Estimation of breeding value of seed related morpho-physiological traits in maize (Zea mays L.) under normal and salinity stress conditions based on SNP marker

مقدمه

ذرت (Zea mays L.) رتبه اول عملکرد و میزان تولید و رتبه سوم سطح زیر کشت را در دنیا به خود اختصاص داده و یکی از محصولات راهبردی مطرح در جهان می­باشد (Sajedi & Ardekani, 2008). مصرف ذرت در حوضه دامپروری، صنعت و همچنین تغذیه انسان به­جهت میزان لیزین بالا، در پنج دهه گذشته، افزایش تقاضای تولید ذرت را به همراه داشته است. بنابراین تلاش در جهت توسعه کشت و بهبود عملکرد و کیفیت ذرت در اولویت برنامه­های ­اصلاحی قرار گرفته است (Fageria et al., 2010; Hearn, 2014). گیاهان با اثرات منفی تنش­های مختلف در طول دوره­های رشد خود مواجه هستند. در این میان تنش شوری اثرات مخرب جهانی دارد. پیش­بینی می­شود که حدود 50 درصد از زمین­های زراعی با تداوم روند شور­شدن خاک­ها در آینده غیر قابل کشت شوند
 (Niu et al., 2018). ایران با­توجه­به محدودیت بارش، از نظر اقلیمی جزء مناطق خشک و نیمه­خشک جهان طبقه­بندی می­شود. یکی از مشکلات بزرگ پیش روی کشاورزی در ایران شوری خاک و آب آبیاری است. تنش شوری با کاهش پتانسیل اسمزیِ آب، قابلیت دسترسی آب برای ریشه را کاهش می­دهد که در نتیجة آن تغییرات فیزیولوژیکی، بیوشیمیایی و مورفولوژیکی متعدد در گیاهان روی می­دهد (Mohammadkhani & Sharifi, 2016; Roy et al., 2014). تنش شوری در ابتدا، از طریق تنش اسمزی تظاهر یافته و رشد گیاه را محدود می­کند، سپس به سبب سمیت یونی ناشی از تجمع غلظت بالای نمک در برگ­های پیر، منتهی به مرگ آنها می­شود (Munns & Tester, 2008). در خاک­های متاثر از نمک، شوری سبب تجمع بیش از حد یون­های سدیم و کلرید در ریزوسفر و تداخل شدید با سایر عناصر معدنی ضروری مانند پتاسیم، کلسیم، نیتروژن، فسفر، منیزیم، آهن، مس، روی و منگنز شده و در نتیجة عدم تعادل شدید تغذیه­ای در ذرت حادث می­شود (Turan et al., 2010). به­طور کلی، تنش نمک جذب نیتروژن، پتاسیم، کلسیم، منیزیم و آهن را کاهش می­دهد (Shahzad et al., 2012; Yasmeen et al., 2013). گیاهان از مسیرهای پیام­رسانی متفاوتی در مواجه با تنش استفاده می­کنند. سه مسیر پیام­رسانی عمده که نقش مهمی در فرآیند تحمل به تنش بازی می­کنند؛ مسیر حساسیت بیش از حد به شوری^[1] (SOS)، آبشار پروتئین کینازی فعال­شده در اثر میتوژن^[2] (MAPK) و گونه­های فعال اکسیژن^[3] (ROS) هستند. از­سوی دیگر، فرآیند تحمل به شوری در گونه­های مختلف گیاهان در مراحل مختلف رشدی تظاهر می­کند (Mohammadkhani & Sharifi, 2016; Roy et al., 2014). بنابراین بررسی وجود تنوع فنوتیپی و ژنوتیپی بین ژنوتیپ­ها پیش­نیاز برنامه­های اصلاحی است.

با معرفی برنامه­های اصلاحی که در آن از ارزش­های اصلاحی برآورد­شده به­جای ارزش­های فنوتیپی استفاده می­شود، محدودیت‌های به­نژادی سنتی کمتر شده است. به­کارگیری این روش­ها که تلفیقی از کاربرد داده­های کمّی (فنوتیپی) و مولکولی به­همراه روش‌های آماری و محاسباتی پیچیده می­باشد، تجزیه و بهبود ژنتیکی صفات مهم اقتصادی در گیاهان را با افزایش کارایی گزینش همراه ساخته است. گزارش­هایی از پیشرفت ژنتیکی حاصل از این نوع گزینش در برخی صفات ارائه شده است (Piepho et al., 2008; Ramos et al., 2014; Quintal et al., 2017). ارزش اصلاحی^[4] (BV) مجموع متوسط اثرات تمام آلل­های یک ژنوتیپ برای یک صفت را منعکس می­کند. در واقع ارزش اصلاحی، برآورد ارزش یک فرد از طریق میانگین ارزش فنوتیپی نتاجش می­باشد که از تلاقی تصادفی با جمعیت به­دست آمده­اند
 (Falconer & Mackay, 1996). در عمل، اصلاح­گران از قابلیت ترکیب­پذیری عمومی^[5] (GCA) برای پیش­بینی ارزش­های اصلاحی والدینی استفاده می­کنند. در گونه­های دیپلوئید و در غیاب اپیستازی، ارزش GCA فرد نیمی از ارزش اصلاحی آن است
 (Isik et al., 2017). برآورد ارزش­های اصلاحی در قالب معادلات مدل آمیخته از طریق بهترین پیش­بینی نااریب خطی^[6] (BLUP)، که در آن از ماتریس ارتباط ژنتیکی A که شامل ضریب همخوانی محاسبه­شده بر­اساس شجرة ژنوتیپ­ها یا ماتریس شباهت­های ژنتیکی (Kinship matrix) می­باشد، با استفاده از نرم­افزار Wombat انجام می­شود (Bauer et al., 2006; Meyer, 2007).

توسعه نشانگرهای مولکولی محاسبه ماتریس شباهت­های ژنتیکی جهت پیش­بینی ارزش­های اصلاحی را در غیاب دسترسی به شجره ژنوتیپ­ها امکان­پذیر کرده است (Piepho, 2009; Jannink et al., 2010). از میان نشانگرهای مولکولی، نشانگر SNP به­دلیل پوشش مناسب ژنوم و امکان دسترسی به اطلاعات ژنومی بیشتر، به­طور گسترده در برنامه‌های به‌نژادی گیاهان برای شناسایی تنوع ژنتیکی، تهیه نقشه‌های ژنتیکی با وضوح بالا، تحلیل ارتباط در گستره ژنوم، انتخاب ژنومی، مطالعه تاریخچه تکاملی جمعیت‌ها استفاده می‌شود (Zhao et al., 2015). استفاده از نشانگر مولکولی SNP در برآورد ارزش اصلاحی صفات در در ژنوتیپ­های برگزیده در ایران می­تواند اطلاعات شایانی در اختیار به­نژادگران قرار ­دهد. در این تحقیق ارزش اصلاحی ژنوتیپ­های ذرت برای برخی صفات در هر یک از شرایط نرمال و تنش شوری برآورد شده است.

مواد و روش­ها

مواد گیاهی

تعداد 73 ژنوتیپ ذرت تهیه­شده از مراکز تحقیقاتی مختلف (دانشگاه رازی کرمانشاه، مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی و مؤسسه تحقیقات اصلاح و تهیه نهال و بذر کرج) (فایل تکمیلی 1) در سال 1397-1398 در قالب طرح کاملاً تصادفی با سه تکرار در دو شرایط نرمال و تنش شوری 8 دسی­زیمنس بر متر در شرایط گلدانی (گلدان­های پلاستیکی به حجم 10 لیتر به ابعاد 24×24 سانتی­متر) در محوطه باز در دانشکده کشاورزی دانشگاه ارومیه مورد ارزیابی و مطالعه قرار گرفتند. گلدان­ها با استفاده از سامانه قطره­ای آبیاری شدند. جهت تأمین عناصر مغذی و ایجاد شرایط رشدی مطلوب کود NPK 20-20-20 با غلظت 5/0 گرم در لیتر از مرحله چهار­برگی تا مرحله تاسل­دهی در دورة زمانی هر هفته یک بار، و از مرحله تاسل­دهی به بعد با غلظت 2 گرم در لیتر هر سه روز یک بار به گلدان­ها اضافه شد. اعمال تنش شوری در مرحلة ­هشت برگی انجام گرفت. با­توجه­به آستانه تحمل شوری ذرت (7/2 دسی­زیمنس بر متر)، از شوری 8 دسی­زیمنس بر متر خاک برای اعمال تنش استفاده شد (Emdad & Fardad, 2000; Najafi & Sarhangzadeh, 2012). با شروع مرحله تاسل­دهی 25 صفت شامل زاویه برگ، سطح برگ، وزن خشک برگ پرچم، فاصله پهنک برگ پرچم تا تاسل، روز تا بلال­دهی، روز تا تاسل­دهی، طول اولین گره تا تاسل، تعداد خوشه تاسل، طول تاسل، تعداد برگ روی بلال، تعداد ردیف دانه در بلال، تعداد دانه در ردیف، وزن دانه در بلال اصلی، وزن بوته، وزن بلال با غلاف، وزن بلال بدون غلاف، قطر بلال بدون دانه، وزن چوب بلال، عرض دانه، قطر دانه، ارتفاع دانه، میزان کلروفیل، دمایی کانوپی، محتوای نسبی آب و درصد نشت یونی اندازه­گیری و ارزش اصلاحی تحت شرایط تنش شوری و نرمال برای صفات فوق برآورد شد.

ارزیابی ژنوتیپی لاین­های ذرت

به­منظور تهیه پروفیل مولکولی ژنوتیپ­ها از برگ­های جوان یک­ماهه جهت استخراج DNA به روش Saghai-Maroof et al. (1984) استفاده شد. جهت اطمینان از کمیت و کیفیت DNA استخراج­شده، به­ترتیب از روش نانودراپ و الکتروفورز ژل آگارز %1 استفاده شد.

سپس DNAهای واجد کمیت و کیفیت مطلوب، جهت توالی‌یابی به شرکت TraitGenetics آلمان (http://www.traitgenetics.com/) ارسال شدند. کتابخانه ژنومی 93 ژنوتیپ توسط شرکت ساخته شد و توالی‌یابی با استفاده از پلتفرم Affymetrix® Maize 600K genotyping array انجام شد.

تجزیه آماری

از نرم­افزار SAS جهت محاسبة آماره­های توصیفی و تجزیه واریانس صفات تحت شرایط نرمال و تنش شوری استفاده شد. پیش­بینی ارزش اصلاحی صفات برای ژنوتیپ­های مورد مطالعه با استفاده از میانگین­های صفات زراعی در هر یک از دو محیط نرمال و تنش شوری به­روش بهترین پیش­بینی نااریب خطی (BLUP) و نرم­افزار SAS نسخه 4/9 انجام شد (Bernardo, 2007). در حالت کلی ساختار مدل خطی آمیخته به شکل زیر می­باشد:

رابطه (1)

Y = Xb+ Zu + e

که در آن Y بردار مشاهدات، u و b به­ترتیب بردارهای اثرات ثابت و تصادفی، X و Z به­ترتیب ماتریس­های تلاقی^[7] و e بردار باقی­مانده تصادفی است. اثرات ثابت توسط بهترین برآورد نااریب خطی (BLUE) و اثرات تصادفی از طریق بهترین پیش­بینی نااریب خطی (BLUP) برآورد می­شوند. بردارهای e و u (اثرات تصادفی) دارای توزیع نرمال با میانگین صفر و واریانس  هستند که در آن  و  هستند و اندیس t و n در ماتریس­های واحد (I) به­ترتیب تعداد سطوح اثر تصادفی (تیمار یا ژنوتیپ) و تعداد مشاهدات را نشان می­دهند (Yang, 2010).  و  به­ترتیب واریانس اثر تصادفی و واریانس باقی­مانده هستند که اجزای واریانس در  GوR  با حداکثر درست­نمایی محدود­شده^[8] برآورد­شده جایگزین می­شوند (Patterson & Thompson, 1971). BLUE و BLUP از طریق حل معادلات مدل مخلوط ارائه­شده توسط هندرسون (Henderson, 1990) محاسبه می­شوند.

رابطه (2)

در اینجا؛

G= I_t; R= I_n;

است. معادلات هندرسون جهت برآورد ارزش­های اصلاحی با­در­نظر­گرفتن تعداد متفاوت تکرار ژنوتیپ­ها و ضرب طرفین معادلات در  (Foulley, 2015) به شکل زیر تبدیل می­شود (Bernardo, 2007).

رابطه (3)

.

که در آن؛  و  فرض می­شوند. A یک ماتریسِ t×t (t: تعداد ژنوتیپ) ضرایب خویشاوندی است که درجه کوواریانس ژنتیکی بین افراد را نشان می­دهد.r  اگر تعداد تکرار ژنوتیپ­ها یکسان باشد یک ماتریس واحد^[9] است؛ اما اگر تعداد تکرار ژنوتیپ­ها متفاوت باشد؛ در این حالت r یک ماتریسِ n×n
(n: تعداد مشاهدات) می­باشد که عناصر خارج قطری آن صفر و عناصر روی قطر برابر عکس تعداد تکرارِ ژنوتیپ­ها (مثلاً عکس تعداد تکرار ژنوتیپ یک در مجموعه­ی (سال× مکان) اول، ....) است.  و  به­ترتیب واریانس ژنتیکی و واریانس باقی­مانده هستند. ماتریس خویشاوندی یا Kinship بین ژنوتیپ­ها به کمک داده­های مولکولی SNP با نرم­افزار TASSEL محاسبه شد. از دو برابر ماتریس Kinship به­جای ماتریس روابط خویشاوندی A در مدل آمیخته استفاده شد. در برآورد ارزش اصلاحی، از اطلاعات مولکولی 73 ژنوتیپ استفاده شد. تجزیه خوشه­ای و رسم درخت­واره ژنوتیپ­ها بر اساس صفات مورفولوژیک و ارزش اصلاحی برآورد شده، همچنین مقایسه توزیع ژنوتیپ­ها در درخت­واره­ها با پکیچ­های dendextend،ape ، ade4 و adegenet در نرم­افزار R انجام گرفت.

نتایج و بحث

ارزیابی تنوع فنوتیپی

تجزیه واریانس تک­متغیره اختلاف معنی­داری بین ژنوتیپ­ها برای اکثر صفات مورد بررسی در هر یک از شرایط نرمال و تنش شوری نشان داد (فایل تکمیلی 2، 3 و 4) که بیانگر وجود تنوع در میان ژنوتیپ­های مورد مطالعه برای صفات مورد بررسی می­باشد. در این بررسی ضریب تغییرات در جدول تجزیه واریانس که نماد دقت آزمایش می­باشد بین 3808/4 تا 8590/60 متغیر بود (فایل تکمیلی 2، 3 و 4). ضریب تغییرات کم­تر از 30 بیانگر دقت بالای آزمایش می­باشد (Jayaraman, 1999). در صورت معنی­داری F تیمار، مقادیر بالای30 نیز برای ضریب تغییرات مورد قبول است (Xu et al., 2000; Zarei et al., 2007). در این شرایط اختلاف تیمارها (ژنوتیپ­ها) به حدی است که با وجود بالا­بودن خطای آزمایشی (که نسبت مستقیم با ضریب تغییرات و عکس با مقدار F آزمون دارد) باز آزمون  Fمعنی­دار شده است. بیشترین ضریب تغییرات در شرایط نرمال در صفت وزن چوب بلال (0210/63) و کمترین در صفت روز تا تاسل (9678/4) مشاهده شد. در شرایط تنش شوری بیشترین ضریب تغییرات در صفات وزن بلال بدون غلاف (8590/60) و وزن چوب بلال (5006/60) و کمترین در صفت روز تا بلال (3808/4) مشاهده شد. آماره­های توصیفی برای صفات تحت هر دو شرایط نرمال و تنش شوری در جدول (1) آورده شده است. صفت زاویه برگ تحت هر دو شرایط کمترین ضریب تغییرات فنوتیپی را دارا بود. وزن دانه در بلال اصلی تحت شرایط نرمال و فاصله پهنک برگ پرچم تا تاسل تحت شرایط تنش شوری از بیشترین ضریب تغییرات فنوتیپی برخوردار بودند که نشان از تنوع بالای این صفات در جمعیت مورد مطالعه می­باشد. استفاده از شاخص آماری ضریب تغییرات فنوتیپی به عنوان یک شاخص تعیین­کننده پراکندگی، به­جهت اینکه فاقد واحد بوده و میزان تنوع موجود در جمعیت را برای صفات مورد ارزیابی نشان می­دهد، دارای اهمیت ویژه در برنامه­های اصلاحی است.

جدول 1- آماره­های توصیفی صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال و تنش شوری.

Table 1. Descriptive statistics of studied traits in 73 maize genotypes under normal and salinity stress conditions.

ارزیابی ژنوتیپی

استخراج DNA

نتایج ارزیابی کیفیت  DNAاستخراج­شده روی ژل آگارز یک درصد نشان­دهندة کیفیت بالای DNA استخراج­شده، به­منظور ارسال برای انجام توالی­یابی و ساخت کتابخانه ژنومی بود (فایل تکمیلی 5). در تجزیه کمیت DNA استخراجی با استفاده از دستگاه نانودراپ، نمونه­هایی که نسبتA260 / A280  آن­ها در محدوده 2-7/1 بود، جهت توالی­یابی ارسال شدند.

ژنوتیپ‌سنجی با استفاده از آرایه ژنوتیپ‌سنجی Affymetrix® Maize 600K

93 ژنوتیپ با تنوع فنوتیپی بالا به­منظور ژنوتیپ‌سنجی برای توالی­یابی ارسال شدند. پس از توالی‌یابی در نهایت 600 هزار نشانگر SNP چندشکل مشاهده شد که با اعمال ویرایش و حذف SNPهای دارای فراوانی آلل جزئی کمتر از 10 درصد تعداد 450133 نشانگر SNP باقی ماند. از این تعداد 449929 نشانگر SNP روی 10 کروموزوم ذرت تعیین موقعیت شدند. کرموزوم یک با 72226 و کروموزم 10 با 30596 نشانگر SNP به­ترتیب بیشترین و کمترین تعداد SNP را داشتند. به­طور کلی 21/67 درصد جایگزینی‌های نوکلئوتیدی مشاهده­شده با 302411 SNP به­صورت جایگزینی‌های همجنس (Ts) و حدود 79/32 درصد از جایگزینی‌های با 147518 SNP جایگزینی‌های نوکلوئیدی ناهمجنس (Tv) را شامل می­شدند (فایل تکمیلی 6). به نظر مشاهده فراوانی بالای جایگزینی همجنس در بسیاری از گونه‌ها مورد مطالعه، ناشی از تمایل جهش متیل سیتوزین به یوراسل باشد.

ارزش اصلاحی صفات

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت زاویه برگ در ژنوتیپ R59 پدری (52/11) و پایین­ترین مقدار (^**80/16-) در ژنوتیپ P16L6 Kahriz مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای زاویه برگ به­ترتیب در ژنوتیپ­های R59 پدری (^*41/17) و مادری دابل کراس 370 (سینگل کراس) R319 × R59 (^**62/25-) مشاهده شد (فایل تکمیلی 8). بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت سطح برگ در 1 Line (^**73/8607) و پایین­ترین آن (^*41/6352-) در ژنوتیپ P11L7 مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای سطح برگ به­ترتیب در ژنوتیپ­های ژنوتیپ R59 پدری (^*58/5985) و K615/1 (47/3416-) مشاهده شد (فایل تکمیلی 8). بالاترین­ترین ارزش اصلاحی تحت شرایط نرمال برای وزن خشک برگ پرچم در Line 1 (^*39/0) و پایین­ترین آن در ژنوتیپ W37A (^*34/0-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین­ترین و پایین­ترین ارزش اصلاحی برای وزن خشک برگ پرچم در ژنوتیپ­های P16L12 Kahriz (^*29/0) و K1263/1/1388 (21/0-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت فاصله پهنک برگ پرچم تا تاسل در ژنوتیپ­های popcorn- 53 or 54 1390/ (^**50/6) و P16L12 Kahriz (88/2-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت فاصله پهنک برگ پرچم تا تاسل به­ترتیب در ژنوتیپ­های N/88-K3653/2 36- (^**41/5) و ZK472221 (^*53/3-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت روز تا بلال­دهی در ژنوتیپ P3 L2 (^**58/15) و برای روز تا تاسل­دهی در ژنوتیپ P19 L7 Kahriz (^*51/10) مشاهده شد. پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای روز تا بلال­دهی (55/7-) و روز تا تاسل­دهی (^**57/41-) در ژنوتیپ اندونزی S2/QPM/SUKMAا مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفات روز تا بلال­دهی به­ترتیب در ژنوتیپ­های P16L12 Kahriz (^**81/50) و R3L9 (^*55/12-) و برای روز تا تاسل­دهی به­ترتیب در ژنوتیپ­های P11L7 (^**61/45) و S2/QPM/SUKMA (^**97/56-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت طول اولین گره تا تاسل به­ترتیب در ژنوتیپ­های K615/1 (^*43/8) و P10L9 (^**14/10-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت طول اولین گره تا تاسل به­ترتیب در ژنوتیپ­های 36-N/88-K3653/2 (^*32/8) و P3L4AKahriz (^*04/9-) مشاهده شد ( فایل تکمیلی 8). بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت تعداد خوشة تاسل در 2 Line (^**5) و پایین­ترین آن (45/2-) در ژنوتیپ W37A مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین ارزش اصلاحی برای تعداد خوشة تاسل در ژنوتیپ­های Line 2 (^**35/4) و پایین­ترین P15L14 (^*25/3-) مشاهده شد (فایل تکمیلی 8). بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت طول تاسل در P3 L2 (^**73/8607) و پایین­ترین آن در P11L7 (^*41/6352) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین ارزش اصلاحی برای طول تاسل در ژنوتیپ­های P16L12 Kahriz (^*30/6) و پایین­ترین آن در ژنوتیپ P1 L5 Kahriz (^*74/7-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت تعداد برگ روی بلال در ژنوتیپP1 L4 Kahrizi  (^**01/2) و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای تعداد برگ روی بلال (^**51/2-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفات تعداد برگ روی بلال به­ترتیب در ژنوتیپ­های 170*/1388 (^**22/2) و S2/QPM/SUKMA (^**74/2-) مشاهده شد (فایل تکمیلی 8). بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفات تعداد ردیف دانه در بلال در ژنوتیپ K1263/1/1388 (13/2)، برای تعداد دانه در ردیف در 19 Line (^**64/13) و برای وزن دانه در بلال اصلی در 19 Line (^**09/39) مشاهده شد. پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفات تعداد ردیف دانه در بلال (28/2-)، تعداد دانه در ردیف (^*54/11-) و وزن دانه در بلال اصلی (^*10/26-) در ژنوتیپ P15 L16 Kahriz مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفات تعداد ردیف دانه در بلال به­ترتیب در ژنوتیپ­های W37A (88/0) و P6 L1 (78/0-)، برای تعداد دانه در ردیف به­ترتیب در 7 Line (76/3) و ZK472221 (04/4-) و وزن دانه در بلال اصلی به­ترتیب در Line 7 (^*64/18) و ZK472221 (34/12-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفات وزن بوته در 8 Line (^**37/226) برای وزن بلال با غلاف در 19 Line (^**36/60)، برای وزن بلال بدون غلاف در 19 Line (^**49/62) و برای قطر بلال بدون دانه در 6 Line (44/4) مشاهده شد. در مقابل، پایین­ترین ارزش اصلاحی برای صفات وزن بوته (^**15/234-)، وزن بلال با غلاف (^*35/47-)، وزن بلال بدون غلاف (21/38-) و قطر بلال بدون دانه (^*86/5-) در ژنوتیپ P19 L7 Kahriz مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت وزن بوته به­ترتیب در 2 Line (^*31/117) و S2/QPM/SUKMA (^**75/156-)، برای وزن بلال با غلاف به­ترتیب در
 2 Line (^**95/42) و P14L1Kahriz (46/21-)، برای وزن بلال بدون غلاف به­ترتیب در 2 Line (^*30/37) و 1390/popcorn-53 0r 54 (48/15-) و برای قطر بلال بدون دانه به­ترتیب در ژنوتیپ­های
 2 Line (74/4) و P14L1 Kahriz (75/3-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفات وزن چوب بلال در ژنوتیپ 6 (^**34/8) و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای وزن چوب بلال P19 L7 Kahriz (^**18/3-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای وزن چوب بلال به­ترتیب در ژنوتیپ 2 (^**16/6) وP14L1 Kahriz (54/2-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفات عرض دانه در ژنوتیپ ZK472221 (^*68/1) و پایین­ترین آن (^*49/1-) در ژنوتیپ P11L7 مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفات عرض دانه در ژنوتیپ­های P11L6 (^**14/0) و ZK472221 (^**12/0-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت قطر دانه به­ترتیب در ژنوتیپ­های 20 Line (27/1) و B73(RFC OR CMS) (^*56/1-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت قطر دانه به­ترتیب در ژنوتیپ­های 10 Line (80/0) و P16 L12 (^*46/1-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت ارتفاع دانه در ژنوتیپ­های 13 Line (77/1) و 172* /89 (^**85/3-) مشاهده شد (فایل تکمیلی 7). در شرایط تنش شوری بالاترین و پایین­ترین ارزش اصلاحی به­ترتیب در ژنوتیپ­های 13 Line (36/1) و P16 L12 Kahriz (36/1-) مشاهده شد (فایل تکمیلی 8).

بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت میزان کلروفیل در ژنوتیپ 23*/89 (^*41/10) و پایین­ترین ارزش اصلاحی برای میزان کلروفیل در ژنوتیپ P19 L7 Kahriz (^**94/18-) مشاهده شد (فایل تکمیلی 8). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت میزان کلروفیل به­ترتیب در ژنوتیپ­های R59 (53/5) و P19 L7 Kahriz (^**01/20-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت دمایی کانوپی به­ترتیب در ژنوتیپ­های 73(RFC OR CMS) B (^**76/7) و 19 Line (61/3-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی صفت دمایی کانوپی به­ترتیب در ژنوتیپ­های P13L3 (87/2) و 6 Line (^*24/4-) مشاهده شد (فایل تکمیلی 8). بالاترین و پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت محتوای نسبی آب به­ترتیب در ژنوتیپ­های OH43/1-42 (^*70/9) و مادری دابل کراس 370 (سینگل کراس) R319 × R59 (^*15/9-) مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت محتوای نسبی آب به­ترتیب در ژنوتیپ­های 16 Line (29/9) و 70*/1388 (^*50/13-) مشاهده شد (فایل تکمیلی 8). بالاترین ارزش اصلاحی تحت شرایط نرمال برای صفت درصد نشت یونی در ژنوتیپ 7 Line (^**72/41) مشاهده شد. پایین­ترین ارزش اصلاحی تحت شرایط نرمال برای صفت نشت یونی (^*42/31-) در ژنوتیپ P16L6 Kahriz مشاهده شد (فایل تکمیلی 7). تحت شرایط تنش شوری، بالاترین و پایین­ترین ارزش اصلاحی برای صفت نشت یونی در ژنوتیپ­های اندونزی S2/QPM/SUKMA (75/42) و P9L3 Kahriz (67/16-) مشاهده شد (فایل تکمیلی 8).

با­ در­نظر­گرفتن مجموع ارزش­هایِ اصلاحیِ جمیع صفات مورد مطالعه در شرایط نرمال، ژنوتیپ­های Line 17، Line 4، Line 8 و Line 3 برترین رتبه را داشتند و به­عنوان ژنوتیپ­هایی باارزش اصلاحی بالا معرفی می­شوند و در مقابل، ژنوتیپ­های P19 L7 Kahriz، P15L4، W37A، P6 L1 و P14L1 Kahriz پایین­ترین رتبه را در بین ژنوتیپ­های مورد مطالعه داشتند. در شرایط تنش شوری، با ­در­نظر­گرفتن مجموع ارزش­های اصلاحی جمیع صفات مورد مطالعه، ژنوتیپ­های Line 3، Line 17، W153R، Line 9، Line 4 برترین رتبه را و ژنوتیپ­هایP6 L1، P19 L7 Kahriz و P14L1 Kahriz پایین­ترین رتبه را در بین ژنوتیپ­های مورد مطالعه داشتند. با­توجه­به­اینکه در دو شرایط نرمال و تنش، ژنوتیپ­های Line 17، 3 Line و 4 Line ارزش اصلاحی مثبت و نسبتاً بالایی برای صفات مورد مطالعه دارند؛ به­عنوان بهترین ژنوتیپ­ها از نظر ارزش اصلاحی صفات مورد بررسی معرفی می­شوند.

برآورد ارزش اصلاحی صفات موفولوژیک به­وسیله نشانگرها با استفاده از بهترین پیش­بینی نااُریب خطی (BLUP) در مطالعات گیاهی امروزه بسیار مورد توجه قرار گرفته است. اخیراً برآورد ارزش اصلاحی صفات پومولوژیک انگور بر اساس نشانگر مولکولی REMAP (Razi et al., 2021) و ارزیابی ارزش­های اصلاحی لاین­های Secondary Tritipyrum ایرانی تحت تنش شوری (Roudbari et al., 2017) انجام گرفته است. در یک مطالعه دیگر، Tahmasbali et al. (2019) ارزش اصلاحی صفات زراعی 89 ژنوتیپ توتون شرقی را در شرایط نرمال و تنش گل جالیز گزارش کردند. ایشان نتیجه گرفتند ژنوتیپی با عملکرد اقتصادی خوب، لزوماً از نظر ارزش اصلاحی بالا برخوردار نیست. از­این­رو استفاده از اطلاعات ارزش اصلاحی صفات را به­منظور افزایش کارایی برنامه­های اصلاحی علاوه­بر اطلاعات میانگین فنوتیپی لازم دانستند.

تجزیه به مؤلفه­های اصلی

در تجزیه به مؤلفه­های اصلی روی ارزش­های اصلاحی، تحت شرایط نرمال مؤلفه اول 3/38% و مؤلفه دوم 10% تغییرات را توجیه می­کنند. بر اساس دو مؤلفه اصلی اول ژنوتیپ Ma45 (B73(RFCORCMS)) بیشترین مقدار را داشت. در شرایط تنش شوری مؤلفه اول 8/28% و مؤلفه دوم 12% تغییرات را توجیه می­کنند. بر اساس دو مؤلفه اصلی اول Ma20 (P15L14) بیشترین مقدار را نشان داد (شکل 1).

بررسی گروه­بندی ژنوتیپ­ها بر اساس ارزش اصلاحی و ریختی

مقایسه درخت­واره ژنوتیپ­ها بر اساس میانگین فنوتیپی صفات با درخت­واره ارزش‌های اصلاحی برآوردشده تحت شرایط نرمال نشان داد در هر دو درخت­واره ژنوتیپ­ها در سه گروه مجزا قرار گرفتند. اما تحت شرایط تنش بر اساس میانگین فنوتیپی صفات ژنوتیپ­ها در دو گروه و بر اساس برآورد ارزش اصلاحی در سه گروه قرار گرفتند. در مقایسه دو درخت­واره ارزش اصلاحی و میانگین فنوتیپی صفات تحت شرایط نرمال 61/35 درصد و تحت شرایط تنش شوری 054/52 درصد از ژنوتیپ­ها در گروه‌های مشابهی قرار گرفتند (شکل 2). تحت شرایط نرمال ژنوتیپ­های مشترک در دو خوشه قرار گرفتند. خوشه اول شامل ژنوتیپ­های B/K19/1، OH43/1-42، R59ₓR319، 67*/88، 7/K19/1، 25*/89 و P19L3Khriz بود که بیشترین ارزش اصلاحی را در صفت دمایی کانوپی داشتند، و خوشه دوم شامل ژنوتیپ­های ZK472221، P9L3Kahriz، P13L3، دی­آلل P1L4Kahriz، Line9، p10l15، پدری R59، P11L6، Line8، Line2، Line19، Line17، Line14، Line12، Line20، Line3، Line1 وLine4  بود. اعضای این خوشه بیشترین ارزش اصلاحی را برای صفات عرض دانه، طول تاسل، تعداد برگ روی بلال، ارتفاع دانه و وزن خشک برگ پرچم نشان دادند. تحت شرایط تنش نیز ژنوتیپ­های مشابه در دو خوشه قرار گرفتند. خوشه اول از 37 عضو شامل ژنوتیپ­های R59ₓR319، p14l2، p11L7، B73(RFCORCMS)، P10L5، R319، 23*/89، P16L6Kahriz، W37A، P15L16Kahriz، 9/k19/1، 8/k19/1، P15L4، دی­آلل کرج P1L4Kahriz، W153R، P19L5Kahriz، P3L4Kahriz، Line16، Line6، Line3، Line19، Line14، Line17، Line1، Line6، Line9، Line10، P15L4، P13L1، P13L3، P11L9، R59، ایزوله K18-B/1392 و P16L12Kahriz بود و خوشه دوم تنها، شامل ژنوتیپ P11L2 بود. این ژنوتیپ در غالب صفات کمترین رتبه از نظر ارزش اصلاحی را دارا بود.

شکل 1- تجزیه به مؤلفه­های اصلی بر اساس ارزش های اصلاحی به­ترتیب، بالا تحت شرایط نرمال (سمت راست بر اساس ژنوتیپ­ها، سمت چپ بر اساس صفات)، پایین، تحت شرایط تنش شوری (سمت راست بر اساس ژنوتیپ­ها، سمت چپ بر اساس صفات).

Figure 1. Principal component analysis based on breeding values, respectively, above under normal conditions (right side based on genotypes, left side based on traits), bottom, under salt stress conditions (right side based on genotypes, left side based on traits) 

نتایج مقایسه نشان داد دو خوشه­بندی حاصل از ارزش اصلاحی برآورد­شده و داده­های فنوتیپی در شرایط تنش شوری بیشترین تشابه را در مقایسه با شرایط نرمال داشتند که تاییدی بر لزوم در­نظر­گرفتن ساختارهای ژنوتیپی در کنار بررسی داده­های فنوتیپی در انتخاب ژنوتیپ­ها است. همچنین مقایسه خوشه‌بندی بر اساس صفات فنوتیپی تحت شرایط تنش و نرمال نشان داد 39/27 درصد از ژنوتیپ­ها تحت هر دو شرایط در خوشه­بندی مشابه قرار گرفتند که شامل ژنوتیپ­های P11L7، P15L16Kahriz، K166B/89&(14*K)166B/1390)، 23*/89، P14L2، K18-B/1392، K19*/1392، W153R، P16L12Kahriz، B73(RFCORCMS) در خوشه اول و ژنوتیپ­های 4*/89، P19L7Kahriz، لاین 1390/POPCORN-53 0R54، K1263/1/1388، Line7، Line11، R59، 66*/1388، 70*/1388 و 36-N/88-K 3653/2 در خوشه دوم بود. بر اساس نتایج مقایسه خوشه‌بندی ارزش اصلاحی برآورد­شده تحت شرایط نرمال با تنش نیز 808/17 درصد ژنوتیپ­ها در خوشه­بندی مشابه قرار گرفتند که این ژنوتیپ­ها در دو خوشه؛ خوشه اول شامل Line 10، Line6، Line16، P15L4، P16L6Kohriz، P11L9، P13L1، 8/K19/1، R59 و R59ₓR319 و خوشه دوم شامل Line8 و Line20 بودند.

شکل 2- گروه­بندی ژنوتیپ­ها بر اساس ارزش اصلاحی و مورفولوژیک. به­ترتیب از چپ به راست: گروه­بندی بر اساس صفات مورفولوژی در شرایط نرمال، گروه­بندی بر اساس ارزش اصلاحی برآورد شده در شرایط نرمال، گروه­بندی بر اساس صفات مورفولوژیکی در شرایط تنش شوری، گروه­بندی بر اساس ارزش اصلاحی برآورد شده در شرایط تنش شوری.

Figure 2. Grouping of genotypes based on breeding and morphological values. From left to right: Grouping based on morphological traits under normal conditions, grouping based on the estimated breeding values under normal conditions, grouping based on the morphological traits under salt stress conditions, grouping based on the estimated breeding values under salt stress conditions.

نتیجه­گیری کلی

با در­نظر­گرفتن مجموع ارزش­های اصلاحی جمیع صفات مورد مطالعه در شرایط نرمال ژنوتیپ­های 17، 4، 8 و 3 برترین رتبه و در شرایط تنش شوری ژنوتیپ­های 3، 17، W153R، 9 و 4 برترین رتبه را داشتند. با در­نظر­گرفتن هر دو شرایط نرمال و تنش شوری ژنوتیپ­های 17، 3 و 4 ارزش اصلاحی مثبت و نسبتاً بالایی برای صفات مورد مطالعه نشان دادند. ژنوتیپ­های با بالاترین ارزش اصلاحی بالاترین توان در انتقال صفات خود به نتاج را دارند؛ بنابراین می‌توانند به عنوان والد مطلوب برای اصلاح این صفات در برنامه‌های تلاقی استفاده شوند. نتایج مقایسه گروه­بندی بر اساس ارزش اصلاحی و فنوتیپی، اهمیت ارزش اصلاحی در گروه­بندی ژنوتیپ­ها را نشان می­دهد.

REFERENCES

1. Bauer, A. M., Reetz, T. C. & Léon, J. (2006). Estimation of breeding values of inbred lines using best linear unbiased prediction (BLUP) and genetic similarities. Crop Science, 46(6), 2685-2691.
2. Bernardo, R. & Yu, J. (2007). Prospects for genomewide selection for quantitative traits in maize. Crop Science, 47(3), 1082-1090.
3. Emdad, M.R. & Fardad, H. (2000). Effect of salt and water stress on corn yield production. Iranian Journal of Agriculture Science, 3(31), 641-654. (In Persian)
4. Fageria, N. K., Baligar, V. C. & Jones, C. A. (2010). Growth and mineral nutrition of field crops. 3rd Edition. CRC Press.
5. Falconer, D. S. & Mackay, T. F. C. (1996). Introduction to quantitative genetics. 4th Addison Wesley Longman, Harlow, Essex, UK.
6. Foulley, J.L. (2015). Mixed Model Methodology. Part I: Linear Mixed Models. Technical Report, e-print: DOI: 10.13140/2.1.3072.0320.
7. Hearn, S. (2014). 12th Asian Maize Conference and Expert Consultation on Maize for Food, Feed, Nutrition and Environmental Security. Bangkok, Thailand; 30 October – 1 November, 2014.
8. Henderson, C. R. (1990). Statistical methods in animal improvement: Historical overview. In Advances in statistical methods for genetic improvement of livestock. (pp. 2-14). Springer, Berlin, Heidelberg.
9. Isik, F., Holland, J. & Maltecca, C. (2017). Genetic data analysis for plant and animal breeding. 1st New York: Springer.
10. Jannink, J. L., Lorenz, A. J. & Iwata, H. (2010). Genomic selection in plant breeding: From theory to practice. Briefings in Functional Genomics, 9(2), 166-177.
11. Meyer, K. (2007). WOMBAT-A tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML). Journal of Zhejiang University Science B, 8(11), 815-821.
12. Mohammadkhani, N. & Sharifi, P. (2016). Anti-oxidative response of different wheat genotypes to drought during anthesis. Iranian Journal of Plant Physiology, 6, 1845-1854.
13. Munns, R. & Tester, M. (2008). Mechanisms of salinity tolerance. Annual Review of Plant Biology, 59: 651-681.
14. Najafi, N., & Sarhangzadeh, E. (2012). Effect of NaCl salinity and soil waterlogging on growth characteristics of forage corn in greenhouse conditions. Journal of Soil and Plant Interactions, 3(2), 1-15.
15. Niu, L., Yuan, H., Gong, F., Wu, X., & Wang, W. (2018). Protein extraction methods shape much of the extracted proteomes. Frontiers in Plant Science, 9, 802.
16. Patterson, H.D. & Thompson, R. (1971). Recovery of inter-block information when block sizes are unequal. Biometrika, 58(3), 545-554.
17. Piepho, H. P. (2009). Ridge regression and extensions for genomewide selection in maize. Crop Science, 49(4), 1165-1176.
18. Piepho, H. P., Möhring, J., Melchinger, A. E. & Büchse, A. (2008). BLUP for phenotypic selection in plant breeding and variety testing. Euphytica, 161(1-2), 209-228.
19. Quintal, S.S.R., Viana, A.P., Campos, B., Vivas, M. & Amaral Junior, A.T. (2017). Selection via mixed models in segregating guava families based on yield and quality traits. Revista Brasileira de Fruticultura, 39(2), Doi.org/10.1590/0100-29452017866.
20. Ramos, H.C.C., Pereira, M.G., Viana, A.P., da Luz, L.N., Cardoso, D.L. & Ferreguetti, G.A. (2014). Combined selection in backcross population of papaya (Carica papaya ) by the mixed model methodology. American Journal of Plant Sciences, 5(20), 2973.
21. Razi, M., Darvishzadeh, R., Doulati Baneh, H., Amiri, M. E. & Martinez-Gomez, P. (2021). Estimating breeding value of pomological traits in grape cultivars based on REMAP molecular markers. Journal of Plant Productions, 44(4), 515-530. Doi: 22055/ppd.2020.34003.1925. ‏
22. Roudbari, Z., Mohammadi-Nejad, G. & Shahsavand-Hassani, H. (2017). Field screening of primary and secondary Tritipyrum genotypes using selection indices based on BLUP under saline and normal conditions. Crop Science, 57(3), 1495-1503.
23. Roy, S.J., Negrão, S. & Tester, M. (2014). Salt resistant crop plants. Curr Opin Biotechnol, 26, 115–124.
24. Saghai-Maroof, M. A., Soliman, K. M., Jorgensen, R. A. & Allard, R. W. (1984). Ribosomal DNA spacer-length polymorphisms in barly mendelian inheritance, chromosomal location and population dynamics. Proceedings of the National Academy of Sciences of the United States of America, 81, 8014-8018.
25. Sajedi, N., & Ardekani, A. (2008). Effect of nitrogen fertilizer, iron on the physiological indices forage maize in central provinces. Iranian Journal of Field Crops Research, 6 (1), 99-110. (In Persian)
26. Shahzad, M., Witzel, K., Zörb, C., & Mühling, K. H. (2012). Growth‐related changes in subcellular ion patterns in maize leaves (Zea mays) under salt stress. Journal of Agronomy and Crop Science, 198(1), 46-56.
27. Tahmasbali, M., Darvishzadeh, R. & Fayaz Moghaddam, A. (2019). Estimating breeding value of agronomic traits in oriental tobacco genotypes under broomrape stress and normal conditions. Plant Genetic Researches, 7(1), 103-126.
28. Turan, M. A., Elkarim, A. H. A., & Taban, S. (2010). Effect of salt stress on growth and ion distribution and accumulation in shoot and root of maize plant. African Journal of Agricultural Research, 5(7), 584-588.
29. Xu, W., Subudhi, P. , Crasta, O. R., Rosenow, D. T., Mullet, J.E. & Nguyen, H. T. (2000). Molecular mapping of QTLs conferring stay-green in grain sorghum (Sorghum bicolor L. Moench). Genome, 43, 461- 469.
30. Yang, R.-C. (2010). Towards understanding and use of mixed-model analysis of agricultural experiments. Canadian Journal of Plant Science, 90, 605-627.
31. Yasmeen, A., Basra, S. M. A., Farooq, M., & Hussain, N. (2013). Exogenous application of moringa leaf extract modulates the antioxidant enzyme system to improve wheat performance under saline conditions. Plant Growth Regulation, 69(3), 225-233.
32. Zhao, Y., Li, Z., Liu, G., Jiang, Y., Maurer, H.P., Würschum, T., Mock, H.-P., Matros, A., Ebmeyer, E. & Schachschneider, R. (2015). Genome-based establishment of a high-yielding heterotic pattern for hybrid wheat breeding. Proceedings of the National Academy of Sciences, 112(51), 15624-15629.
33. Zarei, L., Farshadfar, E., Haghparast, R., Rajabi, R. & Mohammadi Sarab Badieh, M. (2007). Evaluation of some indirect traits and indices to identify drought tolerance in bread wheat (Triticum aestivum). Asian Journal of Plant Sciences, 6, 1204- 1210.

ضمائم:

فایل تکمیلی 1. ژنوتیپ­های ذرت مورد استفاده در آزمایش

Supplementary file 1. Maize genotypes used in the experiment

فایل تکمیلی 2. تجزیه واریانس مرکب صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال و تنش شوری

Supplementary file 2. Combined analysis of variance of studied traits in 73 maize genotypes under normal and salt stress conditions

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

****، معنی­داری در سطح 1 ده هزارم درصد. ***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 3. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط نرمال

Supplementary file 3. Analysis of variance of studied traits in 73 maize genotypes under normal conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 4. تجزیه واریانس صفات مورد بررسی در 73 ژنوتیپ ذرت تحت شرایط تنش شوری

Supplementary file 4. Analysis of variance of studied traits in 73 maize genotypes under salinity stress conditions

***، معنی­دار در سطح 1هزارم درصد. **، معنی­داری در سطح 1 درصد. *، معنی­داری در سطح 5 درصد. ns، غیر­معنی­دار

فایل تکمیلی 5. باندهای مربوط به DNA استخراج شده بر روی ژل آگارز 1٪

Supplementary file 5. Extracted DNA bands on 1% agarose gel

فایل تکمیلی 6- خلاصه اطلاعات جهش‌های تک نوکلئوتیدی شناسایی شده در کروموزوم‌های مختلف ژنوتیپ­های ذرت

Supplementary file 6. A summary of single nucleotide substitutions identified in different chromosomes of maize genotypes

فایل تکمیلی 7- برآورد ارزش اصلاحی صفات بیوشیمیایی و مرتبط با دانه در ژنوتیپ­های ذرت (Zea mays L.) تحت شرایط نرمال بر اساس نشانگر مولکولی SNP

Supplementary file 7. Estimation of breeding value for studied biochemical and seed related traits in maize (Zea mays L.) genotypes based on SNP molecular marker under normal conditions

DTE: Days to tassel emergence, DEE: Days to ear emergence, Ch: Chlorophyll rate, Il: Ion leakage, TLS: Total leaf surface, RWC: Relative water content, APWP: Aerial part weight of plant, WETP: Weight of ear together with pods, NGRE: Number of grain rows per ear, GD: Grain diameter, GW: Grain width, GH: Grain height, CW: Cob's weight, CT: Canopy temperature, EDWG: Ear diameter without grain, DFLWT: Distance from the flag leaf width to the tassel, DWFL: Dry weight of flag leaf, LANG: Leaf angle, LFNT: Length of first node to tassel, LNE: Leaf number on ear, NGR: Number of grain per row, NBT: Number of Branches in Tassel, TL: Tassel length, WEWoutP: Weight of ear without pods, GWME: Grain weight in main ear. *and **: Not-significant and significant at 5% and 1% probability levels, respectively.

فایل تکمیلی 7- برآورد ارزش اصلاحی صفات بیوشیمیایی و مرتبط با دانه در ژنوتیپ­های ذرت (Zea mays L.) تحت شرایط نرمال بر اساس نشانگر مولکولی SNP

Supplementary file 7. Estimation of breeding value for studied biochemical and seed related traits in maize (Zea mays L.) genotypes based on SNP molecular marker under normal conditions