Wielowymiarowa ocena zmiennosci fenotypowej w kolekcji zasobow genowych pszenzyta jarego

• Autorzy: Ukalski K , Kociuba W , Madry W , Ukalska J

Warianty tytułu

EN

Multivariate phenotypic diversity in spring triticale germplasm collection

• Języki publikacji: PL

Abstrakty

PL

W pracy przeprowadzono statystyczną analizę zmienności fenotypowej w obrębie kolekcji pszenżyta jarego pochodzącej z Instytutu Genetyki i Hodowli Roślin Akademii Rolniczej w Lublinie. Analizowano 7 ważnych cech rolniczych. Obserwacje pochodziły z czterech lat badań 1996-1999, tworząc kompletną klasyfikację genotypyXlata. Dla każdej cechy oszacowano komponenty wariancyjne za pomocą metody REML na podstawie losowego modelu ANOVA dla tej klasyfikacji. Oceny wartości genotypowych wyznaczono za pomocą najlepszego nieobciążonego predyktora (BLUP). Na ich podstawie wykonano analizę składowych głównych dla wszystkich badanych cech oraz dokonano podziału genotypów kolekcyjnych na 6 grup podobnych pod względem badanych cech. Stwierdzono największe wartości dodatnie współczynnika korelacji pierwszej składowej głównej z wysokością roślin oraz ujemne z liczbą ziarn w kłosie. Druga składowa główna była silnie dodatnio skorelowana z liczbą ziarn w kłosie i masą tysiąca ziarn.

EN

Phenotypic variation among 75 genotypes (cultivars and clones) in triticale collection from the Institute of Genetics and Plant Breeding in Lublin was assessed using two multivariate methods of principal component analysis (PCA) and hierarchical cluster analysis (CA). The variation was studied for seven traits. Data were collected in a trial carried out over four years (1996-1999). They were arranged in complete two-way classification genotypes by years. Variance components were estimated for each trait separately using REML method for a random ANOVA model of the two-way classification. Estimates of genotypic values were obtained using the best linear unbiased predictor (BLUP). The highest values of correlation coefficients were obtained between the first principal component (PC), plant height (positive) and the number of grains per spike (negative). The second PC was strongly positively correlated with the number of grains per spike, and 1000-grain weight. All genotypes were grouped into six clusters.

Słowa kluczowe

PL

kolekcje roslin; zmiennosc fenotypowa; pszenzyto jare; zasoby genowe; genotyp; analiza skladowych glownych; hierarchiczna analiza skupien; cechy uzytkowe; analiza zmiennosci

EN

plant collection; phenotypic variability; spring triticale; genetic research; genotype; principal component analysis; hierarchical cluster analysis; utility property; variability analysis

• Wydawca: -
• Czasopismo: Zeszyty Problemowe Postępów Nauk Rolniczych
• Rocznik: 2007
• Tom: 517
• Numer: 2
• Opis fizyczny: s.767-774,rys.,tab.,bibliogr.

Twórcy

autor

Ukalski K

• Katedra Biometrii, Szkola Glowna Gospodarstwa Wiejskiego, ul.Nowoursynowska 159, 02-776 Warszawa

autor

Kociuba W

• Instytut Genetyki, Hodowli i Biotechnologii Roslin, Akademia Rolnicza w Lublinie

autor

Madry W

• Katedra Biometrii, Szkola Glowna Gospodarstwa Wiejskiego, ul.Nowoursynowska 159, 02-776 Warszawa

autor

Ukalska J

• Katedra Biometrii, Szkola Glowna Gospodarstwa Wiejskiego, ul.Nowoursynowska 159, 02-776 Warszawa

Bibliografia

• Bertero H.D., De La Vega A.J., Correa G., Jacobsen S.E., Mujica A. 2004. Genotype and genotype-by-environment interaction effects for grain yield and grain size of quinoa (Chenopodium quinoa Willd.) as revealed by pattern analysis of international multi-environment trials. Field Crops Research 89: 299-318.
• Cooper M., Woodruff D.R., Phillips I.G., Basford K.E., Gilmour A.R. 2001. Genotype-by-management interactions for grain yield and grain protein concentration of wheat. Field Crops Research 69: 47-67.
• Crossa J., Franco J. 2004. Statistical methods for classifying genotypes. Euphytica 137: 19-37.
• Flores F., Gutierrez J.C., Lopez J., Moreno M.T., Cuberto J.I. 1997. Multivariate analysis approach to evaluate a germplasm collection of Hedysarum coronarium L. Genetic Resources and Crop Evolution 44: 545-555.
• Gutiérrez L., Franco J., Crossa J., Abadie T. 2003. Comparing a preliminary racial classification with a numerical classification of the maize landraces of Uruguay. Crop Sci. 43: 718-727.
• Henderson C.R. 1977. Best linear unbiased estimation and prediction under a selection model. Biometrics 31: 423-447.
• Khattree R., Naik D.N. 2000. Multivariate data reduction and discrimination with SAS software. SAS Institute Inc., Cary, NC: 558 ss.
• Krzanowski W.J. 1988. Principles of multivariate analysis: a users’s perspective. Oxford University Press, Oxford: 563 ss.
• Littell R.C., Milliken G.A., Stroup W.W., Wolfinger R.D. 1996. SAS system for mixed models. SAS Institute Inc., Cary, NC: 633 ss.
• Mądry W. 1993. Studia statystyczne nad wielowymiarową oceną zróżnicowania cech ilościowych w kolekcjach zasobów genowych zbóż. Monografie i Rozprawy, Wydawnictwo SGGW: 108 ss.
• Mohammadi S.A., Prasanna B.M. 2003. Analysis of genetic diversity in crop plants - Salient statistical tools and considerations. Crop Sci. 43: 1235-1248.
• SAS/STAT User's Guide, Version 8.2. 2002. SAS Institute, Cary NC (online).
• Searle S.R. 1987. Linear models for unbalanced data. J. Wiley & Sons, New York: 536 ss.
• Upadhyaya H.D., Mallikarjuna Swamy B.P., Kenchana Goudar P.V., Kullaiswamy B.Y., SINGH S. 2005. Identification of diverse groundnut germplasm through multienvironment evaluation of a core collection for Asia. Field Crops Research 93: 293-299.
• Ward J.H., JR. 1963. Hierarchical grouping to optimize an objective function. J. Am. Statist. Assoc. 58: 236-244.
• Xu H., Mei H., Hu J., Zhu J., Gong P. 2006. Sampling a core collection of Island cotton (Gossypium barbadense L.) based on the genotypic values of fiber traits. Genetic Resources and Crop Evolution 53: 515-521.