گیبز (Gvs) برای مطالعه کنترل ژنتیکی تحمل به تنش کم آبی در گندم

خشکی مهم ترین تنش غیرزیستی است که تولید و کیفیت محصول گندم را در ایران تحت تاثیر قرار می دهد. اطلاعات درباره کنترل ژنتیکی توارث تحمل به تنش خشکی عملکرد دانه برای تعیین نوع برنامه اصلاحی و تولید ارقام متحمل ضروری است. این امر اصلاح گران را قادر می سازد تا مناسب ترین راه کار را برای اصلاح صفت انتخاب کنند. در این مطالعه، استنباط بیزی با به کارگیری روش گزینش متغیر گیبز (gvs) برای شناسایی مهم ترین اثرات ژنتیکی مرتبط با تحمل به خشکی و شرایط عادی در چارچوب روش تجزیه میانگین نسل ها مورد استفاده قرار گرفت. به همین منظور آزمایش هایی شامل دو جفت تلاقی با ارقام حساس و متحمل (هامون times; دریا و سپاهان times; مروارید) و نسل های حاصل از تلاقی آنها برای دو سال به صورت کرت های خرد شده در دو شرایط آبیاری مطلوب و قطع آبیاری از زمان گرده افشانی بر پایه طرح بلوک های کامل تصادفی با سه تکرار اجرا شدند. برای مطالعه توارث صفت در تجزیه میانگین نسل ها از آزمون مقیاس مشترک استفاده می شود. محدود بودن درجات آزادی به تعداد پارامترهای موجود در مدل و امکان برآورد بیش از حد یا کمتر از حد اثرات اصلی و اپیستازی از معایب این روش هستند. یک روش جایگزین برای رفع این محدودیت ها استفاده از استنباط بیزی و روش های گزینش مدل مثل gvs است. gvs با برآورد احتمالات پسین در بر گرفتن پارامترهای مدل، شناسایی اثرات برخوردار از بیشترین قدرت تمایز در مدل را امکان پذیر می سازد. نتایج نشان دهنده کنترل توارث عملکرد دانه در شرایط تنش و غیرتنش توسط عمل ژنی افزایشی، غالبیت و اپیستازی بودند. بنابراین استفاده از روش هایی مانند گزینش دوره ای و به دنبال آن روش شجره ای که تمام اثرهای ژنی را در بردارند می تواند روشی سودمند برای بهبود تحمل به تنش خشکی باشد. از آن جایی که عمل ژنی افزایشی، غالبیت و اپیستازی در توارث عملکرد دانه موثر بودند، روش هایی که از تمام اثرهای ژنی استفاده می کنند مثل تولید بذر هیبرید ممکن است در بهبود عملکرد گندم در شرایط مختلف موثر باشد.

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

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 nontolerant 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 subplots 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.