كاربرد گزينش متغير گيبز (GVS) براي مطالعه كنترل ژنتيكي تحمل به تنش كم آبي در گندم

Application of Gibbs Variable Selection Approach to Study Genetic Control of Water Deficient Stress Tolerance in Wheat

خشكي مهم­ترين تنش غيرزيستي است كه توليد و كيفيت محصول گندم را در ايران تحت­تاثير قرار مي ­دهد. اطلاعات درباره كنترل ژنتيكي توارث تحمل به تنش خشكي عملكرد دانه براي تعيين نوع برنامه اصلاحي و توليد ارقام متحمل ضروري است. اين امر اصلاح­گران را قادر مي­ سازد تا مناسب ­ترين راه­كار را براي اصلاح صفت انتخاب كنند. در اين مطالعه، استنباط بيزي با به كارگيري روش گزينش متغير گيبز (GVS) براي شناسايي مهم­ترين اثرات ژنتيكي مرتبط با تحمل به خشكي و شرايط عادي در چارچوب روش تجزيه ميانگين نسل­ ها مورد استفاده قرار گرفت. به همين منظور آزمايش­هايي شامل دو جفت تلاقي با ارقام حساس و متحمل (هامون × دريا و سپاهان × مرواريد) و نسل­هاي حاصل از تلاقي آنها براي دو سال به صورت كرت ­هاي خرد شده در دو شرايط آبياري مطلوب و قطع آبياري از زمان گرده افشاني بر پايه طرح بلوك­هاي كامل تصادفي با سه تكرار اجرا شدند. براي مطالعه توارث صفت در تجزيه ميانگين نسل­ها از آزمون مقياس مشترك استفاده مي­شود. محدود بودن درجات آزادي به تعداد پارامترهاي موجود در مدل و امكان برآورد بيش از حد يا كمتر از حد اثرات اصلي و اپيستازي از معايب اين روش هستند. يك روش جايگزين براي رفع اين محدوديت­ ها استفاده از استنباط بيزي و روش­هاي گزينش مدل مثل GVS است. GVS با برآورد احتمالات پسين در بر گرفتن پارامترهاي مدل، شناسايي اثرات برخوردار از بيشترين قدرت تمايز در مدل را امكان­پذير مي ­سازد. نتايج نشان­دهنده كنترل توارث عملكرد دانه در شرايط تنش و غيرتنش توسط عمل ژني افزايشي، غالبيت و اپيستازي بودند. بنابراين استفاده از روش­هايي مانند گزينش دوره­اي و به دنبال آن روش شجره­اي كه تمام اثرهاي ژني را در بردارند مي­تواند روشي سودمند براي بهبود تحمل به تنش خشكي باشد. از آن­جايي كه عمل ژني افزايشي، غالبيت و اپيستازي در توارث عملكرد دانه مؤثر بودند، روش­هايي كه از تمام اثرهاي ژني استفاده مي­كنند مثل توليد بذر هيبريد ممكن است در بهبود عملكرد گندم در شرايط مختلف مؤثر باشد.

Drought is the main abiotic stress seriously influencing wheat production and quality in Iran. Information about genetic controlling drought tolerance inheritance for grain yield is necessary to determine the type of breeding program as well as develop tolerant cultivars, enabling breeders to choose the most appropriate strategy to breeding trait of interest. In this study, Bayesian inference using Gibbs variable selection (GVS) approach used to identify the most important gene effects related to drought tolerance in context generation mean analysis. For this purpose, field experiments consist of two pairs of crosses with non-tolerant and tolerant cultivars and generations derived from them were carried out across two years as split plot designs based on RCBD with three replications in which main plots assigned to irrigation treatment consist of two levels (well watered and cessation of irrigation at pollination stage) and sub-plots given to the generations. To study the inheritance of any trait in generation mean analysis, joint scaling test is applied. Restrictions of degrees of freedom to number of parameters of model and over- or underestimation of the main and epistatic effects are disadvantages of this method. An alternative approach to obviate these limitations is to perform Bayesian inference and model selection strategies like GVS. GVS using estimation of posterior inclusion probabilities of effects identifies the most discriminant effects in the model. Since the additive, dominance and epistatic gene actions involved in drought tolerance inheritance, methods which utilize all type of gene effects, like recurrent selection followed by pedigree method may be useful for drought tolerance stress improvement. Also hybrid seed production, which utilizes all types of gene effects, may be useful in improving yield in wheat.