، تحلیل عاملی (FA; Factor Analysis) و همچنین مدل اثرات اصلی جمع‌پذیر و برهمکنش ضرب‌پذیر (AMMI)، بای‌پلات اثرات اصلی ژنوتیپ و برهمکنش ژنوتیپ × محیط (GGE-Biplot)، مدل ضرب‌پذیر تغییریافته (SHMM; Shifted Multiplicative Model) و بهترین پیش‌بینی خطی نااریب (BLUP; Best Linear Unbiased Prediction) به‌خوبی و با دقت بالا در تحلیل داده‌های MET مورد استفاده قرار گرفته‌اند. در این مطالعه، ضمن بررسی روش‌های آماری چندمتغیره و بیان مزیت‌ها و معایب آن‌ها در تجزیه و تحلیل برهمکنش ژنوتیپ × محیط و ارزیابی پایداری ژنوتیپ‌ها، کاربرد تحلیل ارتباط در گستره ژنوم (GWAS; Genome-Wide Association Studies)، تجزیه QTL (Quantitative Trait Locus) و برهمکنش QTL با محیط (QEI; QTL-Environment Interaction) و پیش‌بینی ژنومی (GP; Genomic Prediction) در تجزیه ژنتیک پایداری و همچنین نرم‌افزارهای مورد استفاده برای ارزیابی این روش‌ها تحلیل خواهند شد.

یافته‌های تحقیق: نتایج این مطالعه نشان داد که مدل AMMI با ترکیب تحلیل واریانس و تجزیه به مؤلفه‌های اصلی، توانایی بالایی در ارزیابی اثرات اصلی و برهمکنش‌ها دارد. همچنین، روش GGE-Biplot و نمودارهای گوناگونی که در این روش ارائه می‌شود، به‌طور مؤثری اثرات اصلی ژنوتیپ و برهمکنش آن با محیط را به‌نمایش می‌گذارد. تجزیه QTL و بررسی برهمکنش QTL با محیط در داده‌های MET نیز منجر به شناسایی نشانگرهای پیوسته با پایداری می‌شود که می‌توان از آن‌ها در اصلاح مولکولی گیاهان زراعی استفاده کرد.

نتیجه‌گیری: در این مطالعه، به‌طور جامع و کاربردی روش‌های چندمتغیره مورد استفاده در تحلیل GEI با هدف درک بهتر تعاملات GE و شناسایی ژنوتیپ‌های با سازگاری گسترده و عملکرد پایدار مورد بررسی و تحلیل قرار گرفتند. نتایج این مطالعه بر اساس بررسی‌های جامع انجام شده نشان داد که به‌منظور تصمیم‌گیری بهتر در انتخاب ژنوتیپ‌ها، لازم است تمامی آماره‌های پایداری اعم از تک‌متغیره و چندمتغیره در تجزیه داده‌های MET مورد توجه قرار گیرند. پیشرفت‌های اخیر در فناوری‌های ژنومیک، از جمله توالی‌یابی کل ژنوم و GWAS نیز می‌توانند به‌طور قابل توجهی به درک پیچیدگی‌های GE و ژنتیک پایداری کمک کنند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A review of stability analysis methods in plant breeding with an emphasis on cereals, II: Multivariate approaches and future prospects

نویسندگان [English]

  • Nishtman Abdi 1
  • Mona Bordbar 2
  • Reza Darvishzadeh 3
  • Babak Rabiei 4
  • Hadi Alipour 5
  • Somaieh Soufimaleky 6
  • Hamid Hatami Maleki 7
  • Mitra Jabbari 8
1 Post-Doctoral Researcher, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran
2 Ph. D. Student, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran
3 Professor, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran
4 Professor, Department of Plant Production and Genetics, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran
5 Associate Professor, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran
6 M. Sc. Graduate, Institut des Sciences du Cerveau de Toulouse, Toulouse, France
7 Associate Professor, Department of Plant Production and Genetics, Faculty of Agriculture, University of Maragheh, Maragheh, Iran
8 Assistant Professor, Department of Plant Production and Genetics, Faculty of Agriculture, University of Saravan, Saravan, Iran
چکیده [English]

Introduction
In the field of cereal breeding, understanding the genotype × environment interaction (GEI) and the stability of various traits is recognized as the key to successfully producing high-quality agricultural products. GEI complicates the optimal selection of genotypes for target environments, making it essential to use appropriate statistical methods for analyzing and identifying stable and high-performing genotypes. Multivariate statistical methods are powerful tools for analyzing complex multi-environment trial (MET) data. Statistical methods such as cluster analysis (CA), principal component analysis (PCA), principal coordinate analysis (PCoA), factor analysis (FA), as well as additive main effects and multiplicative interaction (AMMI), genotype main effects and genotype × environment interaction biplot (GGE-Biplot), shifted multiplicative model (SHMM), and best linear unbiased prediction (BLUP) have been well used with high accuracy in analyzing MET data. In this study, multivariate statistical methods used in the analysis of GEI and genotypes stability from MET data and their advantages and disadvantages are reviewed. Moreover, the application of genome-wide association studies (GWAS), quantitative trait locus (QTL) analysis and QTL-environment interaction (QEI), and genomic prediction (GP) in the genetic analysis of stability, as well as the softwares used for calculating various multivariate stability methods, are introduced.

Research findings
The results of this study showed that the AMMI model, which combines analysis of variance and principal component analysis, has a high capability to evaluate main effects and interactions. Also, the GGE-Biplot method and various diagrams presented in this method effectively displays the main effects of genotype and its interaction with the environment. QTL analysis and the study of QEI in MET data also lead to the identification of linked markers to stability that can be used in molecular breeding of crop plants.

Conclusion
In the current study, multivariate methods used in GEI analysis were comprehensively and practically reviewed and introduced with the aim of better understanding GE interactions and identifying genotypes with broad adaptability and stable performance. The results of this study based on comprehensive studies showed that to make better decisions in selecting genotypes, it is necessary to consider all stability statistics, both univariate and multivariate, in the analysis of MET data. Recent advances in genomic technologies, including whole genome sequencing and GWAS, can significantly aid in understanding the complexities of GE and genetic of stability.

کلیدواژه‌ها [English]

  • AMMI
  • Genotype-environment interaction (GEI)
  • GGE-biplot
  • GWAS

فایل ها

هم رسانی

ارجاع به این مقاله

آمار