استفاده از تجزیه خوشه ای برای گزینش لاین های برتر ذرت در نسل S۶
محل انتشار: پژوهشنامه اصلاح گیاهان زراعی، دوره: 8، شماره: 20
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCB-8-20_010
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
به منظور به دست آوردن لاینهای خالص ذرت جهت کشت مستقیم و یا شرکت در دورگگیری لازم است خالصسازی صورت گیرد. این آزمایش با بکارگیری روش اصلاحی سلکسیون انفرادی انجام گردید و تعداد ۱۹۸ لاین S۶ ذرت در سال ۱۳۸۶ مورد ارزیابی قرار گرفتند و ۱۴ صفت زراعی بر روی آنها مورد ارزیابی قرار گرفت. نتایج آمار توصیفی تنوع قابل توجهی در میان ژنوتیپها نشان داد. در میان صفات مختلف بیشترین میزان تنوع فنوتیپی مربوط به صفات مقاومت به خوابیدگی، مقاومت به بیماری و عملکرد دانه به ترتیب با مقدار ۶۱/۴۱، ۳/۲۱ و ۸۸/۲۰ درصد بود. تجزیه خوشه ای به روش حداقل واریانس وارد، لاینها را در سه گروه قرار داد و درصد صحت گروهبندی با تجزیه تابع تشخیص ۴/۹۴ درصد بود. گروه اول شامل ۲۳ لاین، گروه دوم شامل ۱۱۰ لاین و گروه سوم شامل ۶۵ لاین بود. میانگین صفات لاینهای گروههای اول و دوم بیشتر از میانگین کل لاینها بود و لاینهای این دو گروه انتخاب و به نسل بعد برده شدند تا از طریق روش تجزیه لاین×تستر، قابلیت ترکیبپذیری آنها مورد ارزیابی قرار گیرد. همچینین لاینهای این دو گروه به علت داشتن مقادیر بالای عملکرد و سایر صفات میتوانند در برنامههای دورگگیری مورد استفاده قرار گیرند.
کلیدواژه ها:
Cluster analysis ، Corn ، Factor analysis ، Line ، Phenotypic variation ، Yield ، تجزیه خوشه ای ، تجزیه عاملی ، تنوع فنوتیپی ، ذرت ، لاین ، عملکرد
نویسندگان
فرهاد صادقی
Assistant Professor, Agriculture and Natural Resources Research Center of Kermanshah, Iran
مهدی رحیمی
Assistant Professor of plant breeding, Department of Biotechnology, Institute of Science and High Technology and Environmental Sciences, Graduate University of Advanced Technology, Kerman, Iran
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 :